（數據科學學習手札89）geopandas&geoplot近期重要更新

本文示例代碼及數據已上傳至個人Github倉庫https://github.com/CNFeffery/DataScienceStudyNotes

1 簡介

　　最近一段時間（本文寫做於2020-07-10）geopandas與geoplot兩個經常使用的GIS類Python庫都進行了一系列較爲重大的內容更新，新增了一些特性，本文就將針對其中比較實際的新特性進行介紹。

2 geopandas&geoplot近期重要更新內容

2.1 geopandas近期重要更新

2.1.1 新增高性能文件格式

　　從geopandas0.8.0版本開始，在矢量文件讀寫方面，新增了.feather與.parquet兩種嶄新的數據格式，他們都是Apache Arrow項目下的重要數據格式，提供高性能文件存儲服務，使得咱們能夠既能夠快速讀寫文件，又能夠顯著減小文件大小，作到了「多快好省」：

圖1

　　在將geopandas更新到0.8.0版本後，便新增了read_feather()、to_feather()、read_parquet()以及to_parquet()這四個API，但要注意，這些新功能依賴於pyarrow，首先請確保pyarrow被正確安裝，推薦使用conda install -c conda-forge pyarrow來安裝。

　　安裝完成後，咱們就來一睹這些新功能的效率如何，首先咱們建立一個足夠大的虛擬表（200萬行11列），併爲其新增點要素矢量列：

import numpy as np
from shapely.geometry import Point
import pandas as pd
from tqdm.notebook import tqdm

# 建立虛擬表，其中字段名爲了導出shapefile不報錯加上非數字的前綴
base = pd.DataFrame(np.column_stack([np.random.randint(1, 100, (2000000, 10)), 
                                     np.random.uniform(-90, 90, (2000000, 2))]),
                    columns=['_'+str(i) for i in range(12)])

tqdm.pandas() # 開啓apply進度條
base['geometry'] = base.progress_apply(lambda row: Point(row['_10'], row['_11']), axis=1) # 添加矢量列

base = gpd.GeoDataFrame(base, crs='EPSG:4326') # 轉換爲GeoDataFrame

　　最終獲得一個較爲龐大的GeoDataFrame，接着咱們分別測試geopandas讀寫shapefile、feather以及parquet三種數據格式的耗時及文件佔硬盤空間大小：

圖2 圖3

　　具體的性能比較結果以下，能夠看到與原始的shapefile相比，feather與parquet取得了很是卓越的性能提高，且parquet的文件體積很是小：

類型	寫出耗時	讀入耗時	寫出文件大小
shapefile	325秒	96秒	619MB
feather	50秒	25.7秒	128MB
parquet	52.4秒	26秒	81.2MB

　　因此當你要存儲的矢量數據規模較大時，能夠嘗試使用feather和parquet來代替傳統的文件格式。

2.2 geoplot近期重要更新

2.2.1 webplot在線底圖切換方式升級

　　在以前咱們出品的基於geopandas的空間數據分析系列文章中的geoplot篇(上)中，對能夠添加在線底圖的webplot()進行過介紹，但在先前的版本中只能使用固定的少數幾種內置的在線地圖，而在最近的版本中，webplot()的底圖疊加方式進行了很是大的調整，使得能夠利用參數provider來像folium那樣自由切換底圖，其傳入格式爲：

{
    'url': 地圖源url, 
    'attribution': 自定義字符串，必填
}

　　譬如咱們能夠在一個神奇的網站 http://openwhatevermap.xyz/#3/-60.50/167.87 上點擊本身感興趣的地圖樣式：

圖4

　　將對應的url和自定義的attribution傳入webplot()中：

圖5 圖6

　　你也能夠利用下面的方式查看contextily中全部內置的底圖參數，從中選擇你心儀的底圖：

圖7

---

　　以上就是本文的所有內容，歡迎在評論區與咱們進行討論~