Question

我有一系列不规则重叠的多边形（> 1000）。我想介绍一个新的匀称点，并且想快速了解该点在哪个多边形中。我为此有一个for循环，但我正在寻找一种更快的方法。

from shapely.geometry import Point
from shapely.geometry.polygon import Polygon

test_points  = pd.Series([[(0,1), (1,1), (1,0)], [(0,0), (0,1), (1,0)]])

# a Dataframe containing my polygons and an id
polygonized_points = pd.DataFrame({"polygons" : test_points.map(lambda x : Polygon(x)), "id" : range(0, len(test_points), 1)})

# a new point
new_point = Point(0.4, 0.3)

# allocation of point to hexes (which I want to be faster)
for idx, row in polygonized_points.iterrows() :
    if row.polygons.contains(new_point) :
        new_point_in_id = row.id # imagine this would be a df with an empty column for the id variable

我非常确定我错过了一些东西来加快b / c的速度，我认为for循环扩展性不好。感谢您的帮助！最好的

Answer 1

在这种情况下，for循环不是问题：多边形测试中的点很慢。优化代码意味着优化多边形测试中的点数，这通常是使用空间索引来完成的。答案：https://gis.stackexchange.com/a/119935来自GIS Stack-Exchange，在列出许多可能的空间索引策略方面做得很好。 for循环有大约1000个无关紧要的重复。很有可能使用R-Tree，例如来自以下Python包的https://toblerity.org/rtree/。在装配（您的多边形的）边界框之后，R-Tree可以有效地搜索。之后，仅对边界框内具有该点的多边形（通常为2-5）执行多边形测试中的昂贵点。

将新的匀称点匹配到一系列匀称的多边形-快速

1 个答案: