Анализ векторных данных с помощью GeoPandas

Введение

GeoPandas — это библиотека с открытым исходным кодом для языка Python, предназначенная для чтения, обработки, анализа и экспорта векторных геоданных в табличном представлении. Она расширяет структуры pandas столбцом геометрии, делегируя геометрические вычисления библиотеке Shapely, а ввод-вывод форматов — механизмам на базе GDAL.

Многие рутинные операции, выполняемые в QGIS вручную через кнопки интерфейса — открытие слоев, атрибутивная фильтрация, перепроецирование, привязка точек к полигонам административного деления — в GeoPandas сводятся к компактным строкам скрипта. При повторном запуске пайплайна аналогичный алгоритм безошибочно применяется к обновленным наборам данных. Установка библиотеки выполняется командой pip install geopandas либо через канал conda-forge; создание изолированного виртуального окружения для каждого проекта исключает конфликты системных библиотек.

Структура GeoDataFrame

Ключевой структурой данных в GeoPandas выступает GeoDataFrame. Каждая строка таблицы представляет собой отдельный пространственный объект, а столбцы содержат его описательные атрибуты. Один из столбцов обязательно назначается активным столбцом геометрии (geometry column), хранящим векторные примитивы: точки, линии или полигоны. Таблица жестко связывается с метаданными системы координат (CRS).

Такая архитектура идентична таблице атрибутов в классической ГИС. Различие заключается в том, что агрегация, фильтрация и векторные расчеты выполняются мощными векторными методами pandas. Руководство пользователя GeoPandas подробно документирует внутреннее устройство структур GeoDataFrame и GeoSeries.

Связь атрибутивных колонок, геометрии и метки CRS в таблице GeoDataFrame с объектами на карте

Чтение данных и первичная валидация

Импорт векторного слоя осуществляется универсальной функцией read_file, поддерживающей популярные форматы GeoPackage, Shapefile и GeoJSON. До начала пространственных расчетов обязательно выполняют первичную диагностику геометрии:

import geopandas as gpd

maktablar = gpd.read_file("data/maktablar.gpkg")
tumanlar = gpd.read_file("data/tumanlar.gpkg")

print(maktablar.crs)                          # например, EPSG:4326
print(len(maktablar), maktablar.geom_type.unique())
print((~maktablar.is_valid).sum(), maktablar.geometry.isna().sum())

Эти три вызова возвращают идентификатор CRS, объем выборки, классы геометрий, а также количество топологически невалидных и пустых контуров. Если реестр пуст или атрибут CRS равен None, последующие геометрические расчеты теряют смысл. При отсутствии описания системы координат её код выясняют по паспорту источника, избегая произвольных догадок.

Выборка по атрибутам

Фильтрация GeoDataFrame синтаксически идентична обработке стандартных таблиц pandas. Записи, удовлетворяющие логическому выражению, формируют дочерний геофрейм с сохранением пространственной привязки:

katta = maktablar[maktablar["oquvchi_soni"] > 1000]
noaniq = maktablar[maktablar["oquvchi_soni"].isna()]

Вторая строка критически важна: объекты с пустыми значениями (NaN) исключаются из числовых сравнений по умолчанию и бесследно выпадают из выборки. Поэтому пропуски данных всегда подсчитывают и документируют отдельно. В текстовых полях расхождения регистра или написания (например, «Юнусабад» и «Юнусабадский район») также приводят к потере части записей при фильтрации.

Системы координат и пространственные измерения

Если рассчитывать площадь area или длину length в географической системе координат, результат будет выражен в бессмысленных квадратных градусах. Для корректных метрических расчетов слой трансформируют в подходящую спроецированную СК. Для Ташкента, Самарканда и территорий в полосе 66–72° в. д. стандартом является зона WGS 84 / UTM 42N (EPSG:32642):

maktablar = maktablar.to_crs(32642)
tumanlar = tumanlar.to_crs(32642)
tumanlar["maydon_km2"] = tumanlar.area / 1_000_000

Метод to_crs пересчитывает координаты вершин математически, тогда как set_crs лишь перезаписывает текстовый ярлык в метаданных — их подмена является частой ошибкой. Территория Узбекистана с запада на восток пересекает четыре зоны UTM (40N–43N): например, Хорезм попадает в 41N, а восток Андижана — в 43N. Поэтому для общереспубликанских аналитических задач заранее выбирают единую проекцию для всей страны. Этот вопрос детально разобран в статье системы координат и перепроецирование в ГИС.

Технологический процесс в GeoPandas: чтение файла, аудит геометрии и CRS, перепроецирование в метры, анализ и экспорт в GeoPackage

Пространственное объединение (Spatial Join)

Пространственное объединение (spatial join) связывает записи двух слоев не по общему текстовому ключу, а по их геометрическому взаиморасположению. Например, сопоставление каждой школы с полигоном района, в границах которого она расположена:

natija = gpd.sjoin(maktablar, tumanlar[["tuman", "geometry"]],
                   how="left", predicate="within")

print(natija["tuman"].isna().sum())   # не попавшие ни в один район
print(natija.groupby("tuman").size())  # число школ в разрезе районов

Параметр how="left" сохраняет все исходные точечные объекты школ, подставляя пустые значения в случаях несовпадения. Предикат within исключает точки, лежащие строго на внешних границах полигонов; в пограничных ситуациях безопаснее применять intersects. Если границы районов перекрываются, точки дублируются, поэтому итоговое число строк всегда сверяют с исходным.

Пространственное объединение точек школ с полигонами районов и появление атрибута района в результирующей таблице

Сохранение результатов

Результаты пространственного моделирования экспортируют в отдельный файл, не перезаписывая исходные данные. Формат GeoPackage оптимален для хранения нескольких слоев, длинных имен атрибутов и определений систем координат:

natija.to_file("natija/maktablar_tuman.gpkg", layer="maktablar")

Визуальная верификация сохраненного файла в настольной QGIS служит обязательным дополнением к программным тестам. Фиксация версий библиотек и контрольных сумм входных наборов гарантирует строгую повторяемость аналитических расчетов.

Заключение

GeoPandas объединяет мощь реляционных таблиц pandas с алгоритмами вычислительной геометрии: чтение, валидация, перепроецирование, пространственные выборки и экспорт выполняются в едином программном цикле.

Надежность пространственного скрипта определяется не сложностью синтаксиса, а дисциплиной работы с CRS, проверкой топологической валидности и корректным выбором пространственных предикатов.