0 问题描述

我们知道新加坡的monument分布：Monuments-Data.gov.sg

我们又知道新加坡的subzone信息： Master Plan 2019 Subzone Boundary (No Sea) - Datasets - Dataportal.asia

我们希望生成一个 dataframe，表示每一个subzone有几个monument

1 读取+处理数据

1.1 moument数据

1.1.1 读取数据

import geopandas as gpd
states = gpd.read_file('monuments-geojson.geojson')
states

python包介绍：GeoPandas（初识）_UQI-LIUWJ的博客-CSDN博客

我们发现Description内容过长，显示不完整

于是我们加一行修饰

import geopandas as gpd
import pandas as pd
pd.set_option('max_colwidth',1000)
states = gpd.read_file('C:/Users/16000/Downloads/monuments/monuments-geojson.geojson')
states

1.2 subzone数据

1.2.1 读取数据

subzone = gpd.read_file('ura-mp19-subzone-no-sea-pl.geojson')
subzone

1.1.2 提取subzone、area和region

新加坡的行政区划分成了三级regions, planning areas and subzones（从大到小）

而在Desctiption中，也有这三个词条

我们接下来把他们分别提取出来，变成DataFrame的三个column

python笔记：正则表达式_UQI-LIUWJ的博客-CSDN博客

python 笔记：函数_UQI-LIUWJ的博客-CSDN博客

#我们使用正则表达式+Lambda 函数 进行subzone、area、region的信息提取

#subzone
i=str(subzone.head(1).Description)
import re
accurate_name_subzone=lambda i:re.findall('<th>SUBZONE_N</th> <td>[\s\S]*?</td> </tr>',i)[0][23:-11]
accurate_name_subzone(i)
#'MARINA EAST'



#area
i=str(subzone.head(1).Description)
import re
accurate_name_area=lambda i:re.findall('<th>PLN_AREA_N</th> <td>[\s\S]*?</td> </tr>',i)[0][24:-11]
accurate_name_area(i)
#'MARINA EAST'


#region
i=str(subzone.head(1).Description)
import re
accurate_name_region=lambda i:re.findall('<th>REGION_N</th> <td>[\s\S]*?</td> </tr>',i)[0][22:0-11]
accurate_name_region(i)
#'CENTRAL REGION'

subzone['subzone']=subzone.Description.apply(accurate_name_subzone)
#提取subzone这一列
subzone['area']=subzone.Description.apply(accurate_name_area)
#提取area这一列
subzone['region']=subzone.Description.apply(accurate_name_region)
#提取region这一列
subzone=subzone.drop(['Description'],axis=1)
#丢弃Description这一列
subzone=subzone[['Name','region','area','subzone','geometry']]
#重新排序subzone各列
subzone

2 绘制monument在subzone上的分布情况

ax=gpd.GeoSeries(subzone.geometry).plot(figsize=(50,15))
states['geometry'].plot(ax=ax,color='red')

3 两个dataFrame进行合并

combine=gpd.sjoin(states, subzone, how='left',op="within")
combine=combine.drop(['Description'],axis=1)
combine

每一行就是某个monument对应哪个subzone的信息

4 统计每个subzone monument的

subzone['count_monument']=[0]*len(subzone)
#末尾添加一列，表示这个subzone有几个monuument


for i in range(len(combine)):
    subzone.loc[subzone[subzone['subzone']==combine.iloc[i].subzone].index,'count_monument']+=1

#subzone[subzone['subzone']==combine.iloc[i].subzone] 表示monument对应的subzone和哪个subzone对应
#加index是这个subzone在subzone DataFrame上的index

subzone