识别最近邻的线串地理数据框对的快速方法

Question

我有一个包含 90 个地理数据框的列表，所有这些都包含相互连接的 LineString（想象一下 MultiLineString）。

从这个列表中，我想确定两个彼此最接近的 GDF（在考虑每个 GDF 组合线串的范围时最接近）。

我可以想象这样做的手动方法是填充 90x90 矩阵并调用距离函数，如下所示：

matrix = np.zeros((90, 90))
gdfs = [gdf1, gdf2, gdf3, gdf4, ..., gdf90]

for i, gdf_init in enumerate(gdfs):
   for j, gdf_pair in enumerate(gdfs):
      min_dist = gdf_init.distance(gdf_pair).min()
      matrix[i, j] = min_dist

然后使用 np.where 获取矩阵中最小 min_dist 值的 (i, j) 值。

然而，也许嵌套 for 循环并不是最 Pythonic 的处理方式。想知道是否有人对此任务有优化的实施建议？

Answer 1

• 您尚未提供示例数据，因此使用osmnx来获取行字符串。每个源数据帧将具有以下结构：

osmid	oneway	name	Highway	maxspeed	length length	Geometry
122233552	False	Three Elms Road	Primary	30 mph	6.899	LINESTRING (-2.7428406 52.0653426, -2.7428844 52.0653985)
34414510	False	Moor Park Road	Residential	30英里/小时	270.368	线串 (-2.7428406 52.0653426, -2.7433504 52.0651847, -2.7434275 52.0651448, -2.7445906 52.0638372, -2.7450142 52.0633776)
122233552	假	三榆树路	小学	30 英里/小时	126.662	线串 (-2.7428406 52.0653426, -2.7426267 52.0649723, -2.7423405 52.0642472)
33840333	False	nan	住宅	nan	21.267	LINESTRING (-2.7417117 52.0629806, -2.7419991 52.0629074)
122233552	False	三榆树路	小学	30 英里/小时	90.536	LINESTRING (-2.7417117 52.0629806、-2.7414841 52.0626687、-2.7412595 52.0623927、-2.7411227 52.0622522)

• 使用 dict 而不是 list 来保存源地理数据帧，
• 其中 dict 为源地理数据框，构造一个地理数据框，是线串并集的凸包
• 核心解决方案 geopandas sjoin_nearest()
  1. 对于每个凸包找到最近的凸包（不包括自身）
  2. 结果是一个数据框，按距离排序，您将得到两个最接近的源数据框的答案

源线字符串

import osmnx as ox
import geopandas as gpd
import pandas as pd
import warnings

warnings.simplefilter(action="ignore", category=FutureWarning)

cities = ["Hereford", "Worcester", "Gloucester", "Ledbury", "Newent", "Malvern", "Tewkesbury"]

# constituent geo data frames of line strings
# use a dict instead of a list
gdfs = {
    c: ox.graph_to_gdfs(
        ox.graph_from_place({"city": c, "country": "UK"}, network_type="drive"),
        edges=True,
    )[1].pipe(lambda d: d.dropna(axis=1, thresh=len(d) / 4))
    for c in cities
}

凸包

# generate a geo data frame of convex hulls of all linestring in constituent dataframes
gdf_ch = (
    gpd.GeoDataFrame(
        pd.DataFrame({"place": gdfs.keys()}),
        geometry=[gdfs[c]["geometry"].unary_union.convex_hull for c in gdfs.keys()],
        crs=list(gdfs.values())[0].crs,
    )
    .set_index("place", drop=False)
    .to_crs("EPSG:3857")
)

最近的

gdf_nearest = pd.concat(
    [
        gdf_ch.loc[[c]].sjoin_nearest(gdf_ch.drop(c), distance_col="distance")
        for c in gdfs.keys()
    ]
).sort_values("distance")

gdf_nearest

地方	place_left	索引_右	place_right	距离
伍斯特伍斯特	马尔	马尔文	文	9346.6
马尔文	马尔文	伍斯特	伍斯特	9346.6
莱德伯里	莱德伯里	纽恩特	纽恩特	11135.1
纽特	纽特	莱德伯里	莱德伯里	11135.1
格洛斯特	格洛斯特	纽特	纽特	14500.8
图克斯伯里	图克斯伯里	格洛斯特	格洛斯特	17150.6
赫里福德	赫里福德	莱德伯里	莱德伯里	22696.7