外觀
Data Science › 資料處理與 EDA › 地理空間資料
地理空間資料 (Geospatial Data in Python)
地理空間資料 (geospatial data) 和一般表格的差別不只多一個欄位,而是多了「位置」這個結構:除了值是什麼,還要問它在哪裡、和其他幾何物件有什麼空間關係。流行病學的病例分布、環境暴露、醫療資源可近性都會用到。
核心概念
| 概念 | 說明 | 常見錯誤 |
|---|---|---|
| 幾何 (geometry) | 點 Point(城市、病例)、線 LineString(道路、河流)、面 Polygon(行政區、湖泊) | 把 geometry 當字串處理 |
| 座標參考系統 (CRS) | 把座標數字對應到地球上的位置;POINT (2.2945 48.8584) 沒有 CRS 就無法確定在哪 | 不知道 CRS 就開始畫圖或算距離 |
| 座標順序 | GeoPandas / Shapely / GeoJSON 一律 (lon, lat) = (x, y);經度 [-180, 180]、緯度 [-90, 90] | 寫成 (lat, lon),數字看似合法但位置完全跑掉 |
| 地理座標 vs 投影座標 | 地理 (geographic,如 EPSG:4326) 單位是度,適合記錄位置;投影 (projected,如 UTM) 單位是公尺,適合算距離、面積、緩衝區 | 在經緯度上直接算面積或 buffer,結果沒有物理意義 |
Python 工具
| 套件 | 用途 |
|---|---|
geopandas | GeoDataFrame = DataFrame + 一個 geometry 欄;讀寫檔案、CRS 轉換、空間 join |
shapely | 幾何物件與空間運算(GeoPandas 底層) |
pyproj | CRS 定義與轉換 |
folium / geopandas.explore() | 互動地圖 |
常見任務
python
import geopandas as gpd
# 1. 讀檔:Shapefile、GeoJSON、GeoPackage 都用 read_file
cities = gpd.read_file("ne_110m_populated_places.shp")
cities.geometry.iloc[0] # POINT (lon lat):Shapely 物件,不是字串
cities.crs # EPSG:4326
# 2. 從經緯度欄位建立(注意 x=經度、y=緯度)
pts = gpd.GeoDataFrame(df, geometry=gpd.points_from_xy(df["lon"], df["lat"]), crs="EPSG:4326")
# 3. CRS:set_crs 是「宣告」原本的 CRS;to_crs 才是「轉換」座標
gdf = gdf.set_crs("EPSG:4326") # 檔案缺 .prj 時補上
gdf_m = gdf.to_crs(gdf.estimate_utm_crs()) # 轉成當地 UTM(單位公尺)
# 4. 距離、面積、緩衝區:先轉投影座標
gdf_m.area # m²
gdf_m.buffer(5000) # 5 km 緩衝區
# 5. 空間關係與空間 join
districts.contains(point) # 也有 within / intersects / touches / distance
cases_in = gpd.sjoin(cases, districts, predicate="within") # 每個病例屬於哪個區
cases_in.groupby("district_name").size()set_crs | to_crs |
|---|---|
| 不改座標數字,只標註「這些數字是什麼 CRS」 | 重新計算座標數字到另一個 CRS |
資料讀進來 crs 是 None 時用 | 要算距離 / 面積或兩圖層 CRS 不同時用 |
EPSG:3857 (Web Mercator) 是網路地圖的顯示用投影,距離與面積在高緯度嚴重失真,不要拿來量測;量測用當地 UTM 或等積投影。
檔案格式
| 格式 | 特性 |
|---|---|
| Shapefile | 其實是一組檔案(.shp、.shx、.dbf、.prj…),複製時要一起搬;欄名限 10 字元 |
| GeoJSON | 單一文字檔,規範要求 WGS84 (EPSG:4326) 經緯度 |
GeoPackage (.gpkg) | 單一 SQLite 檔,可放多個圖層;建議的預設格式 |
| GeoParquet | 欄式儲存,大資料量讀寫快(gdf.to_parquet()) |
| PostGIS | PostgreSQL 的空間擴充,資料在資料庫時用 |
分析流程
text
read_file → 檢查 geometry 型態與 crs → 必要時 set_crs / to_crs(兩圖層統一 CRS)
→ 空間 join / 關係運算 → 彙總統計 → 繪圖(gdf.plot(column=...))空間資料的觀測彼此不獨立(相鄰區域相似,空間自相關),一般迴歸的標準誤會低估;需要時改用空間統計模型(如
pysal)。