【Python处理矢量数据（例shp文件）】
1.ogr：GDAL项目中用于处理矢量数据的模块
2.fiona：基于ogr的封装，提供了更简洁了API
3. geopandas ：基于fiona进行封装，并在pandas的基础上添加了对空间数据的支持，实现了读取空间数据以及对空间数据进行处理

• 示例
• • • • • 基础操作
        • 简单操作实例
      • GeoPandas的数据结构
      • • • • • GeoSeries管理空间属性
              • GeoDataFrame用表格形式组织地理数据
            • 投影
            • 制图工具
            • 空间链接
            • • • • • 属性连接
                    • 空间连接
                  • 空间分析
                  • • • • • 集合操作
                          • 叠置分析overlay
                        • 其他
                        • • • • • 编码问题

                                （1）读、写、看

                                # 读文件
                                gdf = geopandas.GeoDataFrame.from_file("shp文件路径", encoding='gb18030')
                                gdf = geopandas.read_file("package.gpkg", layer='countries')
                                gdf = geopandas.read_file("shp文件路径")
                                gdf.head()  #输出属性表
                                gdf.plot()	#画
                                gdf.show()
                                gdf.to_file("countries.geojson", driver='GeoJSON')
                                gdf.to_file("countries.shp")
                                （2）遍历
                                 
                                for i in range(0, len(gdf) ):
                                    geo = gdf.geometry[i] #获取空间属性，即GeoSeries
                                    name = gdf.NAME[i]	  #获得属性数据，即字段
                                （3）索引
                                 
                                # 可用：.loc .iloc .cs索引方法
                                （4）其他
                                 
                                # 投影转换
                                tmp_gdf = gdf.to_crs(crs)
                                new_gdf = gdf1.to_crs(gdf2.crs) #gdf1和gdf2统一坐标系
                                # 求面积
                                df = df.to_crs({'init': 'epsg:32650'}) #转成投影坐标后，才能算出正确的面积（示例，转为墨卡托投影）
                                df['area'] = df.apply(lambda row: row.geometry.area, axis=1)
                                # 合并两个数据
                                new_df = df1.append(df2)
                                简单操作实例
                                 
                                （1）简单创造、构造空间属性、添加其他属性
                                 
                                from shapely.geometry 
                                import  Polygon;
                                from geopandas import GeoSeries,GeoDataFrame
                                # 创造Polygon
                                p1 = Polygon([(0, 0), (1, 0), (1, 1)])
                                p2 = Polygon([(0, 0), (1, 0), (1, 1), (0, 1)])
                                p3 = Polygon([(2, 0), (3, 0), (3, 1), (2, 1)])
                                # 构造空间属性，即GeoSeries
                                g = GeoSeries([p1, p2, p3])
                                g.show()		#显示
                                g.buffer(0.5)	#缓冲区
                                g.boundary		#边界
                                g.centroid		#质心
                                # 添加属性
                                gdf = GeoDataFrame({'属性名' : [1, 2, ..]}, geometry=g)
                                GeoPandas的数据结构
                                 
                                【GeoPandas】主要包含两个数据结构，即GeoSeries和GeoDataFrame
                                 空间数据主要由两部分组成，属性数据和空间属性。属性数据即是shp中的属性表，空间属性即为shp中每个单元的几何形状。
                                 1.【GeoSeries】用GeoSeries表示空间属性（即geometry）。
                                 2.【GeoDataFrame】可以把GeoDataFrame理解为shp的属性表，但比shp的属性表多一列，这一列就是空间数据（即GeoSeries）
                                 
                                 
                                GeoSeries管理空间属性
                                 
                                【GeoSeries】GeoSeries只管理空间属性，不包含GeoDataFrame中的其他属性。主要包括：点/多点、线/多线、面/多面
                                 
                                （1）方法和属性
                                 
                                GeoSeries.area		#面积
                                GeoSeries.bounds 	#边界：minx, miny, maxx, maxy
                                GeoSeries.length	#几何的长度
                                GeoSeries.geom_type	#几何类型
                                GeoSeries.to_crs(src)	#改变坐标系
                                GeoSeries.plot()		#制图
                                GeoSeries.distance(other)	#最小距离
                                GeoSeries.centroid()		#质心
                                GeoSeries.representative_point()	#返回在每个几何内部的点，但不返回重心
                                GeoSeries.exterior	#返回线环（LinearRings）的一个GeoSeries，它表示GeoSeries中每个多边形的外边界
                                GeoSeries.interior	#返回内部环序列的一个GeoSeries，它表示GeoSeries中每个多边形的内部环
                                （2）谓词
                                 
