注意：以下翻译的准确性尚未经过验证。这是使用 AIP ↗ 从原始英文文本进行的机器翻译。
您可以使用Pipeline Builder应用程序加载、变换和运用地理空间数据，而无需编写任何代码。Pipeline Builder的地理空间套件几乎与下文描述的Geospatial Tools Python库相媲美。了解有关Pipeline Builder地理空间功能的更多信息。
Geospatial Tools是一个Python库，托管可重用的逻辑，用于在Foundry中的矢量地理空间数据管道上执行常见变换。此库中提供的函数旨在用于Python变换中，以简化这些常见操作与您其余管道逻辑的集成。
该库目前包括辅助函数以：
导入 geospatial-tools 和 Spark 配置文件 GEOSPARK 到您的Python库中。如需安装帮助，请联系您的Palantir代表。
切换隐藏文件和文件夹，并在 /transforms-python/build.gradle 的最底部添加以下代码块：
Copied!1dependencies { 2 condaJars "org.apache.sedona:sedona-spark-shaded-3.4_2.12:1.7.0" 3 condaJars "org.datasyslab:geotools-wrapper:1.7.0-28.5" 4}
所有使用 geospatial-tools 库的变换都需要使用 @geospatial() 装饰器（位于任何其他装饰器之上，例如 @transform_df() 和 @configure()）。这将在您的 Spark 环境中启用 Apache Sedona，并添加绑定以在 PySpark DataFrame 上进行空间合并。
Copied!1from transforms.api import transform_df, configure, Input, Output 2from geospatial_tools import geospatial 3 4@geospatial() # 应用地理空间装饰器，用于处理地理空间相关的数据 5@configure(...) # 配置函数参数，具体配置内容需要根据实际需求填写 6@transform_df(...) # 转换DataFrame的装饰器，参数需要指定输入和输出DataFrame 7def compute(input_df): 8 ...
在 Foundry 中清理后的地理空间数据是：
geospatial-tools 库提供了 clean_geometry() 和 lat_long_to_geometry() 来执行步骤 (2) 和 (3)。如果您的原始数据是 GeoJSON、Shapefile、GDB、KML 或 KMZ，您可以使用内置解析辅助函数来执行步骤 (1)。
clean_geometry(geometry, input_crs, geometry_format='geojson', lat_long=False, output_format='geojson')
通过使其有效并将 CRS 规范化为 EPSG:4326 来清理地理空间几何列。
geometry (str): 输入几何列名称。input_crs (str): 输入几何 CRS。geometry_format (str, 非必填): 输入几何格式。支持的格式有 geojson、geohash（包含 latitude,longitude 的字符串）、wkt 和 wkb。默认是 geojson。lat_long (bool, 非必填): 如果输入几何坐标按 latitude,longitude 排列，则为 true，这可能是 geohash 输入的情况，但对于 geojson 或 wkt 则不是。默认是 false。output_format (str, 非必填): 输出几何格式（geojson 或 geohash）。默认是 geojson。Copied!1from transforms.api import transform_df, Input, Output 2from geospatial_tools import geospatial 3from geospatial_tools.functions import clean_geometry 4 5@geospatial() 6@transform_df( 7 Output('/my/output/dataset'), 8 raw_df=Input('/my/input/dataset'), 9) 10def compute(raw_df): 11 clean_df = raw_df.withColumn('geometry', clean_geometry('geometry', 'EPSG:26910')) 12 return clean_df
lat_long_to_geometry(lat, long, input_crs, output_format='geojson')
将纬度和经度列转换为清理后的几何列。
lat (str): 输入纬度列名称。long (str): 输入经度列名称。input_crs (str): 输入几何 CRS。output_format (str, 非必填): 输出几何格式（geojson 或 geohash）。默认是 geojson。Copied!1from transforms.api import transform_df, Input, Output 2from geospatial_tools import geospatial 3from geospatial_tools.functions import lat_long_to_geometry 4 5@geospatial() 6@transform_df( 7 Output('/my/output/dataset'), 8 raw_df=Input('/my/input/dataset'), 9) 10def compute(raw_df): 11 clean_df = raw_df.withColumn('geohash', lat_long_to_geometry('latitude', 'longitude', 'EPSG:26910', output_format='geohash')) 12 return clean_df.drop('latitude', 'longitude')
geojson_to_dataframe(dataset, properties=None, glob='*.geojson', batch_size=100000)
将 GeoJSON 文件转换为数据帧。使用流处理来处理非常大的文件而不会耗尽驱动内存。
dataset (transforms.api.Input): 包含 GeoJSON 文件的输入数据集。properties (list[str], 非必填): 要创建列的属性列表。如果未提供，所有属性将包含在 JSON "properties" 列中。glob (str, 非必填): 用于识别数据集中 GeoJSON 文件的 glob 模式。默认是 *.geojson。batch_size (int, 非必填): 每批处理的记录数。如果驱动内存不足，应减小批量大小。默认是 100000。Copied!1from transforms.api import transform, Input, Output 2from geospatial_tools import geospatial 3from geospatial_tools.parsers import geojson_to_dataframe 4 5@geospatial() 6@transform( 7 output=Output('/my/output/dataset'), 8 raw=Input('/my/input/dataset'), 9) 10def compute(raw, output): 11 return output.write_dataframe( 12 geojson_to_dataframe(raw) 13 )
shapefile_to_dataframe(dataset, glob='*.shp')
将 shapefiles 转换为数据帧。
dataset (transforms.api.Input): 包含 shapefiles 的输入数据集。glob (str, 非必填): 用于识别数据集中 .shp 文件的 glob 模式。也期望其他相关文件存在，例如 .shp、.shx、.dbf。默认是 *.shp。Copied!1from transforms.api import transform, Input, Output 2from geospatial_tools import geospatial 3from geospatial_tools.parsers import shapefile_to_dataframe 4 5@geospatial() 6@transform( 7 output=Output('/my/output/dataset'), 8 raw=Input('/my/input/dataset'), 9) 10def compute(raw, output): 11 return output.write_dataframe( 12 shapefile_to_dataframe(raw) 13 )
