GeoPandas

GeoPandas は pandas を拡張して、幾何学的型に対する空間操作を可能にします。pandas と shapely の機能を組み合わせて、地理空間データ分析を実現します。

インストール

uv pip install geopandas

オプション依存関係

# インタラクティブマップ用
uv pip install folium

# マッピングの分類スキーム用
uv pip install mapclassify

# より高速な I/O 操作 (2-4倍高速化)
uv pip install pyarrow

# PostGIS データベース対応
uv pip install psycopg2
uv pip install geoalchemy2

# ベースマップ用
uv pip install contextily

# 地図投影法用
uv pip install cartopy

クイックスタート

import geopandas as gpd

# 空間データを読み込む
gdf = gpd.read_file("data.geojson")

# 基本的な探索
print(gdf.head())
print(gdf.crs)
print(gdf.geometry.geom_type)

# シンプルなプロット
gdf.plot()

# 別の座標参照系に再投影
gdf_projected = gdf.to_crs("EPSG:3857")

# 面積を計算 (正確さのために投影済み CRS を使用)
gdf_projected['area'] = gdf_projected.geometry.area

# ファイルに保存
gdf.to_file("output.gpkg")

コアコンセプト

データ構造

• GeoSeries: 空間操作を備えた幾何学的型のベクトル
• GeoDataFrame: ジオメトリ列を持つ表形式のデータ構造

詳細は data-structures.md を参照してください。

データの読み込みと書き込み

GeoPandas は複数の形式を読み込み・書き込みできます: Shapefile、GeoJSON、GeoPackage、PostGIS、Parquet。

# フィルタリング付きで読み込む
gdf = gpd.read_file("data.gpkg", bbox=(xmin, ymin, xmax, ymax))

# Arrow アクセラレーション付きで書き込む
gdf.to_file("output.gpkg", use_arrow=True)

包括的な I/O 操作については data-io.md を参照してください。

座標参照系

正確な空間操作のために、常に CRS を確認・管理してください:

# CRS を確認
print(gdf.crs)

# 再投影 (座標を変換)
gdf_projected = gdf.to_crs("EPSG:3857")

# CRS を設定 (メタデータが不足している場合のみ)
gdf = gdf.set_crs("EPSG:4326")

CRS 操作については crs-management.md を参照してください。

一般的な操作

幾何学的操作

バッファ、簡略化、重心、凸包、アフィン変換:

# 10 ユニットでバッファを作成
buffered = gdf.geometry.buffer(10)

# 許容度で簡略化
simplified = gdf.geometry.simplify(tolerance=5, preserve_topology=True)

# 重心を取得
centroids = gdf.geometry.centroid

すべての操作については geometric-operations.md を参照してください。

空間分析

空間結合、オーバーレイ操作、ディゾルブ:

# 空間結合 (交差)
joined = gpd.sjoin(gdf1, gdf2, predicate='intersects')

# 最近傍結合
nearest = gpd.sjoin_nearest(gdf1, gdf2, max_distance=1000)

# オーバーレイ交差
intersection = gpd.overlay(gdf1, gdf2, how='intersection')

# 属性でディゾルブ
dissolved = gdf.dissolve(by='region', aggfunc='sum')

分析操作については spatial-analysis.md を参照してください。

ビジュアライゼーション

静的および対話的なマップを作成:

# コロプレスマップ
gdf.plot(column='population', cmap='YlOrRd', legend=True)

# インタラクティブマップ
gdf.explore(column='population', legend=True).save('map.html')

# マルチレイヤーマップ
import matplotlib.pyplot as plt
fig, ax = plt.subplots()
gdf1.plot(ax=ax, color='blue')
gdf2.plot(ax=ax, color='red')

マッピング技法については visualization.md を参照してください。

詳細なドキュメント

• Data Structures - GeoSeries と GeoDataFrame の基礎
• Data I/O - ファイル、PostGIS、Parquet の読み込み/書き込み
• Geometric Operations - バッファ、簡略化、アフィン変換
• Spatial Analysis - 結合、オーバーレイ、ディゾルブ、クリッピング
• Visualization - プロット、コロプレスマップ、対話的マップ
• CRS Management - 座標参照系と投影法

一般的なワークフロー

ロード、変換、分析、エクスポート

# 1. データを読み込む
gdf = gpd.read_file("data.shp")

# 2. CRS を確認・変換
print(gdf.crs)
gdf = gdf.to_crs("EPSG:3857")

# 3. 分析を実行
gdf['area'] = gdf.geometry.area
buffered = gdf.copy()
buffered['geometry'] = gdf.geometry.buffer(100)

# 4. 結果をエクスポート
gdf.to_file("results.gpkg", layer='original')
buffered.to_file("results.gpkg", layer='buffered')

空間結合と集約

# ポイントをポリゴンに結合
points_in_polygons = gpd.sjoin(points_gdf, polygons_gdf, predicate='within')

# ポリゴンで集約
aggregated = points_in_polygons.groupby('index_right').agg({
    'value': 'sum',
    'count': 'size'
})

# ポリゴンにマージバック
result = polygons_gdf.merge(aggregated, left_index=True, right_index=True)

マルチソースデータ統合

# 異なるソースから読み込む
roads = gpd.read_file("roads.shp")
buildings = gpd.read_file("buildings.geojson")
parcels = gpd.read_postgis("SELECT * FROM parcels", con=engine, geom_col='geom')

# CRS を一致させる
buildings = buildings.to_crs(roads.crs)
parcels = parcels.to_crs(roads.crs)

# 空間操作を実行
buildings_near_roads = buildings[buildings.geometry.distance(roads.union_all()) < 50]

パフォーマンスのヒント

1. 空間インデックスを使用: GeoPandas はほとんどの操作で自動的に空間インデックスを作成します
2. 読み込み時にフィルタリング: bbox、mask、where パラメータを使用して必要なデータのみを読み込みます
3. I/O に Arrow を使用: use_arrow=True を追加して 2-4 倍高速化します
4. ジオメトリを簡略化: 精度が重要でない場合は .simplify() を使用して複雑さを軽減します
5. バッチ操作を使用: ベクトル化された操作は行の反復より高速です
6. 適切な CRS を使用: 面積・距離計算は投影済み CRS、ビジュアライゼーションは地理的 CRS を使用します

ベストプラクティス

1. 空間操作の前に常に CRS を確認してください
2. 面積と距離の計算には投影済み CRS を使用してください
3. 空間結合またはオーバーレイの前に CRS を一致させてください
4. 操作の前に .is_valid でジオメトリを検証してください
5. ジオメトリ列を変更する際は .copy() を使用して副作用を避けてください
6. 簡略化時にトポロジを保持して分析用に使用してください
7. モダンワークフローには GeoPackage 形式を使用 (Shapefile より優れています)
8. sjoin_nearest でパフォーマンス向上のために max_distance を設定してください