名前に基づく分割線

Question

シェイプファイルオブジェクトから作成されたGeoPandas Dataframeがあります。 しかし、証明書の行は同じ名前ですが、非常に異なる場所にあります。

各行に固有の名前が必要です。 したがって、幾何学的に離れていて名前を変更すると、何とか線を分割する必要があります。

すべてのストリートチャンク間の距離を計算し、それらが近くにある場合、それらを再グループ化することができます。

距離の計算は容易Geopandasで行うことができる。Distance Between Linestring Geopandas

ラインのセットしようとする：

from shapely.geometry import Point, LineString 
import geopandas as gpd 


line1 = LineString([ 
    Point(0, 0), 
    Point(0, 1), 
    Point(1, 1), 
    Point(1, 2), 
    Point(3, 3), 
    Point(5, 6), 
]) 

line2 = LineString([ 
    Point(5, 3), 
    Point(5, 5), 
    Point(9, 5), 
    Point(10, 7), 
    Point(11, 8), 
    Point(12, 12), 
]) 

line3 = LineString([ 
    Point(9, 10), 
    Point(10, 14), 
    Point(11, 12), 
    Point(12, 15), 
]) 

df = gpd.GeoDataFrame(
    data={'name': ['A', 'A', 'A']}, 
    geometry=[line1, line2, line3] 
) 

Answer 1

1つの可能な方法は、各データ点の空間的クラスタリングを使用することです。次のコードではDBSCANを使用していますが、他のタイプの方が適しているかもしれません。ここでは、彼らがどのように動作するかの概要は以下のとおりです。http://scikit-learn.org/stable/modules/clustering.html

from matplotlib import pyplot as plt 
from sklearn.cluster import DBSCAN 
from sklearn.preprocessing import StandardScaler 

import numpy as np 
import pandas as pd 
import geopandas as gpd 

df = gpd.GeoDataFrame.from_file("stackex_dataset.shp") 

DFの各行には、ポイントの数です。クラスタを取得するには、すべてを取得したい：

ids = [] 
coords = [] 

for row in df.itertuples(): 
    geom = np.asarray(row.geometry) 

    coords.extend(geom) 
    ids.extend([row.id] * geom.shape[0]) 

計算後にクラスターをdfに戻すには、ここにidsが必要です。ここで は（我々はまた、データの正規化は、より良い品質を得るために作る）各点のクラスタを取得されています

clust = DBSCAN(eps=0.5) 
clusters = clust.fit_predict(StandardScaler().fit_transform(coords)) 

次の部分は少し厄介ですが、我々は、IDごとに1つだけのクラスターを得ることを確認します。私たちは、各idのポイントの最も頻繁なクラスタを選択します。

points_clusters = pd.DataFrame({"id":ids, "cluster":clusters}) 
points_clusters["count"] = points_clusters.groupby(["id", "cluster"])["id"].transform('size') 

max_inds = points_clusters.groupby(["id", "cluster"])['count'].transform(max) == points_clusters['count'] 
id_to_cluster = points_clusters[max_inds].drop_duplicates(subset ="id").set_index("id")["cluster"] 

次に、この番号の助けを借りて通りを列挙できるように、クラスタ番号をデータフレームに戻します。 DBSCANとEPS = 0.5（。このパラメータを指定して再生することができます - 1つのクラスタにそれらを得るために点間の最大距離であるEPS、あなたが得るlesssクラスターより）と、このデータについては

df["cluster"] = df["id"].map(id_to_cluster) 

、私たちはこの絵のようなものがあります。

plt.scatter(np.array(coords)[:, 0], np.array(coords)[:, 1], c=clusters, cmap="autumn") 
plt.show() 

、別の通りの数は8です。

print(len(df["cluster"].drop_duplicates())) 

低いepsを作成すると、コードの乱雑一部について

：CLUST = DBSCAN（EPSは= 0.15）、我々は、より優れたデータを分離するクラスタ（この時点では12）を取得し、ソースデータフレームに、我々は170行を有し、各行別のLINESTRINGオブジェクトです。各ラインストリングは2次元の点で構成され、点の数はラインストリング間で異なります。だからまず、すべてのポイント（コード内の "coords"リスト）を取得し、各ポイントのクラスターを予測します。 1つのLINESTRINGのポイントで異なるクラスターを表示する可能性はわずかです。この状況を解決するために、各クラスタの数を取得し、最大値をフィルタリングします。