无需QGIS，ArcGIS，PostGIS等的Python中的高效空间连接

with fiona.open(poly_shp, 'r') as n: 
  with fiona.open(point_shp,'r') as s:
    outSchema = {'geometry': 'Polygon','properties':{'region':'str','score':'float'}}
    with fiona.open (out_shp, 'w', 'ESRI Shapefile', outSchema, crs) as output:
        for point in s:
            for poly in n:
                if shape(point['geometry']).within(shape(poly['geometry'])):  
                    poly['properties']['score']) += point['properties']['score'])
                    output.write({
                        'properties':{
                            'region':poly['properties']['NAME'],
                            'score':poly['properties']['score']},
                        'geometry':poly['geometry']})

#1 楼

Fiona返回Python字典，您不能将 poly['properties']['score']) += point['properties']['score'])与字典一起使用。
使用Mike T给出的引用对属性求和的示例：带有或不带有空间索引的方法：


不带
通过点迭代
对于i，在枚举中的pt（点）：
point = shape （pt ['geometry']）
对多边形进行迭代
对于j，poly枚举（多边形）：
if point.within（shape（poly ['geometry']）））：
＃属性值的总和
多边形[j] ['properties'] ['score'] =多边形[j] ['properties'] ['score'] +点[i] ['properties '] ['score']

具有R-tree索引（可以使用pyrtree或rtree）
创建R-tree索引并将功能存储在其中（边界框）
来自rtree导入索引
idx = index.Index（）
用于pos，枚举（多边形）中的多边形：
idx.insert（pos，shape（poly [ 'geometry']）。bounds）
通过点迭代
用于枚举的i，pt（点s）：
point = shape（pt ['geometry']）
通过空间索引进行迭代
idx.intersection（point.coords [0]）中的j进行迭代：
if point.within（shape（polygons [j] ['geometry']）））：
polygons [j] ['properties'] ['score'] =多边形[j] ['properties'] ['score' ] + points [i] ['properties'] ['score']


两种解决方案的结果：

# read the shapefiles 
import fiona
from shapely.geometry import shape
polygons = [pol for pol in fiona.open('poly.shp')]
points = [pt for pt in fiona.open('point.shp')]
# attributes of the polygons
for poly in polygons:
   print poly['properties'] 
OrderedDict([(u'score', 0)])
OrderedDict([(u'score', 0)])
OrderedDict([(u'score', 0)])

# attributes of the points
for pt in points:
    print i['properties']
 OrderedDict([(u'score', 1)]) 
 .... # (same for the 8 points)

有什么区别？

没有索引，您必须遍历所有几何（多边形和点）。
使用边界空间索引（空间索引RTree），仅遍历有可能相交的几何使用您当前的几何形状（“过滤器”可以节省大量计算和时间...）
，但空间索引并不是魔杖。当必须检索数据集的很大一部分时，空间索引不能提供任何速度优势。

之后：使用OGR进行索引，Shapely，Fiona

#2 楼

另外-geopandas现在可以选择将rtree作为依赖项，请参见github repo

因此，除了遵循上面所有（非常好的）代码之外，您还可以执行以下操作： />

import geopandas
from geopandas.tools import sjoin
point = geopandas.GeoDataFrame.from_file('point.shp') # or geojson etc
poly = geopandas.GeoDataFrame.from_file('poly.shp')
pointInPolys = sjoin(point, poly, how='left')
pointSumByPoly = pointInPolys.groupby('PolyGroupByField')['fields', 'in', 'grouped', 'output'].agg(['sum'])

要获得此时髦的功能，请务必先安装C库libspatialindex

编辑：更正的程序包导入

#3 楼

使用Rtree作为索引来执行更快的联接，然后使用Shapely进行空间谓词以确定点是否确实在多边形内。如果做得正确，这可能比大多数其他GIS更快。

在此处或此处查看示例。

关于“ SUM”的问题的第二部分，请使用dict对象以多边形ID为键来累积人口。虽然，使用PostGIS可以更好地完成这种事情。

#4 楼

此网页显示了如何在Shapely的空间查询更昂贵之前使用边界框多边形内搜索。

http://rexdouglass.com/fast-spatial-joins-in- python-with-a-spatial-index /