                                GeoSeries.is_empty	#返回一个布尔型的Series，对于一个空的几何图形，该值就为True
                                GeoSeries.is_ring	#返回一个布尔型的Series，对于闭合的要素，该值就为True
                                GeoSeries.is_simple	#返回一个布尔型的Series，如果几何体自身不交叉，该值就为True(仅对线串--LineStrings和线环--LineRings有意义)
                                GeoSeries.is_valid	#返回一个布尔型的Series，如果几何体是有效的，该值就为True
                                GeoSeries.almost_equals(other[,decimal=6])	#返回一个布尔型的Series对象，如果在指定的小数位精度下，每个对象所有点与其他对象大致相等，该值就为True（可见equals()）
                                GeoSeries.contains(other)	#返回一个布尔型的Series，如果每个对象的内部包含其他对象的内部和边界，并且它们的边界不相接，该值为True
                                GeoSeries.crosses(other)	#返回一个布尔型的Series，如果每个对象的内部与其他对象的内部相交但不包含，并且相交的部分小于这两个相交对象自身，该值为True
                                GeoSeries.disjoint(other)	#返回一个布尔型的Series，如果每个对象的边界和内部与其他对象的边界和内部都不相交，该值为True
                                GeoSeries.equals(other)		#返回一个布尔型的Series，如果几何对象集合的边界，内部，外部都与其他几何对象一样，该值为True。
                                GeoSeries.intersects(other)	#返回一个布尔型的Series，如果每个对象的边界和内部以其它任何形式与其他对象相交，该值为True。
                                GeoSeries.touches(other)	#返回一个布尔型的Series，如果对象与其他对象至少有一个点相同，且它们的内部任何部分都不相交，该值为True。
                                GeoSeries.within(other)		#返回一个布尔型的Series， 如果每个对象的边界和内部只与其他对象的内部相交（不包括边界和外部），该值为True（与contains()方法相反）
                                （3）不常用
                                
                                
                                
                                
                                    
                                 
                                GeoSeries.xticks(rotation = 90) #x刻度数值旋转90°
                                GeoDataFrame用表格形式组织地理数据
                                 
                                【GeoDataFrame】包含GeoSeries的表格数据结构
                                 
                                world = geopandas.read_file(geopandas.datasets.get_path('naturalearth_lowres'))	#打开geopandas内置数据库中的数据
                                world.head()	#查看数据结构
                                world.plot()	#制图
                                world = world.rename(columns={'geometry': 'borders'}).set_geometry('borders')　　 #更改geometry列的名字
                                world['centroid_column'] = world.centroid         #  把质点赋给world的列centroid_column中
                                world = world.set_geometry('centroid_column')   #   把几何列设为centroid_column
                                【GeoPandas投影】基于proj4
                                 【GeoPandas支持的坐标系表达方式】
                                 1.+proj=longlat +ellps=WGS84 +datum=WGS84 +no_defs
                                 2.+init=epsg:4326
                                 【常用坐标系代码EPSG】查看全部坐标系代码请点我；坐标系Wkid详细介绍；投影坐标Wkid详细介绍
                                 
                                WGS84 Latitude/Longitude "+proj=longlat +ellps=WGS84 +datum=WGS84 +no_defs"或者是"+init=epsg:4326"
                                UTM Zones (North) "+proj=utm +zone=33 +ellps=WGS84 +datum=WGS84 +units=m +no_defs"
                                UTM Zones (South) "+proj=utm +zone=33 +ellps=WGS84 +datum=WGS84 +units=m +no_defs +south"
                                 
                                # 获得数据的投影
                                GeoDataFrame.crs
                                # 用EPSG代码设置投影
                                my_geoseries.crs = {'init' :'epsg:4326'}
                                # 投影转换
                                world = world.to_crs({'init': 'epsg:3395'})
                                world.slow()
                                # 画等值线
                                world = world[(world.pop_est>0) & (world.name!="Antarctica")]
                                world['gdp_per_cap'] = world.gdp_md_est / world.pop_est  #计算GDP
                                world.plot(column='gdp_per_cap')
                                # 改变颜色
                                world.plot(column='gdp_per_cap',cmap='OrRd')
                                # 两个图层叠加
                                base = world.plot(color='white', edgecolor='black');cities.plot(ax=base, marker='o', color='red', markersize=5);
                                # 两个图层叠加
                                ax = world.plot(color="read")
                                gdf2.plot(ax=ax, color="green")
                                # 设置题目
                                base.set_title("WGS84 (lat/lon)")
                                world = geopandas.read_file(geopandas.datasets.get_path('naturalearth_lowres'))
                                cities = geopandas.read_file(geopandas.datasets.get_path('naturalearth_cities'))
                                country_shapes = world[['geometry', 'iso_a3']]
                                country_names = world[['name', 'iso_a3']]
                                # 属性连接
                                country_shapes.head()
                                country_names.head()
                                country_shapes = country_shapes.merge(country_names, on='iso_a3')
                                country_shapes.head()
                                cities = geopandas.read_file(geopandas.datasets.get_path('naturalearth_cities'))
                                world = geopandas.read_file(geopandas.datasets.get_path('naturalearth_lowres'))
                                country_shapes = world[['geometry', 'iso_a3']]
                                country_names = world[['name', 'iso_a3']]
                                # For spatial join
                                countries = world[['geometry', 'name']]
                                countries = countries.rename(columns={'name':'country'})
                                # 空间连接
                                countries.head()
                                cities.head()
                                cities_with_country = geopandas.sjoin(cities, countries, how="inner", op='intersects')
                                cities_with_country.head()
                                基于shapely第三方库
                                 
