Python 基于名称拆分行

我有一个GeoPandas数据帧，它是从shapefile对象创建的。 然而，certian line具有相同的名称，但位于非常不同的位置

我希望每行都有一个唯一的名称 因此，我需要以某种方式分割线，如果它们在几何上分开并重命名

人们可以尝试计算所有街区之间的距离，如果它们在附近，可以将它们重新组合

距离的计算可以在Geopandas中轻松完成：

要尝试的一组行：

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]
)

---

一种可能的方法是使用每个数据点的空间聚类。下面的代码使用DBSCAN，但其他类型可能更适合。以下是它们如何工作的概述：

df的每一行都是若干点。我们想把它们全部取出来，以获得群集：

ids = []
coords = []

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

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

我们在这里需要ID，以便在计算之后将集群返回到df。 下面是每个点的聚类（我们还进行了数据标准化以获得更好的质量）：

下一部分有点混乱，但我们希望确保每个id只获得一个群集。我们为每个id选择最频繁的点群集

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，我们将集群编号返回到数据帧，这样我们就可以借助这个编号来枚举我们的街道

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

对于DBSCAN和eps=0.5的数据（您可以使用此参数-这是在一个簇中获得点之间的最大距离。eps越多，得到的簇越少），我们有这样的图片：

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

独立街道的数量为8条：

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

如果我们使用较低的eps，例如clust=DBSCAN（eps=0.15），我们会得到更多的聚类（此时为12个），这会更好地分离数据：

---

关于代码的混乱部分：在源数据框中，我们有170行，每行是一个单独的LINESTRING对象。每个线串由二维点组成，线串之间的点数量不同。因此，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。我们很可能会在一条线串的点上显示不同的簇。为了解决这种情况，我们获得每个簇的计数，然后过滤最大值。

dbscan对sklearn在坐标上的聚类是一个选项。数据使用示例：还请共享所需的所有文件。仅shp文件不足以加载数据。详细信息：是的，加载数据后一切正常。我会检查聚类方法。我在scikit学习库中添加了一些基本方法。您可以使用这句话：“clust=DBSCAN（eps=0.5）”（更改eps，甚至从这里使用不同的聚类算法）来获得所需的结果。@james，df[“STREET”]=df[“name”]+““+df[“cluster”]”。astype（str）来获得街道名称。“我会很快把解释写在答案里。”詹姆斯，我更新了帖子。另外，eps=1.5更好地分离数据。@james请将subset=“id”添加到此行的drop\u duplicates中：id\u to\u cluster=points\u clusters[max\u inds]。drop\u duplicates（）。设置索引（“id”）[“cluster”]。当两个集群的最大数量相同时，可能会出现这种情况

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

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