Python 如何在没有GeoDjango的情况下搜索多边形内的点

情况如下：

• 每个供应商都有一些服务区域，用户使用谷歌地图（多边形）定义这些区域
• 我需要将这些数据存储在数据库中，并在此基础上进行简单（但快速）的查询
• 查询应类似于：“列出服务区域包含x，y的所有供应商”或“其中多边形（服务区域）x，y在其中？”

此时，我找到了GeoDjango，它看起来是这个问题的一个非常复杂的解决方案。要使用它，我需要一个非常复杂的设置，我找不到任何最近的（好的）教程

我提出了这个解决方案：

• 将每个多边形作为Json存储到数据库中
• 应用一种方法来确定某个x，y是否属于任何多边形

这个解决方案的问题非常明显：考虑到我需要计算每个多边形，执行查询可能需要太长时间

最后：我正在为这个问题寻找另一个解决方案，我希望找到一些在我当前运行的服务器中没有安装GeoDjango的东西

确定某个点是否在多边形内不是问题（我发现了几个例子）；问题在于，从DB中检索每个多边形并对其进行求值并不会缩放。为了解决这个问题，我需要以一种可以快速查询的方式存储多边形。

我的方法

求多边形的质心

存储在数据库中

查找顶点到质心的最长距离（毕达格）

存储为半径

使用质心和半径作为边界框搜索数据库

如果有一个或多个结果，请在结果多边形上使用多边形中的点

---

此解决方案使您能够在GeoDjango之外存储多边形，以显著加快多边形中的点查询

在我的例子中，我需要找到我的numpy数组的坐标是否位于存储在geodjango db（陆地/水掩蔽）中的多边形中。这需要迭代数组中的每个坐标组合，以测试它是在多边形内部还是外部。由于我的阵列很大，使用geodjango需要很长时间

使用django的GEOSGeometry.contains，我的命令如下所示：

import numpy as np
from django.contrib.gis.geos import Point

my_polygon = model.geometry  # get model multipolygon field
lat_lon = zip(latitude.flat, longitude.flat)  # zip coordinate arrays to tuple
mask = np.array([my_polygon.contains(Point(l)) for l in lon_lat])  # boolean mask

对于大型阵列，这需要20秒或更长时间。我尝试了在数组上应用geometry.contains（）函数的不同方法（例如np.vectorize），但这并没有带来任何改进。然后我意识到是Django包含查找花费了太长的时间。我还将几何体转换为shapely多边形，并测试了shapely的多边形。包含函数-没有差异或更糟

解决方案在于使用isInside方法绕过GeoDjango。首先，我创建了一个函数，用于从Geos Multipolygon创建多边形对象

from Polygon import Polygon

def multipolygon_to_polygon(multipolygon):
    """
    Convert a Geos Multipolygon to python Polygon
    """

    polygon = multipolygon[0] # select first polygon object
    nrings = polygon.num_interior_rings # get number of rings in polygon

    poly = Polygon()  
    poly.addContour(polygon[0].coords)  # Add first ring coordinates tuple

    # Add subsequent rings
    if nrings > 0:
        for i in range(nrings):
            print("Adding ring %s" % str(i+1))
            hole = True
            poly.addContour(polygon[i+1].coords, hole)

    return poly

把这个应用到我的问题上

my_polygon = model.geometry  # get model multipolygon field
polygon = multipolygon_to_polygon(my_polygon)  # convert to python Polygon
lat_lon = zip(bands['latitude'].flat, bands['longitude'].flat)  # points tuple
land_mask = array([not polygon.isInside(ll[1], ll[0]) for ll in lat_lon])

这使得速度提高了约20倍。希望这对别人有帮助

---

Python2.7.

您不会仅仅为此使用GeoDjango。你可以改用Shapely。但是你同时问了很多问题。问题是如何在数据库中存储数据？或者如何找到一个点是否在多边形中？tx@AntonisChristofides！我添加了更多细节。问题不在于确定点是否在多边形内，但我需要以这样一种方式存储多边形，我可以快速查询其中的几个。现在清楚了吗？看起来Shapely并没有解决这个问题，也许你需要的是PostGIS。这是一个老问题，但添加了这个注释，因为它仍然在这里突出显示。使用geodjango肯定没有您尝试过的基于json的方法那么复杂。空间数据库是专门为查找空间关系而设计的。这是一个地狱很多代码由很多有才华的人。如果你想用JSON复制它，你会非常痛苦。我刚刚发现了Geos准备的几何图形。这使得像.contains这样的操作更快，并且只需要一行简单的代码：my_polygon=my_polygon.prepared，然后再执行.contains操作。这将产生与上述替代解决方案相当的速度。见：