本系列文章是根据GeoPandas官方文档翻译整理，学习任何一个Python第三方库，其官方文档都是最好的学习资料。相比网络搜索得到的一些资料，官方文档是权威的一手资料，其内容全面、准确可靠。通过官方文档入手，能够保证学习认知不会有大偏差。在学习完官方文档后，可以在寻找其他资料进一步学习。
点击“阅读原文”或者直接访问下方链接，查看翻译整理的“GeoPandas 0.12.2 中文文档”。
https://www.mizhushare.com/docs-
可以通过百度网盘获取，需要在本地配置代码运行环境：
链接：https://pan.baidu.com/s/185Qs6RpVhyP2nm9VV39Ehw?pwd=mnsj提取码：mnsj
-
前往GitHub详情页面，单击 code 按钮，选择Download ZIP选项：
https://github.com/returu/geopandasgroupby() 函数聚合数据。但是对于空间数据，我们有时也需要聚合几何特征。例如，我们可能有地方行政单位的数据，但实际上我们对研究国家层面的内容更感兴趣。
在 geopandas 中，我们可以使用 dissolve() 函数聚合几何特征。
dissolve()可以被认为是在做三件事：
将给定组中的所有几何图形合并为单个几何对象（使用unary_union方法），然后使用 groupby.aggregate 聚合组中的所有数据行，最后将这两个结果结合起来。
1GeoDataFrame.dissolve(by=None,
2 aggfunc='first',
3 as_index=True,
4 level=None,
5 sort=True,
6 observed=False,
7 dropna=True )
简单示例：
本次仍以GeoPandas自带的world数据集为例。
1world = gpd.read_file('./datasets/naturalearth_lowres/naturalearth_lowres.shp')
2
3world = world[['continent', 'geometry']]
4
5world.plot(cmap="tab10")
通过 dissolve() 将其转换为大陆级别的数据集：
1continents = world.dissolve(by='continent')
2
3continents.plot(cmap="tab10")
aggfunc参数：
dissolve() 中aggfunc参数默认为“first”，这意味着在聚合操作中找到的第一行属性值将分配给生成的geodataframe。然而，它也接受pandas.groupby 允许的其他汇总统计选项，包括：
-
‘first’
-
‘last’
-
‘min’
-
‘max’
-
‘sum’
-
‘mean’
-
‘median’
-
function
-
string function name
-
list of functions and/or function names, e.g. [np.sum, ‘mean’]
-
dict of axis labels -> functions, function names or list of such.
-
聚合单列：
aggfunc参数向dissolve()方法传递不同的函数以聚集人口。1continents = world.dissolve(by='continent', aggfunc='sum')
2
3continents.plot(column = 'pop_est', scheme='quantiles', cmap='YlOrRd')
-
聚合多列或对一列采用多种聚合方法：
’count’聚合’name’列，用’min’和’max’聚合’pop_est’列。1world = gpd.read_file('./datasets/naturalearth_lowres/naturalearth_lowres.shp')
2
3continents = world.dissolve(by='continent' , aggfunc={"name":"count" , "pop_est":["min" , "max"]})
本篇文章来源于微信公众号: 码农设计师
