用于处理矢量数据的地理处理实用程序

项目描述

Vector IO - 用于处理矢量数据的地理处理实用程序。

蟒蛇> = 3.6
gdal >= 2.2
rar
解压

描述

这个项目是一个基于GDAL处理矢量数据的工具。这个工具是一个关于 gdal 的信封，旨在快速、智能、简单地处理不同类型的矢量数据。vectorIO 提供对（读取和写入）geojson、wkt、Shapefile 和 KML 的支持，支持不同空间数据类型之间的快速切换，并为来自 gdal 的警告提供异常处理程序。

安装

码头工人

Ubuntu上的完整环境：Dockerfile

创建图像并实例化容器：

# access the directory where is the Dockerfile
docker image build -t vectorio-env:001 . # build the image
# vectorio-env:001 - can be any name with the version of the your preference
docker container run -it vectorio-env:001 # instantiate a new container

Ubuntu 18.04

apt-get install rar unrar

格达尔

在 ubuntu 上安装 gdal

蟒蛇的Gdal

gdalinfo --version
pip3 install gdal==<gdal_version>

读写 Geojson

使用 geojson 数据。默认情况下，数据源创建为 WGS84。

准备数据

from vectorio.vector import Geojson
data = '{"type": "FeatureCollection","features": [{"type": "Feature","properties": {},"geometry": {"type": "Polygon","coordinates": [[[-44.89013671875,-6.577303118123875],[-46.29638671874999,-7.460517719883772],[-44.4287109375,-7.318881730366743],[-44.89013671875,-6.577303118123875]]]}}]}'
gjs = Geojson(data)

读取所有数据

# Features
gjs.feature_collection()

# Geometries
gjs.geometry_collection()

阅读和迭代每个功能

for feat in gjs.features():
    print(feat)

创建一个新的 geojson 文件

gjs.write('data.geojson')

从geojson文件中读取

with open('data.geojson') as f:
    gj= Geojson(f.read())
    gj.feature_collection()

读写 WKT

使用 wkt 数据。支持几何集合和单一几何。默认情况下，数据源创建为 WGS84。

wkt 对象有一些参数：

WKT(as_geometry_collection=True, srid=4326)

as_geometry_collection：当数据是单个几何时，返回一个几何集合，方法是集合。
srid：WKT 的初始 SRID。
准备数据

from vectorio.vector import WKT
data = "GEOMETRYCOLLECTION(POINT(-48.740641051554974 -9.249606262178954), LINESTRING(-50.278726989054974 -11.023166202413554,-48.608805114054974 -10.375450023701761))"
wkt = WKT(data)

读取所有数据

wkt.geometry_collection()

读取和迭代每个几何图形

for geom in wkt.geometries():
    print(geom)

创建一个新的 wkt 文件

wkt.write('data.wkt')

从 wkt 文件中读取

with open('data.wkt') as f:
    wkt = WKT(f.read())
    wkt.geometry_collection()

读写Shapefile

使用读写 shapefile。支持压缩为 .zip 和 .rar 的 shapefile。默认情况下，数据源是基于 .prj 文件上的投影创建的。obs：.rar 文件的读写仅适用于 linux 操作系统。只有vectorio.compress.Rar（压缩引擎）类有这个限制。其他类可用于任何操作系统。

准备数据

from vectorio.vector import Shapefile
shape = Shapefile('data.shp')

从 .shp 文件中读取所有数据

shape.feature_collection()

从 .shp 文件中读取和迭代每个功能。

# Interanting over features
for feat in shape.features():
    print(feat)

# Interanting over geometries
for geom in shape.geometries():
    print(geom)

创建一个新的 shapefile（创建文件 .shp、.shx、.dbf、.prj）

shape.write('out.shp')
# >>> out.shp

读写压缩的Shapefile

默认情况下，该算法将反复搜索压缩文件中的 .shp、.shx、.dbf、.prj 文件。该算法将搜索每个扩展名的第一个文件，如果压缩文件包含2个（或更多）.shp文件，或2个（或更多）.prj文件，将获得第一个.shp文件和第一个.prj文件.

