我有大量多边形 (~100000)，并尝试找到一种聪明的方法来计算它们与规则网格单元的相交面积。
目前，我正在使用 shapely(基于它们的角坐标)创建多边形和网格单元。然后，我使用一个简单的 for 循环遍历每个多边形并将其与附近的网格单元格进行比较。
只是一个小例子来说明多边形/网格单元。
from shapely.geometry import box, Polygon
# Example polygon
xy = [[130.21001, 27.200001], [129.52, 27.34], [129.45, 27.1], [130.13, 26.950001]]
polygon_shape = Polygon(xy)
# Example grid cell
gridcell_shape = box(129.5, -27.0, 129.75, 27.25)
# The intersection
polygon_shape.intersection(gridcell_shape).area
(顺便说一句:网格单元的尺寸为 0.25x0.25，多边形最大为 1x1)
实际上，这对于大约 0.003 秒的单个多边形/网格单元组合来说是相当快的。但是，在我的机器上运行大量多边形(每个多边形可能与数十个网格单元相交)大约需要 15 分钟以上(最多 30 分钟以上，具体取决于相交网格单元的数量)，这是 Not Acceptable 。不幸的是，我不知道如何为多边形相交编写代码以获得重叠区域。你有什么建议吗？有没有身材匀称的替代品？
最佳答案
考虑使用 Rtree帮助识别多边形可能与哪些网格单元相交。这样，您可以删除与 lat/lons 数组一起使用的 for 循环，这可能是缓慢的部分。
像这样构造你的代码:
from shapely.ops import cascaded_union
from rtree import index
idx = index.Index()
# Populate R-tree index with bounds of grid cells
for pos, cell in enumerate(grid_cells):
# assuming cell is a shapely object
idx.insert(pos, cell.bounds)
# Loop through each Shapely polygon
for poly in polygons:
# Merge cells that have overlapping bounding boxes
merged_cells = cascaded_union([grid_cells[pos] for pos in idx.intersection(poly.bounds)])
# Now do actual intersection
print(poly.intersection(merged_cells).area)
关于python - 多边形相交与匀称的更快方法，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/14697442/