Introduction
GeoPandas est une puissante bibliothèque Python open-source qui permet l'analyse et la manipulation des données géospatiales. Une tâche courante lorsqu'on travaille avec des données géospatiales est de récupérer les coordonnées des polygones à partir d'une GeoPandas DataFrame.
Cela peut être fait en utilisant plusieurs méthodes différentes, qui seront discutées dans ce guide.
Création d'une DataFrame GeoPandas
Pour reproduire l'exemple ci-dessous, vous pouvez télécharger les données à partir du lien suivant.
import geopandasgdf = geopandas.read_file('dataframe.geojson', driver='GeoJSON')gdf.head()
Le code ci-dessus renverra :
city_name longitude_c1 latitude_c1 longitude_c2 latitude_c2 \0 Paris 2.2522 48.7566 2.2522 48.95661 London -0.2276 51.4072 -0.2276 51.60722 Moscow 37.5173 55.6558 37.5173 55.85583 Istanbul 28.8784 40.9082 28.8784 41.1082longitude_c3 latitude_c3 longitude_c4 latitude_c4 \0 2.4522 48.9566 2.4522 48.75661 -0.0276 51.6072 -0.0276 51.40722 37.7173 55.8558 37.7173 55.65583 29.0784 41.1082 29.0784 40.9082geometry0 POLYGON ((2.25220 48.75660, 2.25220 48.95660, ...1 POLYGON ((-0.22760 51.40720, -0.22760 51.60720...2 POLYGON ((37.51730 55.65580, 37.51730 55.85580...3 POLYGON ((28.87840 40.90820, 28.87840 41.10820...
Dans cet exemple, nous pouvons voir que les données contiennent des informations sur quatre villes différentes - Paris, Londres, Moscou et Istanbul. Chaque ville a ses propres coordonnées représentées par des valeurs de longitude et de latitude. Ces coordonnées sont ensuite utilisées pour créer des polygones sur une carte en utilisant la bibliothèque shapely.
Extraction des coordonnées du polygone
Il existe diverses méthodes pour extraire les coordonnées des polygones, chacune avec des niveaux d'efficacité variables en fonction de la taille de votre DataFrame et de savoir si tous les polygones partagent le même nombre de sommets. Explorons ces approches.
Parcourir chaque ligne dans la GeoDataFrame
Cette approche est adaptée aux petits DataFrames car elle utilise une boucle for pour itérer sur chaque ligne :
for idx, row in gdf.iterrows():X,Y = row['geometry'].exterior.coords.xyprint( list(X), list(Y) )
Ce extrait de code itère à travers chaque ligne d'une GeoDataFrame nommé gdf en utilisant une boucle for. Dans chaque ligne, il extrait les coordonnées X et Y de la limite extérieure de la géométrie. Cela est réalisé en accédant à la colonne 'geometry', puis en descendant jusqu'à l'extérieur et son attribut coords. La méthode .xy sépare finalement les coordonnées en listes individuelles de valeurs X et Y :
[2.2522, 2.2522, 2.4522, 2.4522, 2.2522] [48.7566, 48.9566, 48.9566, 48.7566, 48.7566][-0.2276, -0.2276, -0.0276, -0.0276, -0.2276] [51.4072, 51.6072, 51.6072, 51.4072, 51.4072][37.5173, 37.5173, 37.7173, 37.7173, 37.5173] [55.6558, 55.8558, 55.8558, 55.6558, 55.6558][28.8784, 28.8784, 29.0784, 29.0784, 28.8784] [40.9082, 41.1082, 41.1082, 40.9082, 40.9082]
Création d'une fonction pour extraire les coordonnées du polygone
Pour extraire les coordonnées du polygone à partir d'un ensemble de données donné, nous pouvons créer une fonction qui prendra les paramètres d'entrée nécessaires et renverra la sortie souhaitée. Les étapes suivantes décrivent comment créer une telle fonction:
En utilisant la fonction apply()
La fonction apply() dans pandas nous permet d'appliquer une fonction donnée le long d'un axe de la DataFrame. Nous pouvons utiliser cette fonction pour itérer sur les lignes ou les colonnes de notre jeu de données et extraire les coordonnées nécessaires.