从 zip 处理

from vectorio.vector import Shapefile, ShapefileCompressed
from vectorio.compress import Zip

shape = ShapefileCompressed(Shapefile('data.zip'), compress_engine=Zip())
shape.feature_collection() # reading all data

for feat in shape.features():  # iterating over each item
    print(feat)

shape.write('out.zip') # Creating a shapefile compressed as .zip
# >>> out.zip

从 .rar 处理（仅适用于 linux 操作系统）

from vectorio.vector import Shapefile, ShapefileCompressed
from vectorio.compress import Rar

shape = ShapefileCompressed(Shapefile('data.rar'), compress_engine=Rar())
shape.feature_collection()  # read all data

for feat in shape.features():  # iterating over each item
    print(feat)

shape.write('out.rar') # Creating a shapefile compressed as .rar
# >>> out.rar

读写 KML

目前，KML 作为 Geojson 处理。

从 vectorio.vector 导入 KML 
kml  =  KML （'data.kml' ）

# Interanting over features
for feat in shape.features():
    print(feat)

# Interanting over geometries
for geom in shape.geometries():
    print(geom)

公里。写（'out.geojson' ）

重新投影向量

空间重投影适用于实现接口 IVectorIO 的相同地理类型。如果输入 srid (in_srid) 被省略，将使用几何中的 srid。

重新投影 shapefile

from vectorio.vector import Shapefile, ShapefileCompressed, VectorReprojected
from vectorio.compress import Zip
shape = VectorReprojected(
    ShapefileCompressed(Shapefile('data_utm22.zip'), compress_engine=Zip()),
    in_srid=31982, out_srid=4674
)

shape.feature_collection()  # reading all data

for feat in shape.features():  # iterating by each feature
    print(feat)

shape.write('data_reprojected.zip')  # creating a new shapefile

重新投影 WKT

默认情况下，wkt 在 WGS84 空间参考中。

from vectorio.vector import WKT, VectorReprojected
data = 'POLYGON((-49.698036566343376 -9.951372897703846,-51.148231878843376 -11.591810720955946,-48.467567816343376 -11.763953408065282,-49.698036566343376 -9.951372897703846))'
wkt = VectorReprojected(WKT(data), out_srid=31982)

wkt.geometry_collection()  # reading all data

for geom in wkt.geometries():  # iterating by each geometry
    print(geom)

wkt.write('data-reprojected.wkt')  # creating a new wkt file

重新投影 Geojson

默认情况下，geojson 位于 WGS84 空间参考中。

from vectorio.vector import Geojson, VectorReprojected
data = '{"type": "FeatureCollection","features": [{"type": "Feature","properties": {},"geometry": {"type": "Polygon","coordinates": [[[-45.992889404296875,-9.654907854199012],[-46.12884521484374,-9.72259300616733],[-45.96954345703125,-9.738835407948073],[-45.992889404296875,-9.654907854199012]]]}}]}'
gjs = VectorReprojected(Geojson(data), out_srid=31982)

gjs.feature_collection()  # reading all data

for feat in gjs.features():  # iterating by each feature
    print(feat)

gjs.write('data-reprojected.geojson')  # creating a new geojson file

地理数据之间的快速切换

要执行快速切换，必须使用包vectorio.vector上的VectorComposite。

VectorComposite(input_vector_obj, ouput_vector_obj)

从 geojson 快速切换到 wkt

准备数据

from vectorio.vector import Geojson, WKT, VectorComposite
data = '{"type": "FeatureCollection","features": [{"type": "Feature","properties": {},"geometry": {"type": "Polygon","coordinates": [[[-44.89013671875,-6.577303118123875],[-46.29638671874999,-7.460517719883772],[-44.4287109375,-7.318881730366743],[-44.89013671875,-6.577303118123875]]]}}]}'
vector = VectorComposite(Geojson(data), WKT())

