根据名字分割线

Question

我有一个从 shapefile 对象创建的 GeoPandas 数据框。然而，certian line 具有相同的名称但在非常不同的地方。

我想为每行取一个唯一的名称！ 因此，我需要以某种方式拆分线，如果它们在几何上分开并重命名它们。

可以尝试计算所有街道块之间的距离，并在它们靠近时重新组合它们。

距离的计算可以在 Geopandas 中轻松完成：

要尝试的一组线路：

from shapely.geometry import Point, LineString
import geopandas as gpd


line1 = LineString([
    Point(0, 0),
    Point(0, 1),
    Point(1, 1),
    Point(1, 2),
    Point(3, 3),
    Point(5, 6),
])

line2 = LineString([
    Point(5, 3),
    Point(5, 5),
    Point(9, 5),
    Point(10, 7),
    Point(11, 8),
    Point(12, 12),
])

line3 = LineString([
    Point(9, 10),
    Point(10, 14),
    Point(11, 12),
    Point(12, 15),
])

df = gpd.GeoDataFrame(
    data={'name': ['A', 'A', 'A']},
    geometry=[line1, line2, line3]
)

Answer 1

一种可能的方法是对每个数据点使用空间聚类。以下代码使用 DBSCAN，但也许其他类型更适合。以下是它们如何工作的概述：http://scikit-learn.org/stable/modules/clustering.html

from matplotlib import pyplot as plt
from sklearn.cluster import DBSCAN
from sklearn.preprocessing import StandardScaler

import numpy as np
import pandas as pd
import geopandas as gpd

df = gpd.GeoDataFrame.from_file("stackex_dataset.shp")

df 的每一行都是一些点。我们想把它们都拿出来得到簇：

ids = []
coords = []

for row in df.itertuples():
    geom = np.asarray(row.geometry)

    coords.extend(geom)
    ids.extend([row.id] * geom.shape[0])

我们这里需要id，以便在计算后将集群返回df。这是获取每个点的聚类（我们还对数据进行归一化以获得更好的质量）：

clust = DBSCAN(eps=0.5)
clusters = clust.fit_predict(StandardScaler().fit_transform(coords))

下一部分有点乱，但我们想确保每个 id 只得到一个集群。我们为每个id选择最频繁的点簇。

points_clusters = pd.DataFrame({"id":ids, "cluster":clusters})
points_clusters["count"] = points_clusters.groupby(["id", "cluster"])["id"].transform('size')

max_inds = points_clusters.groupby(["id", "cluster"])['count'].transform(max) == points_clusters['count']
id_to_cluster = points_clusters[max_inds].drop_duplicates(subset ="id").set_index("id")["cluster"]

然后我们将聚类编号返回到我们的数据框中，这样我们就可以在这个编号的帮助下枚举我们的街道。

df["cluster"] = df["id"].map(id_to_cluster)

对于具有 DBSCAN 和 eps=0.5 的数据（您可以使用此参数 - 它是点之间的最大距离，可以将它们放在一个簇中。eps 越多，得到的簇就越少），我们有这种图片：

plt.scatter(np.array(coords)[:, 0], np.array(coords)[:, 1], c=clusters, cmap="autumn")
plt.show()

独立街道数为8条：

print(len(df["cluster"].drop_duplicates()))

如果我们制作较低的 eps，例如clust = DBSCAN(eps=0.15) 我们得到更多的集群（此时有 12 个）更好地分离数据：

关于代码混乱的部分：在源DataFrame中我们有170行，每一行都是一个单独的LINESTRING对象。每个 LINESTRING 由 2d 个点组成，LINESTRING 之间的点数不同。所以首先我们得到所有点（代码中的 "coords" 列表）并预测每个点的聚类。有一种可能性很小，即我们会在一个 LINESTRING 的点中显示不同的集群。为了解决这种情况，我们获取每个集群的计数，然后过滤最大值。

根据名字分割线

split lines based on names

python

python-3.x

pandas

geolocation

geopandas