(Python)使用shapely判断:点是否在多边形中

判断点是否在多边形中的多种方法

1 使用shapely判断点是否在多边形中

使用python里的shapely库可以很方便地判断一个点是否在多边形中
它的特点是你可以diy点和多边形。适用于点和多边形都有自己构建的情况
首先,要先在控制台安装shapely

pip install shapely

然后,在py文件中,构建一个shapely中的点:
坐标(1,1)

import shapely.geometry
point = shapely.geometry.Point(1, 1)

然后,构建一个多边形:
这里要注意,我们的输入是字典格式的,有两个键,分别是'type'和'coordinates',在'coordinates'里是多边形的边缘上的边的坐标。

import shapely.geometry
poly_context = {'type': 'MULTIPOLYGON',
    'coordinates': [[[[0, 0], [0, 2], [2, 2], [2, 0]]]]}
poly_shape = shapely.geometry.asShape(poly_context)
poly_shape
构建的多边形.png

最后,判断点是否在多边形中:

print(poly_shape.intersects(point))
#输出: True

2 结合shapefile判断点是否在shp文件的多边形中

这时候,我们的多边形通过shp文件读取,点是我们自己构造的
要用到shapefile和shapely两个库
然后我这个情况是,shp文件中有多个多边形,我可以判断点是否在每一个多边形中,简单地说是用这个函数:

geometry.Point(point).within(geometry.shape(shape))

详细代码如下,我写了个循环,对于shp文件中的每个shape,我都判断一下,点是否在其中

import shapefile
import shapely.geometry as geometry
shp_path = './temp.shp'
sf = shapefile.Reader(shp_path)
point = [-73.98088709894267, 40.75348098873852]
    for i in range(len(shapes)):
        print(i, geometry.Point(point).within(geometry.shape(shapes[i])))

输出:

0 False
1 False
2 False
...
6 False
7 False
8 False

3 结合geopandas判断点是否在shp文件的多边形中

关于geopandas的安装,请参考:
https://blog.csdn.net/weixin_41608080/article/details/114494953
Mac用户请参考:
https://blog.csdn.net/qq_39805362/article/details/122741171
这个的前提,依然是,你有一个shp文件
然后我们现在不用shapefile读取shp文件,而是geopandas读取,不得不说,geopandas是真的好用,可以之间看到shape具体是什么数据:

import geopandas
shp_path = './temp.shp'
shp_df = geopandas.GeoDataFrame.from_file(shp_path, )
print(shp_df.head())

输出:

   region_id                                           geometry
0          0  POLYGON ((-73.98089 40.75348, -73.98094 40.753...
1          1  POLYGON ((-73.94712 40.82590, -73.94761 40.825...
2          2  POLYGON ((-73.99260 40.72414, -73.99263 40.724...
3          3  POLYGON ((-73.95034 40.77556, -73.95080 40.774...
4          4  POLYGON ((-73.93131 40.85933, -73.93136 40.859...

真的就所见即所得,我这个shp文件也是有多个多边形。
然后比如说我们判断一个点是否在第一个多边形中,直接使用within函数即可:

pnts = Point(3, 3)
print(pnts.within(shp_df.iloc[0]['geometry']))

输出:

False

非常好用!

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 215,294评论 6 497
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,780评论 3 391
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 161,001评论 0 351
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,593评论 1 289
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,687评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,679评论 1 294
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,667评论 3 415
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,426评论 0 270
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,872评论 1 307
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,180评论 2 331
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,346评论 1 345
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,019评论 5 340
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,658评论 3 323
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,268评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,495评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,275评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,207评论 2 352

推荐阅读更多精彩内容