从 geojson 读取所有几何图形作为 wkt

vector.geometry_collection()

作为 wkt 迭代所有几何图形

for geom_wkt in vector.geometries():
    print(geom_wkt)

创建 wkt 文件

vector.write('output.wkt')

从 wkt 快速切换到 shapefile 作为 zip

from vectorio.vector import Shapefile, ShapefileCompressed, WKT, VectorComposite
from vectorio.compress import Zip

data = 'MULTIPOLYGON (((40 40, 20 45, 45 30, 40 40)), ((20 35, 10 30, 10 10, 30 5, 45 20, 20 35), (30 20, 20 15, 20 25, 30 20)))'
vector = VectorComposite(
    WKT(data),
    ShapefileCompressed(Shapefile(), compress_engine=Zip())
)

从 wkt 读取所有几何图形

vector.geometry_collection()

遍历所有几何

for geom in vector.geometries():
    print(geom)

以 zip 格式创建 shapefile

vector.write('output.zip')

从几何中搜索 UTM 区域

此功能将从某些几何图形中搜索 UTM 区域。

from vectorio.vector import UTMZone, VectorReprojected, WKT
data = 'POLYGON((-73.79131452179155 -11.78691590735885,-27.12139264679149 -12.645910804419744,-47.46330883419978 10.894322081983276,-73.79131452179155 -11.78691590735885))'
ds_wkt = VectorReprojected(WKT(data), out_srid=4326).datasource()
utm = UTMZone()
utm.zones(ds_wkt)  # getting all UTM Zones that intersect with the geometry

zone_from_biggest_geom方法只获取一个具有最大几何形状的区域。例如，如果大型几何图形位于 UTM Zone 25N 或 26N，此方法将计算几何图形的面积（对于多边形）或长度（对于线），并返回面积或长度最大的 UTM Zone。
签名：zone_from_biggest_geom（self，inp_ds：数据源，wkt_prj_for_metrics：str，in_wkt_prj=PRJ_WGS84）
- wkt_prj_for_metrics：必需
- inp_ds : 必需
- in_wkt_prj：可选。用例输入数据源没有 CRS。

# prj_for_metrics - necessary for make metrics calculations
prj_for_metrics = 'PROJCS["Brazil / Albers Equal Area Conic (WGS84)",GEOGCS["WGS 84",DATUM["WGS_1984",SPHEROID["WGS 84",6378137,298.257223563,AUTHORITY["EPSG","7030"]],AUTHORITY["EPSG","6326"]],PRIMEM["Greenwich",0,AUTHORITY["EPSG","8901"]],UNIT["degree",0.01745329251994328,AUTHORITY["EPSG","9122"]],AUTHORITY["EPSG","4326"]],PROJECTION["Albers_Conic_Equal_Area"],PARAMETER["longitude_of_center",-50.0],PARAMETER["standard_parallel_1",10.0],PARAMETER["standard_parallel_2",-40.0],PARAMETER["latitude_of_center",-25.0],UNIT["Meter",1.0]]'
utm.zone_from_biggest_geom(ds_wkt, wkt_prj_for_metrics=prj_for_metrics) # getting one UTM Zone

在此计算中忽略点。对于仅由点组成的几何图形（多点、点 e 的几何集合等），不建议使用此方法，因为返回的 UTM 区域基于面积/长度度量。很快，将实现一种仅用于点几何的获取 UTM 区域的方法。

具有拓扑错误的几何图形的 UTM 区域

如果您的几何图形存在拓扑错误，您应该使用方法UTMZone().zones_from_iteration(wkt)将 WKT 作为参数传递。此方法将返回 wkt 相交的一组 utm 区域。

utm.zones_from_iteration(
    'POLYGON((-59.408117902654105 -6.5855114909234445,-62.132727277654105 -8.241414689294965,-58.836828840154105 -8.545736525537883,-62.835852277654105 -5.230474986041972,-58.836828840154105 -6.4981931392341705,-59.408117902654105 -6.5855114909234445))'
)
# {'20SW', '21SW'}

