Question

我有一个从shapefile创建的geopandas数据框。

我想根据以下列对数据框进行排序：“name”和行块也应按地理位置排序，以便将所有附近具有相同名称的块组合在一起。

如何进行此类排序？

我尝试过： 1.我计算每个线串的平均坐标：

df['mean_coord'] = df.geometry.apply(lambda g: [np.mean(g.xy[0]),np.mean(g.xy[1])])

我根据“name”列对数据帧进行分组，然后根据平均坐标对结果数据帧进行排序：

分组= df.sort_values（[ 'mean_coord']，升序=假）.groupby（ '姓名'）

但我不确定，如果这是最好/最优雅甚至是正确的方法。除此之外，我不知道如何从分组元素回到pandas数据帧？

Answer 1

首先，我将向您展示我已经硬编码并假设为代表性数据集的内容。这真的是你应该在问题中提供的东西，但我在这个假日季节感到很慷慨：

from shapely.geometry import Point, LineString
import geopandas

line1 = LineString([
    Point(0, 0),
    Point(0, 1),
    Point(1, 1),
    Point(1, 2),
    Point(3, 3),
    Point(5, 6),
])

line2 = LineString([
    Point(5, 3),
    Point(5, 5),
    Point(9, 5),
    Point(10, 7),
    Point(11, 8),
    Point(12, 12),
])

line3 = LineString([
    Point(9, 10),
    Point(10, 14),
    Point(11, 12),
    Point(12, 15),
])

gdf = geopandas.GeoDataFrame(
    data={'name': ['A', 'B', 'A']},
    geometry=[line1, line2, line3]
)

所以现在我要计算每条线的质心的x坐标和y坐标，取平均值，按线的平均值和名称排序，删除中间列。

output = (
    gdf.assign(x=lambda df: df['geometry'].centroid.x)
       .assign(y=lambda df: df['geometry'].centroid.y)
       .assign(rep_val=lambda df: df[['x', 'y']].mean(axis=1)) 
       .sort_values(by=['name', 'rep_val']) 
       .loc[:, gdf.columns] 
)

print(output)

  name                                       geometry
0    A      LINESTRING (0 0, 0 1, 1 1, 1 2, 3 3, 5 6)
2    A         LINESTRING (9 10, 10 14, 11 12, 12 15)
1    B  LINESTRING (5 3, 5 5, 9 5, 10 7, 11 8, 12 12)

按行名称和按地理位置排序GeoPandas

1 个答案: