本文示例代码已上传至我的
Github
仓库https://github.com/CNFeffery/DataScienceStudyNotes
1 简介
大家好我是费老师,前不久我在一篇文章中给大家分享过geopandas
在其0.11版本中为我们带来的一些重要新特性,其中提到过新的矢量读写后端,使得我们在read_file()
以及to_file()
中添加参数engine='pyogrio'
即可获得500%的性能提升。
而新引擎带来的不仅是性能上的大幅提升,还带来了诸多实用功能以方便我们读写常见矢量文件,今天我就来给大家详细介绍这些新功能。
2 详解geopandas中的pyogrio读写引擎
geopandas
0.11版本之后新增的pyogrio
引擎,基于geopandas
团队开发的同名Python
库,其基于OGR
,而OGR
则是著名的开源栅格空间数据转换框架GDAL
的重要分支库,专注于矢量数据的高性能转换。
2.1 基于pyogrio的矢量文件读取
对于0.11及以后版本的geopandas
,向read_file()
中传入engine='pyogrio'
后,即可切换至底层基于pyogrio.read_dataframe()
的读取引擎,获取大幅度性能提升的同时也拥有了众多的新功能参数,其中比较实用的有:
2.1.1 利用columns参数指定需要读入的字段
开启pyogrio
引擎后,我们可以通过设置参数columns
来读入指定的若干字段,当你的矢量文件有很多无关紧要的字段时,可以利用此特性来整洁数据以及减少读入数据的内存消耗:
2.1.2 利用read_geometry参数设置是否忽略矢量列
如果你不需要矢量文件中的矢量信息,只需要将其当作普通表格数据进行读入,开启pyogrio
引擎后,设置read_geometry=False
即可,所形成对象的类型也会变为普通的DataFrame
:
2.1.3 利用force_2d参数强制忽略z轴信息
有些情况下,矢量数据中的坐标信息带有z轴高度信息,如果分析过程中用不上该维度信息,可以在开启pyogrio
引擎后设置force_2d=True
强制转换为2D矢量,非常方便:
2.1.4 利用skip_features与max_features参数控制读入数据规模
在开启pyogrio
引擎后,通过设置参数skip_features
可以控制从数据第0行开始需要跳过的要素记录数量:
而通过设置参数max_features
则可以控制最多读取多少行要素记录,当我们的矢量文件记录行很多,而我们又只想简单查看几行看看数据长什么样时,这个参数就很实用了:
2.1.5 利用参数where对矢量文件进行条件过滤
这个新特性非常实用,我们可以像写SQL
查询语句那样传入我们的过滤条件,从而帮助我们在读取数据时就实现比较丰富***的条件过滤效果,值得注意的是,针对中文等由unicode字符构成的字段名,需要将其包裹在""
中进行定义,参考下图中我的做法:
2.1.6 利用sql参数在原数据上直接进行sql查询
前面我们介绍了多种用于过滤原数据的实用参数,而在在开启pyogrio
引擎后还有个非常实用的参数sql
,可以帮助我们直接书写SQL
语句对原数据进行提取(注意,其执行顺序先于上述其他过滤类参数):
但要注意的是,目前pyogrio
引擎的sql
参数,在读取诸如含有中文等unicode字符信息的shapefile
文件时,不能正常的解析内容,而针对GeoJSON
、gpkg
等其他格式矢量文件时则一切正常:
GeoJSON
文件正常
gpkg
文件正常
shapefile
文件乱码,亲测即使指定encoding
也无效
所以现阶段建议读取shapefile
文件时,可以使用columns
+where
的组合方式代替sql
以实现同样的效果。
2.2 基于pyogrio的矢量文件写出
相较于文件的读取,新引擎中涉及文件写出的功能参数就寡淡很多,只发现一个比较特别的promote_to_multi
参数,用于强制将单部件要素转换为多部件要素:
2.3 pyogrio引擎支持的所有矢量文件类型
你可以通过pyogrio.list_drivers()
查看新引擎所支持的全部矢量文件格式,基本上只有你想不到没有它覆盖不到