引发 Gdal 警告的例外情况

要使用 gdal 警告中的异常，应使用 vectorio.gdal包上的装饰器gdal_warning_as_exception呈现。当使用geometry()方法中的IsValid()方法时，此装饰器将抛出错误。

from vectorio.gdal import gdal_warning_as_exception
from vectorio.vector import WKT

self_intersect_polygon = 'POLYGON((-54.24438490181399 -5.466896872158672,-54.84863294868899 -5.882330540835073,-54.09057630806399 -5.8714019542356475,-54.83764662056399 -5.379399666352095,-54.24438490181399 -5.466896872158672))'

@gdal_warning_as_exception
def possible_error():
    wkt = WKT(self_intersect_polygon)
    ds = wkt.datasource()
    lyr = ds.GetLayer(0)
    feat = lyr.GetFeature(0)
    feat.geometry().IsValid()

possible_error()
# >>> GDALSelfIntersectionGeometry: Self-intersection at or near point -54.469636435829948 -5.6217621987992636

可能的例外

GDALSelfIntersectionGeometry：当多边形包含自相交时抛出异常。
GDALBadClosedPolygon：当多边形未正确关闭时引发异常。
GDALUnknownException：发生未知错误时抛出异常。

Obs：所有异常都在包vectorio.exceptions上可用

直接重投影数据源

要进行空间重投影，请使用上面提到的类 VectorIOReprojected 。但是，在同一时刻将有必要直接重新投影数据源，为此使用 DataSourceReprojected 类。
签名：DataSourceReprojected（inp_ds：DataSource，in_srid：int=None，out_srid：int=None，in_wkt_prj=None，out_wkt_prj=None，use_wkt_prj：bool=False）
- inp_ds：必需。将被重新投影的数据源。
- in_srid：可选。用例输入数据源没有 CRS。（仅在标志use_wkt_prj为False时使用）。
- out_srid：需要use_wkt_prj是否为False。
- in_wkt_prj：可选。OGC 模式上的 WKT 投影。用例输入数据源没有 CRS。（仅当标志use_wkt_prj为True时使用）。
- out_wkt_prj：需要use_wkt_prj是否为True。OGC 模式上的 WKT 投影。
- use_wkt_prj：布尔值，用于定义数据源是否将使用 WKT 投影使用 SRID 重新投影。
方法：
- ref() -> DataSource：返回重新投影的 DataSource。
使用 SRID 重新投影。

from vectorio.vector import WKT, DataSourceReprojected
data = 'POLYGON((-45.522540331834634 -6.851736627227062,-47.016680956834634 -7.7670786428296275,-45.434649706834634 -8.332736100352385,-45.522540331834634 -6.851736627227062))'
wkt = WKT(data)
ds = wkt.datasource()
new_ds = DataSourceReprojected(ds, out_srid=31983).ref()
wkt.geometry_collection(ds=new_ds)

使用 WKT 投影重新投影。

from vectorio.vector import WKT, DataSourceReprojected
data = 'POLYGON((-45.522540331834634 -6.851736627227062,-47.016680956834634 -7.7670786428296275,-45.434649706834634 -8.332736100352385,-45.522540331834634 -6.851736627227062))'
wkt = WKT(data)
prj = 'PROJCS["SIRGAS 2000 / UTM zone 23S",GEOGCS["SIRGAS 2000",DATUM["Sistema_de_Referencia_Geocentrico_para_America_del_Sur_2000",SPHEROID["GRS 1980",6378137,298.257222101,AUTHORITY["EPSG","7019"]],TOWGS84[0,0,0,0,0,0,0],AUTHORITY["EPSG","6674"]],PRIMEM["Greenwich",0,AUTHORITY["EPSG","8901"]],UNIT["degree",0.01745329251994328,AUTHORITY["EPSG","9122"]],AUTHORITY["EPSG","4674"]],UNIT["metre",1,AUTHORITY["EPSG","9001"]],PROJECTION["Transverse_Mercator"],PARAMETER["latitude_of_origin",0],PARAMETER["central_meridian",-45],PARAMETER["scale_factor",0.9996],PARAMETER["false_easting",500000],PARAMETER["false_northing",10000000],AUTHORITY["EPSG","31983"],AXIS["Easting",EAST],AXIS["Northing",NORTH]]'
ds = wkt.datasource()
new_ds = DataSourceReprojected(ds, out_wkt_prj=prj, use_wkt_prj=True).ref()
wkt.geometry_collection(ds=new_ds)