                                GeoSeries.buffer(distance, resolution=16) #缓冲区
                                GeoSeries.boundary	#表示每个几何的集合理论边界的低维对象
                                GeoSeries.centroid	#几何的质心
                                GeoSeries.convex_hull	#建立最小多边形
                                GeoSeries.envelope		#建立表示包含每个对象的点或最小矩形多边形（边平行于坐标轴）的几何图形
                                GeoSeries.unary_union	#返回包含所有几何的并集的几何
                                GeoSeries.simplify		#返回GeoSeries包含每个对象的简化表示的a
                                GeoSeries.rotate		#旋转GeoSeries的坐标
                                GeoSeries.scale			#沿着每个（x，y，z）维度缩放GeoSeries的几何
                                GeoSeries.skew			#通过沿x和y维度的角度剪切/倾斜GeoSeries的几何
                                GeoSeries.translate		#移动GeoSeries的坐标
                                叠置分析overlay
                                 
                                newdf = geopandas.overlay(df1, df2, how='intersection', make_valid=True, use_sindex=None)
                                	# [how] intersection;union;identity;symmetric_difference;difference
                                【安装】先安装 GDAL,Fiona, pyproj , Shapely等依赖包l，再利用pip install geopandas安装
                                 
                                （1）保存shp文件，字段成乱码
                                 
                                GeoDataFrame.to_file('D:\tmp.shp', encoding="utf-8")
                                 
                                【相关链接】 
                                 1.GeoPandas官方文档
                                 
                                【学习链接】
                                 1.使用Python实现子区域数据分类统计
                                 2.GeoPandas官方中文文档–译著
                                 3.GeoPandas随笔
                                                                    在实际的空间数据分析过程中，数据可视化只是对最终分析结果的发布与展示，在此之前，根据实际任务的不同，需要衔接很多较为进阶的空间操作，本文就将对geopandas中的部分空间计算进行介绍。
                                GeoPandas是一个开源项目，可以更轻松地使用python处理地理空间数据。
                                GeoPandas扩展了Pandas中使用的数据类型DataFrame，允许对几何类型进行空间操作。
                                GeoPandas的目标是使在python中使用地理空间数据更容易。它结合了Pandas和Shapely的能力，提供了Pandas的地理空间操作和多种Shapely的高级接口。GeoPandas可以让您轻松地在python中进行操作，否则将需要...
                                                                    本文主要介绍GeoPandas的使用要点。GeoPandas是一个Python开源项目，旨在提供丰富而简单的地理空间数据处理接口。GeoPandas扩展了Pandas的数据类型，并使用matplotlib进行绘图。GeoPandas官方仓库地址为：GeoPandas[1]。GeoPandas的官方文档地址为：GeoPandas-doc[2]。本文主要参考GeoPandas Examples Gal...
                                geopandas是建立在GEOS、GDAL、PROJ等开源地理空间计算相关框架之上的，类似pandas 语法风格的空间数据分析 Python 库，其目标是尽可能地简化 Python 中的地理空间数据处理，减少对 Arcgis 、 PostGIS 等工具的依赖，使得处理地理空间数据变得更加高效简洁，打造纯 Python 式的空间数据处理工作流。本系列文章就将围绕 geopandas 及其使用过程中涉及到的其他包进行系统性的介绍说明，每一篇将尽可能全面具体地介绍 geopandas 对应.....
                                黄河流域河网shp格式矢量数据；
                                黄河流域河网shp格式矢量数据；
                                数据来源于DEM提取获得，源DEM数据使用格式为ASTER GDEM V3版本，分辨率为30米的DEM数据，通过计算流向、流量阈值等从DEM数据中 提取得到河网矢量数据；
                                黄河流域河网矢量数据格式为shapefile（shp）格式，数据采用WGS-84坐标系；
                                该数据包含了黄河流域上中下游整个流域的河网矢量数据，较为完善；
                                可用于实验分析和科研计算等方面。
                                                                    一、什么是geojson？
                                GeoJSON是一种对各种地理数据结构进行编码的格式，基于Javascript对象表示法的地理空间信息数据交换格式。GeoJSON支持点、线、面、多点、多线、多面和几何集合等几何类型。GeoJSON里的特征包含一个几何对象和其他属性，特征集合表示一系列特征。本质上，geojson还是json，是一个字符串数据格式。像下面这样：
                                { "type": "Polygon",
                                  "coordinates": [
                                    [ [100.0, 0.0], [101.0, 0.0], [10
                                环境：python3.6
                                编译器：Geany
                                我是一个学GIS的，今天突然被老板喊过去，要求我用python实现读取shp属性表元素并导出到外部txt文件，还要实现“我输入某个编号，就要删除包括编号在内的全部行信息”。好吧，程序媛上线。
                                目录python读取本地shp属性表内容并进行选择性删除下载第三方库有以下几种方法：实现过程和代码进行删除操作遇到输出中文的情况
                                下载第三方库有以下几种方法：
                                环境的搭建就不细说了，第三方库用cmd中的快速安装语句还是