Python 识别Geopandas/Shapely中多边形的唯一分组

假设我有两个不相交的多边形群/“岛”（想想两个不相邻县的人口普查区）。我的数据可能如下所示：

>>> p1=Polygon([(0,0),(10,0),(10,10),(0,10)])
>>> p2=Polygon([(10,10),(20,10),(20,20),(10,20)])
>>> p3=Polygon([(10,10),(10,20),(0,10)])
>>> 
>>> p4=Polygon([(40,40),(50,40),(50,30),(40,30)])
>>> p5=Polygon([(40,40),(50,40),(50,50),(40,50)])
>>> p6=Polygon([(40,40),(40,50),(30,50)])
>>> 
>>> df=gpd.GeoDataFrame(geometry=[p1,p2,p3,p4,p5,p6])
>>> df
                                        geometry
0        POLYGON ((0 0, 10 0, 10 10, 0 10, 0 0))
1  POLYGON ((10 10, 20 10, 20 20, 10 20, 10 10))
2          POLYGON ((10 10, 10 20, 0 10, 10 10))
3  POLYGON ((40 40, 50 40, 50 30, 40 30, 40 40))
4  POLYGON ((40 40, 50 40, 50 50, 40 50, 40 40))
5         POLYGON ((40 40, 40 50, 30 50, 40 40))
>>> 
>>> df.plot()

我希望每个岛内的多边形采用表示其组的ID（可以是任意的）。例如，左下角的3个多边形的IslandID为1，右上角的3个多边形的IslandID为2

我已经找到了一种方法，但我想知道这是否是最好/最有效的方法。我做了以下工作：

1） 创建一个几何体等于多多边形一元并集内多边形的地理数据框。这给了我两个多边形，每个“岛”一个

2） 为每个组创建一个ID

>>> SepIslands['IslandID']=SepIslands.index+1

3） 在空间上将孤岛连接到原始多边形，以便每个多边形都具有相应的孤岛id

>>> Final=gpd.tools.sjoin(df, SepIslands, how='left').drop('index_right',1)
>>> Final
                                        geometry  IslandID
0        POLYGON ((0 0, 10 0, 10 10, 0 10, 0 0))         1
1  POLYGON ((10 10, 20 10, 20 20, 10 20, 10 10))         1
2          POLYGON ((10 10, 10 20, 0 10, 10 10))         1
3  POLYGON ((40 40, 50 40, 50 30, 40 30, 40 40))         2
4  POLYGON ((40 40, 50 40, 50 50, 40 50, 40 40))         2
5         POLYGON ((40 40, 40 50, 30 50, 40 40))         2

---

这真的是最好/最有效的方法吗

如果每组之间的间距相当大，另一种选择是将多边形的质心聚类并将其标记为簇

DBSCAN代表有噪声的应用程序的基于密度的空间聚类，它可以将紧密排列在一起的点分组。在我们的例子中，一个岛上的多边形将聚集在同一个簇中

这也适用于两个以上的岛屿

将geopandas导入为gpd
作为pd进口熊猫
从shapely.geometry导入多边形
从sklearn.cluster导入DBSCAN
#注意，EPS_DISTANCE=20是一个神奇的数字，需要
#*小于任何两个岛屿之间的间隙
#*足够大，可以将多边形聚集在同一簇中的一个岛上
EPS_距离=20
最小采样多边形=1
p1=多边形（[（0,0）、（10,0）、（10,10）、（0,10）]）
p2=多边形（[（10,10）、（20,10）、（20,20）、（10,20）]）
p3=多边形（[（10,10）、（10,20）、（0,10）]）
p4=多边形（[（40,40），（50,40），（50,30），（40,30）]）
p5=多边形（[（40,40），（50,40），（50,50），（40,50）]）
p6=多边形（[（40,40）、（40,50）、（30,50）]）
df=gpd.GeoDataFrame（几何图形=[p1，p2，p3，p4，p5，p6]）
#dbscan的准备
df['x']=df['geometry'].形心.x
df['y']=df['geometry'].形心.y
coords=df.as_矩阵（列=['x'，'y']）
#dbscan
dbscan=dbscan（eps=eps\U距离，最小采样数=最小采样数\U多边形）
集群=dbscan.fit（coords）
#将标签添加回数据帧
labels=pd.Series（clusters.labels）。重命名（'IslandID'）
df=pd.concat（[df，标签]，轴=1）

---

对我来说似乎是一种合乎逻辑的方法。最后一步的替代方案可能是在中使用

，以检查每个对象位于哪个组合多边形内，但我认为与连接方法相比，这将变得更加复杂。很好的解决方案！但是
df。由于不推荐使用矩阵
，现在最好使用：
coords=df[[“x”，“y”]]
>>> Final=gpd.tools.sjoin(df, SepIslands, how='left').drop('index_right',1)
>>> Final
                                        geometry  IslandID
0        POLYGON ((0 0, 10 0, 10 10, 0 10, 0 0))         1
1  POLYGON ((10 10, 20 10, 20 20, 10 20, 10 10))         1
2          POLYGON ((10 10, 10 20, 0 10, 10 10))         1
3  POLYGON ((40 40, 50 40, 50 30, 40 30, 40 40))         2
4  POLYGON ((40 40, 50 40, 50 50, 40 50, 40 40))         2
5         POLYGON ((40 40, 40 50, 30 50, 40 40))         2

> df
                                        geometry  ...  IslandID
0        POLYGON ((0 0, 10 0, 10 10, 0 10, 0 0))  ...         0
1  POLYGON ((10 10, 20 10, 20 20, 10 20, 10 10))  ...         0
2          POLYGON ((10 10, 10 20, 0 10, 10 10))  ...         0
3  POLYGON ((40 40, 50 40, 50 30, 40 30, 40 40))  ...         1
4  POLYGON ((40 40, 50 40, 50 50, 40 50, 40 40))  ...         1
5         POLYGON ((40 40, 40 50, 30 50, 40 40))  ...         1
[6 rows x 4 columns]