将新的匀称点匹配到一系列匀称的多边形 - 快速[重复]

Question

我有一系列不重叠的形状多边形 (>1000)。我想引入一个新的形状点，并想快速知道该点在哪个多边形中。我为此有一个 for 循环，但我正在寻找一种更快的方法。

from shapely.geometry import Point
from shapely.geometry.polygon import Polygon

test_points  = pd.Series([[(0,1), (1,1), (1,0)], [(0,0), (0,1), (1,0)]])

# a Dataframe containing my polygons and an id
polygonized_points = pd.DataFrame({"polygons" : test_points.map(lambda x : Polygon(x)), "id" : range(0, len(test_points), 1)})

# a new point
new_point = Point(0.4, 0.3)

# allocation of point to hexes (which I want to be faster)
for idx, row in polygonized_points.iterrows() :
    if row.polygons.contains(new_point) :
        new_point_in_id = row.id # imagine this would be a df with an empty column for the id variable

我很确定我错过了一些东西来加速这个 b/c 我认为 for 循环不能很好地扩展。感谢您的帮助！最好的

Answer 1

在这种情况下，for 循环不是问题：多边形测试中的点很慢。优化代码意味着优化多边形测试中的点数，这通常使用空间索引来完成。这个答案：来自 GIS Stack-Exchange 的https://gis.stackexchange.com/a/119935 很好地列出了许多可能的空间索引策略。 for 循环有大约 1000 次重复，无需担心。一个很好的可能性是使用 R-Tree，就像来自这个 Python 包：https://toblerity.org/rtree/。在拟合（多边形的）边界框后，R-Tree 搜索效率很高。之后，您只对在边界框内具有点的多边形（通常为 2-5）执行代价高昂的多边形点测试。