Voici un exemple de code pour créer notre fonction personnalisée en utilisant apply():
def get_polygon_coordinates(p):X,Y = p.exterior.coords.xyreturn list(X[:-1]), list(Y[:-1])
Cette fonction prend en paramètre 'p' qui représente l'objet Polygone de notre ensemble de données. Nous utilisons la méthode exterior.coords.xy pour extraire séparément les coordonnées x et y, puis les renvoyons sous forme de listes. Le [:-1] à la fin est utilisé pour exclure la dernière coordonnée car c'est un doublon.
Par exemple, en accédant au premier polygone
get_polygon_coordinates(gdf['geometry'][0])
nous obtenons:
([2.2522, 2.2522, 2.4522, 2.4522], [48.7566, 48.9566, 48.9566, 48.7566])
Pour appliquer notre fonction à toutes les lignes de la DataFrame GeoPandas, nous pouvons procéder comme suit:
gdf['geometry'].apply(get_polygon_coordinates)
Cela renverra une série avec des listes de coordonnées x et y pour chaque polygone de notre ensemble de données :
0 ([2.2522, 2.2522, 2.4522, 2.4522], [48.7566, 4...1 ([-0.2276, -0.2276, -0.0276, -0.0276], [51.407...2 ([37.5173, 37.5173, 37.7173, 37.7173], [55.655...3 ([28.8784, 28.8784, 29.0784, 29.0784], [40.908...Name: geometry, dtype: object
Cette série contient toutes les coordonnées extraites pour chaque polygone de notre ensemble de données. À partir de là, nous pouvons facilement manipuler et utiliser ces coordonnées à des fins d'analyse ou de visualisation ultérieures.
En utilisant map()
Pour une vitesse améliorée, l'utilisation de la fonction map de Python est une autre approche efficace. En appliquant cette fonction à notre colonne de géométrie, nous pouvons obtenir une liste des coordonnées extérieures pour chaque polygone de notre ensemble de données. Le code ressemblerait à ceci:
list( map(get_polygon_coordinates,gdf['geometry']) )
ce qui renverrait une liste de tuples avec des listes de coordonnées x et y pour chaque polygone.
[([2.2522, 2.2522, 2.4522, 2.4522], [48.7566, 48.9566, 48.9566, 48.7566]),([-0.2276, -0.2276, -0.0276, -0.0276], [51.4072, 51.6072, 51.6072, 51.4072]),([37.5173, 37.5173, 37.7173, 37.7173], [55.6558, 55.8558, 55.8558, 55.6558]),([28.8784, 28.8784, 29.0784, 29.0784], [40.9082, 41.1082, 41.1082, 40.9082])]
Si nos polygones ont un nombre égal de sommets, nous pouvons stocker les coordonnées dans une matrice NumPy. Voici un extrait de code pour y parvenir:
import numpy as npcoords = np.asarray( list( map(get_polygon_coordinates,gdf['geometry']) ) )
Veuillez noter que la forme de la matrice est affichée ici:
coords.shape
ce qui se traduit par:
(4, 2, 4)
Nous pouvons remodeler nos coordonnées de matrice en utilisant la commande
coords.reshape(4,8)
ce qui donne la structure de tableau suivante:
array([[ 2.25220e+00, 2.25220e+00, 2.45220e+00, 2.45220e+00,4.87566e+01, 4.89566e+01, 4.89566e+01, 4.87566e+01],[-2.27600e-01, -2.27600e-01, -2.76000e-02, -2.76000e-02,5.14072e+01, 5.16072e+01, 5.16072e+01, 5.14072e+01],[ 3.75173e+01, 3.75173e+01, 3.77173e+01, 3.77173e+01,5.56558e+01, 5.58558e+01, 5.58558e+01, 5.56558e+01],[ 2.88784e+01, 2.88784e+01, 2.90784e+01, 2.90784e+01,4.09082e+01, 4.11082e+01, 4.11082e+01, 4.09082e+01]])
Ensuite, stockez le résultat dans de nouvelles colonnes au sein de notre DataFrame :
import pandas as pdpd.concat([gdf,pd.DataFrame( coords.reshape(4,8) )],axis=1)
Le DataFrame suivant sera généré:
city_name longitude_c1 latitude_c1 longitude_c2 latitude_c2 \0 Paris 2.2522 48.7566 2.2522 48.95661 London -0.2276 51.4072 -0.2276 51.60722 Moscow 37.5173 55.6558 37.5173 55.85583 Istanbul 28.8784 40.9082 28.8784 41.1082longitude_c3 latitude_c3 longitude_c4 latitude_c4 \0 2.4522 48.9566 2.4522 48.75661 -0.0276 51.6072 -0.0276 51.40722 37.7173 55.8558 37.7173 55.65583 29.0784 41.1082 29.0784 40.9082geometry 0 1 \0 POLYGON ((2.25220 48.75660, 2.25220 48.95660, ... 2.2522 2.25221 POLYGON ((-0.22760 51.40720, -0.22760 51.60720... -0.2276 -0.22762 POLYGON ((37.51730 55.65580, 37.51730 55.85580... 37.5173 37.51733 POLYGON ((28.87840 40.90820, 28.87840 41.10820... 28.8784 28.87842 3 4 5 6 70 2.4522 2.4522 48.7566 48.9566 48.9566 48.75661 -0.0276 -0.0276 51.4072 51.6072 51.6072 51.40722 37.7173 37.7173 55.6558 55.8558 55.8558 55.65583 29.0784 29.0784 40.9082 41.1082 41.1082 40.9082
Nous pouvons également attribuer des noms aux nouvelles colonnes :
pd.concat([gdf,pd.DataFrame( coords.reshape(4,8), columns=['x1','x2','x3','x4','y1','y2','y3','y4'] )],axis=1)
La DataFrame suivant sera généré:
city_name longitude_c1 latitude_c1 longitude_c2 latitude_c2 \0 Paris 2.2522 48.7566 2.2522 48.95661 London -0.2276 51.4072 -0.2276 51.60722 Moscow 37.5173 55.6558 37.5173 55.85583 Istanbul 28.8784 40.9082 28.8784 41.1082longitude_c3 latitude_c3 longitude_c4 latitude_c4 \0 2.4522 48.9566 2.4522 48.75661 -0.0276 51.6072 -0.0276 51.40722 37.7173 55.8558 37.7173 55.65583 29.0784 41.1082 29.0784 40.9082geometry x1 x2 \0 POLYGON ((2.25220 48.75660, 2.25220 48.95660, ... 2.2522 2.25221 POLYGON ((-0.22760 51.40720, -0.22760 51.60720... -0.2276 -0.22762 POLYGON ((37.51730 55.65580, 37.51730 55.85580... 37.5173 37.51733 POLYGON ((28.87840 40.90820, 28.87840 41.10820... 28.8784 28.8784x3 x4 y1 y2 y3 y40 2.4522 2.4522 48.7566 48.9566 48.9566 48.75661 -0.0276 -0.0276 51.4072 51.6072 51.6072 51.40722 37.7173 37.7173 55.6558 55.8558 55.8558 55.65583 29.0784 29.0784 40.9082 41.1082 41.1082 40.9082
Références
| Liens | Site |
|---|---|
| Comment extraire les coordonnées extérieur d'un polygone Shapely en python ? | fr.moonbooks.org |
| shapely user manual: polygons | shapely.readthedocs.io |
