GeoPandas是对pandas的扩展，用于处理地理空间数据
GeoDataFrame是其中一个数据类型，和ArcGIS中的属性表很像，有几何形状字段（红框）和常规的属性字段（绿框），就名称不一样而已。
读入.shp数据
前提：import geopandas as gpd
df = gpd.read_file(r'E:\test\ArcgisNew\other\test.shp')
读入之后，df为GeoDataFrame格式，结构如下：
获取矢量数据的四至范围
import geopandas as gpd
if __name__ == '__main__':
df = gpd.read_file(r'E:\test\ArcgisNew\other\test.shp')
X1 = df.iloc[0].geometry.bounds[0] # 最左
Y1 = df.iloc[0].geometry.bounds[1] # 最下
X2 = df.iloc[0].geometry.bounds[2] # 最右
Y2 = df.iloc[0].geometry.bounds[3] # 最上
结果：
geometry字段中记录的是几何形状，类型是GeoSeries，有很多函数进行相应操作
之后的df完全可以套用dataframe的操作方法
假如现在的df为：
test = {'id': [1, 2, 6, 4, 2, 6], \
'name': ['Alice', 'Bob', 'Cindy', 'Eric', 'Helen', 'Grace '], \
'math': [90, 89, 99, 78, 97, 93], 'english': [89, 94, 80, 94, 94, 90]}
df = pd.DataFrame(test)
print(df)
取值
test = {'id': [1, 2, 6, 4, 2, 6], \
'name': ['Alice', 'Bob', 'Cindy', 'Eric', 'Helen', 'Grace '], \
'math': [90, 89, 99, 78, 97, 93], 'english': [89, 94, 80, 94, 94, 90]}
df = pd.DataFrame(test)
print(df)
df.set_index(['name'], inplace=True)
print(df)
print(df.at['Bob', 'math'])
print(df.iloc[1]['math'])
print(df.loc['Bob', 'math'])
iloc 输入的是数字类型位置索引
loc 输入的是文本类型的位置索引名
at 和loc的用法差不多
遍历取值
for it in df.iloc:
print(it.math)
it 就是属性表中的一行。math为其中的一个字段名
输出：
值修改
df[1]['math']=100 这种只要是用两个括号进行索引修改的均无效，这种索引方式可以理解为先拿出了一行（是个视图），修改实际上并未对原数据修改。
此外，尝试利用上述iloc遍历修改也不行
for it in df.iloc:
it.math=100
# 或者it.loc['math']=100均不行
会出现错误：
A value is trying to be set on a copy of a slice from a DataFrame
正确做法是在原df上取值，一个括号直接定位。
test = {'id': [1, 2, 6, 4, 2, 6], \
'name': ['Alice', 'Bob', 'Cindy', 'Eric', 'Helen', 'Grace '], \
'math': [90, 89, 99, 78, 97, 93], 'english': [89, 94, 80, 94, 94, 90]}
df = pd.DataFrame(test)
print(df)
df.loc[0,'math'] = 100
print(df)
通过iloc遍历修改可写成如下方式：
test = {'id': [1, 2, 6, 4, 2, 6], \
'name': ['Alice', 'Bob', 'Cindy', 'Eric', 'Helen', 'Grace '], \
'math': [90, 89, 99, 78, 97, 93], 'english': [89, 94, 80, 94, 94, 90]}
df = pd.DataFrame(test)
print(df)
for it in df.iloc:
df.loc[it.name, 'math'] = 100
print(df)
分组Apply之后在函数获取当前分组id
关键语句：gp.name
def func(gp):
print('当前组别')
print(gp.name)
test = {'id': [1, 2, 6, 4, 2, 6], \
'sname': ['Alice', 'Bob', 'Cindy', 'Eric', 'Helen', 'Grace '], \
'math': [90, 89, 99, 78, 97, 93], 'english': [89, 94, 80, 94, 94, 90]}
df = pd.DataFrame(test)
print(df)
gb = df.groupby('id', as_index=False)
gb.apply(func)
分组修改再拼接
test = {'id': [1, 2, 6, 4, 2, 6], \
'name': ['Alice', 'Bob', 'Cindy', 'Eric', 'Helen', 'Grace '], \
'math': [90, 89, 99, 78, 97, 93], 'english': [89, 94, 80, 94, 94, 90]}
df = pd.DataFrame(test)
print(df)
gb = df.groupby('id', as_index=False)
newdf = pd.DataFrame(columns=df.columns)
for key, value in gb:
# key是分组用的id
# value是对应的dataframe表格
value['math'] = key * 0.1 * value['math']
newdf = pd.concat([newdf, value])
print(newdf)
按某一字段排序
test = {'id': [1, 2, 6, 4, 2, 6], \
'name': ['Alice', 'Bob', 'Cindy', 'Eric', 'Helen', 'Grace '], \
'math': [90, 89, 99, 78, 97, 93], 'english': [89, 94, 80, 94, 94, 90]}
df = pd.DataFrame(test)
print(df)
df.sort_values(by='math', inplace=True)
print(df)
df.reset_index(drop=True, inplace=True)
print(df)
正常人的思维都会认为sort_values排序之后，按1,2,3……去索引数据的时候就是一个从排好序的数据，但是实际上如下图所示，sort_values后数据表确实按数学成绩排序了，但是索引并未改变，这是按照按1,2,3……去索引其实还是原来的顺序，看起来好像并未排序，所以排序后最好用reset_index重新建立索引。
深度复制
dfnew = df.copy(deep=True)
修改字段类型
以下将string类型的Neighbors改为list类型
if 'Neighbors' in self.vertex.columns and isinstance(self.vertex.iloc[0].loc['Neighbors'], str):
self.vertex['Neighbors'] = self.vertex['Neighbors'].apply(lambda x: eval(x))
以下将list类型的Neighbors改为string类型
if 'Neighbors' in self.vertex.columns:
save_vertex['Neighbors'] = save_vertex['Neighbors'].astype('str')
f = lambda x: ','.join([str(i) for i in x]) # 列表转字符串
save_vertex['Neighbors'].apply(f)
插入一列
test = {'id': [1, 2, 6, 4, 2, 6], \
'sname': ['Alice', 'Bob', 'Cindy', 'Eric', 'Helen', 'Grace '], \
'math': [90, 89, 99, 78, 97, 93], 'english': [89, 94, 80, 94, 94, 90]}
df = pd.DataFrame(test)
print(df)
df.insert(df.shape[1], 'science', '60')
print(df)
删除某一列
if '长度' in self.dy.line.columns:
self.dy.line.drop(['长度'], axis=1, inplace=True)
按条件筛选数据
link = self.vertex.loc[self.vertex.Index == self.line.iloc[i].loc['Index']]
删除重复项和多余列
# 删除重复项和多余列
self.vertex.drop_duplicates(subset='ORIG_FID', keep='first', inplace=True)
self.vertex.drop(columns=['Index', 'neighbor'], axis=1, inplace=True)
