用于 GIS 和制图的 Python 库。Python 库是 GIS 的终极扩展，因为它们允许你增强其核心功能。通过使用 Python 库，你可以摆脱 GIS 的束缚，深入研究一些严肃的数据科学。Python有200 多个标准库。但也有数千个第三方库。所以，你能走多远是没有止境的。
今天，我们讨论的是 GIS 中的 Python 库。具体来说，当今 GIS 专业人员使用的最流行的 Python 包是什么？让我们开始吧。
首先，为什么要使用 Python 库来构建 GIS？
你是否注意到 GIS 如何缺少您需要它执行的一项功能？由于没有GIS 软件可以完成这一切，Python 库可以添加您需要的额外功能。
简而言之，Python 库是其他人编写的代码，旨在让我们其他人的生活更轻松。开发人员已经用 Python 编写了用于机器学习、报告、绘图以及几乎所有内容的开放库。
如果你需要此额外功能，您可以通过将这些库导入到 Python 脚本中来利用它们。从这里，您可以调用不属于核心 GIS 软件本身的函数。
1、ArcPy
如果你使用 Esri ArcGIS，那么您可能熟悉ArcPy 库。 ArcPy 适用于地理处理操作。但它不仅用于空间分析，还用于使用 Esri ArcGIS 进行数据转换、管理和地图制作。
ArcPy 是一个 Python 站点包，可提供以实用高效的方式通过 Python 执行地理数据分析、数据转换、数据管理和地图自动化。
该包提供了丰富纯正的 Python 体验，具有代码完成功能（输入关键字和点即可获得该关键字所支持的属性和方法的弹出列表；从中选择一个属性或方法即可将其插入），并针对每个函数、模块和类提供了参考文档。
使用 ArcPy 的另一个主要原因是，Python 是一种通用的编程语言。它是一种支持动态输入的解释型语言，适用于交互操作以及一次性程序（即脚本）快速原型制作，同时具有编写大型应用程序的强大功能。用 ArcPy 编写的 ArcGIS 应用程序的优势在于，可以使用由多个不同领域的 GIS 专业人员和程序员组成的众多 Python 小群体开发的附加模块。
2、Geopandas
Geopandas 就像熊猫遇见 GIS。但Geopandas 库添加了一个地理组件，而不是直接的表格分析。对于叠加操作，Geopandas 使用 Fiona 和 Shapely，它们是它们自己的 Python 库。
3、GADL/OGR
GDAL/OGR 库用于在 GIS 格式和扩展之间进行转换。 QGIS、ArcGIS、ERDAS、ENVI、GRASS GIS 和几乎所有 GIS 软件都以某种方式使用它进行翻译。目前，GDAL/OGR 支持 97 个矢量驱动程序和 162 个光栅驱动程序。
4、RSGISLib
RSGISLib 库是一套用于栅格处理和分析的遥感工具。仅举几例，它对图像进行分类、过滤和统计。我个人最喜欢的是基于对象的分割和分类（GEOBIA）模块。
5、PyProj
PyProj 库的主要用途是它如何与空间参考系统配合使用。它可以使用一系列地理参考系统来投影和转换坐标。 PyProj 还可以对任何给定的数据执行大地测量计算和距离。
6、NumPy
Numerical Python（NumPy 库）获取属性表并将其放入结构化数组中。一旦进入结构化数组，任何科学计算的速度都会快得多。它最好的事情之一是你可以与其他 Python 库（如 SciPy）一起使用来进行繁重的统计操作。
7、Matplotlib
当你处理数千个数据点时，有时最好的办法是将其全部绘制出来。输入 Matplotlib。统计学家使用Matplotlib 库进行可视化显示。 Matplotlib 可以完成这一切。它绘制图表、图表和地图。即使有大数据，它也能很好地处理数字。
8、Pandas
Pandas 库在数据整理方面非常受欢迎。这不仅适用于统计学家。但它在 GIS 中也非常有用。计算性能对于 pandas 来说至关重要。 Pandas 的成功在于它的数据框架。数据框架经过优化，可以处理大数据。它们被优化到 Microsoft Excel 甚至无法处理的程度。
9、Re（正则表达式）
正则表达式 (Re)是终极过滤工具。当您想要在表中查找特定字符串时，这就是您的首选库。但您可以更进一步，例如用模式匹配来检测、提取和替换。
10、ipyleaflet
如果你想创建交互式地图，ipyleaflet是 Jupyter Notebook 和 Leaflet 的融合。您可以控制各种自定义设置，例如加载底图、geojson 和小部件。它还提供了多种地图类型可供选择，包括分区统计图、速度数据和并排视图。
11、ReportLab
ReportLab 是此列表中最令人满意的库之一。我这样说是因为 GIS 通常缺乏足够的报告功能。特别是，如果您想创建报告模板，这是一个绝佳的选择。我不知道为什么ReportLab 库有点不受关注，因为它不应该。
12、Folium
就像 ipyleaflet 一样，Folium允许你利用 Leaflet 构建交互式网络地图。它使您能够在 Python 中操作数据，然后您可以使用领先的开源 JavaScript 库将其可视化。
13、Geemap
Geemap更多地用于使用Google Earth Engine (GEE)进行科学和数据分析。虽然任何人都可以使用这个 Python 库，但科学家和研究人员专门使用它来探索 GEE 中的多 PB 卫星图像目录，以实现其特定应用和遥感数据的使用。
14、LiDAR
简单地命名为LiDAR Python 包，目的是处理和可视化光探测和测距 (LiDAR) 数据。例如，它包括用于平滑、过滤和从数字高程模型 (DEM)数据中提取拓扑属性的工具。虽然我没有看到与原始 LAS 文件的集成，但它可以用于地形和水文分析。
15、Scikit
最近，机器学习成为热门话题。并且有充分的理由。 Scikit 是一个支持机器学习的 Python 库。它内置于 NumPy、SciPy 和 Matplotlib 中。因此，如果您想要进行任何数据挖掘、分类或 ML 预测，Scikit 库是一个不错的选择。
机翻以及补充
推荐学习
ArcGIS全系列实战视频教程——9个单一课程组合+系列直播回放-CSDN博客
4大遥感软件！遥感影像解译！ArcGIS+ENVI+Erdas+eCognition_ecognition envi erdas比较-CSDN博客