计算顶点

所有向量类都有计算所有顶点的方法。下面，以 WKT 为例，但是，此方法也适用于 Shapefile、GeoJson。

签名：vertices_by_feature(ds: DataSource) -> dict
- ds：必填。DataSource 用于计算您的顶点。
返回：
- 将按特征返回一个顶点字典。

from vectorio.vector import WKT
data = 'POLYGON((-45.522540331834634 -6.851736627227062,-47.016680956834634 -7.7670786428296275,-45.434649706834634 -8.332736100352385,-45.522540331834634 -6.851736627227062))'
wkt = WKT(data)
wkt.vertices_by_feature() # works with shapefile or Geojson 
# shapefile_obj.vertices_by_feature() or geojson_obj.vertices_by_feature()

项目详情

发布历史发布通知| RSS订阅

这个版本

2.0.5

2021 年 6 月 13 日

2.0.4

2020 年 11 月 12 日

2.0.3

2020 年 11 月 9 日

2.0.2

2020 年 10 月 30 日

2.0.1

2020 年 10 月 30 日

2.0.0

2020 年 10 月 30 日

1.2.7

2020 年 7 月 21 日

1.2.6

2020 年 7 月 9 日

1.2.5

2020 年 4 月 6 日

1.2.4

2020 年 3 月 10 日

1.2.3

2020 年 2 月 11 日

1.2.2

2020 年 1 月 22 日

1.2.1

2020 年 1 月 22 日

1.2.0

2020 年 1 月 22 日

1.1.2

2020 年 1 月 3 日

1.1.1

2020 年 1 月 2 日

1.1.0

2020 年 1 月 2 日

由 Python 中文网翻译和维护。

vectorio 2.0.5

导航

项目链接

统计数据

Meta

Maintainers

分类

项目描述

Vector IO - 用于处理矢量数据的地理处理实用程序。

描述

安装

码头工人

Ubuntu 18.04

特征

读写 Geojson

读写 WKT

读写Shapefile

读写压缩的Shapefile

读写 KML

重新投影向量

地理数据之间的快速切换

从 geojson 快速切换到 wkt

从 wkt 快速切换到 shapefile 作为 zip

从几何中搜索 UTM 区域

具有拓扑错误的几何图形的 UTM 区域

引发 Gdal 警告的例外情况

可能的例外

直接重投影数据源

计算顶点

项目详情

项目链接

统计数据

元

维护者

分类器

发布历史发布通知| RSS订阅

vectorio 2.0.5

导航

项目链接

统计数据

Meta

Maintainers

分类

项目描述

Vector IO - 用于处理矢量数据的地理处理实用程序。

描述

安装

码头工人

Ubuntu 18.04

特征

读写 Geojson

读写 WKT

读写Shapefile

读写压缩的Shapefile

读写 KML

重新投影向量

地理数据之间的快速切换

从 geojson 快速切换到 wkt

从 wkt 快速切换到 shapefile 作为 zip

从几何中搜索 UTM 区域

具有拓扑错误的几何图形的 UTM 区域

引发 Gdal 警告的例外情况

可能的例外

直接重投影数据源

计算顶点

项目详情

项目链接

统计数据

元

维护者

分类器

发布历史 发布通知| RSS订阅

发布历史发布通知| RSS订阅