用Python/Shapely聚合地理点的最佳方法

我想将一长串lat/long坐标转换为它们所属的美国州（或县）。一个可能的解决方案是，假设我有状态几何，检查每个点与所有状态

for point in points:
    for state in states:
        if point.within(state['shape']):
            print state.name

有没有一种更优化的方法可以做到这一点，可能是在O（1）中？

使用空间索引来快速识别零个或多个多边形的边界框中的点，然后使用Shapely来确定该点所在的多边形

与此示例类似

---

如果仔细分析列表，您将看到

list（idx.intersection（（point.coords[0]））

实际上与两个多边形的边界框相匹配。另外，请注意，边界上的点，如

点（0.5，0.5）

不会与

中的
匹配，但会与
相交的
匹配。因此，请准备好匹配0、1或更多多边形。
Hi，@MikeT。您是否知道如何使用它来优化此问题？非常感谢。
from shapely.geometry import Polygon, Point
from rtree import index

# List of non-overlapping polygons
polygons = [
    Polygon([(0, 0), (0, 1), (1, 1), (0, 0)]),
    Polygon([(0, 0), (1, 0), (1, 1), (0, 0)]),
]

# Populate R-tree index with bounds of polygons
idx = index.Index()
for pos, poly in enumerate(polygons):
    idx.insert(pos, poly.bounds)

# Query a point to see which polygon it is in
# using first Rtree index, then Shapely geometry's within
point = Point(0.5, 0.2)
poly_idx = [i for i in idx.intersection((point.coords[0]))
            if point.within(polygons[i])]
for num, idx in enumerate(poly_idx, 1):
    print("%d:%d:%s" % (num, idx, polygons[idx]))