gdb_to_dataframe(dataset, glob='*.gdb.zip', layer=None)
将 GeoDatabase 文件转换为数据帧。
dataset (transforms.api.Input): 包含压缩 GDB 文件的输入数据集。glob (str, 非必填): 用于识别数据集中 GDB 文件的 glob 模式。默认是 *.gdb.zip。layer (str, 非必填): 要读取的特定层。Copied!1from transforms.api import transform, Input, Output 2from geospatial_tools import geospatial 3from geospatial_tools.parsers import gdb_to_dataframe 4 5@geospatial() 6@transform( 7 output=Output('/my/output/dataset'), 8 raw=Input('/my/input/dataset'), 9) 10def compute(raw, output): 11 return output.write_dataframe( 12 gdb_to_dataframe(raw) 13 )
kml_to_dataframe(dataset, glob='*.kml')
将 KML 文件转换为数据帧。
dataset (transforms.api.Input): 包含 KML 文件的输入数据集。glob (str, 非必填): 用于识别数据集中 KML 文件的 glob 模式。默认是 *.kml。drop_invalid_layers (bool, 非必填): 默认为 false。如果设置为 true，则会默默删除 KML 文件中空的/无法解析的层。否则，会引发出错。Copied!1from transforms.api import transform, Input, Output 2from geospatial_tools import geospatial 3from geospatial_tools.parsers import kml_to_dataframe 4 5@geospatial() 6@transform( 7 output=Output('/my/output/dataset'), 8 raw=Input('/my/input/dataset'), 9) 10def compute(raw, output): 11 return output.write_dataframe( 12 kml_to_dataframe(raw) 13 )
kmz_to_dataframe(dataset, glob='*.kmz')
将 KMZ 文件转换为数据帧。
dataset (transforms.api.Input): 包含 KMZ 文件的输入数据集。glob (str, 非必填): 用于识别数据集中 KMZ 文件的 glob 模式。默认是 *.kmz。Copied!1from transforms.api import transform, Input, Output 2from geospatial_tools import geospatial 3from geospatial_tools.parsers import kmz_to_dataframe 4 5@geospatial() 6@transform( 7 output=Output('/my/output/dataset'), 8 raw=Input('/my/input/dataset'), 9) 10def compute(raw, output): 11 return output.write_dataframe( 12 kmz_to_dataframe(raw) 13 )
geohash_to_geojson(geometry)
将 geohash (lat,long) 列转换为 GeoJSON。
geometry (str): geohash 列名称。Copied!1from transforms.api import transform_df, Input, Output 2from geospatial_tools import geospatial 3from geospatial_tools.functions import geohash_to_geojson 4 5@geospatial() 6@transform_df( 7 Output('/my/output/dataset'), 8 df=Input('/my/input/dataset'), 9) 10def compute(df): 11 return df.withColumn('geometry', geohash_to_geojson('geohash'))
geojson_to_geohash(geometry)
将点 GeoJSON 列转换为 geohash (lat,long)。
geometry (str): 点 GeoJSON 几何列名称。Copied!1from transforms.api import transform_df, Input, Output 2from geospatial_tools import geospatial 3from geospatial_tools.functions import geojson_to_geohash 4 5@geospatial() 6@transform_df( 7 Output('/my/output/dataset'), 8 df=Input('/my/input/dataset'), 9) 10def compute(df): 11 return df.withColumn('geohash', geojson_to_geohash('geometry'))
buffer(geometry, meters, metric_crs='EPSG:3395')
根据给定距离缓冲 GeoJSON。
geometry (str): GeoJSON 几何列名称。meters (double): 缓冲距离（米）。metric_crs (str, 非必填): 用于转换和缓冲的指标 CRS（注意：此投影在中间步骤中使用。输出将保持与输入相同的投影）。应在目标区域附近居中以最小化失真。默认是 EPSG:3395。Copied!1from transforms.api import transform_df, Input, Output 2from geospatial_tools import geospatial 3from geospatial_tools.functions import buffer 4 5@geospatial() 6@transform_df( 7 Output('/my/output/dataset'), 8 df=Input('/my/input/dataset'), 9) 10def compute(df): 11 return df.withColumn('geometry', buffer('geometry', meters=10))
convex_hull(geometry)
返回 GeoJSON 列的凸包。
geometry (str): GeoJSON 几何列名称。Copied!1from transforms.api import transform_df, Input, Output 2from geospatial_tools import geospatial 3from geospatial_tools.functions import convex_hull 4 5@geospatial() 6@transform_df( 7 Output('/my/output/dataset'), 8 df=Input('/my/input/dataset'), 9) 10def compute(df): 11 return df.withColumn('convex_hull', convex_hull('geometry'))
bounding_box(geometry)
返回 GeoJSON 列的边界框。
geometry (str): GeoJSON 几何列名称。Copied!1from transforms.api import transform_df, Input, Output 2from geospatial_tools import geospatial 3from geospatial_tools.functions import bounding_box 4 5@geospatial() 6@transform_df( 7 Output('/my/output/dataset'), 8 df=Input('/my/input/dataset'), 9) 10def compute(df): 11 return df.withColumn('bounding_box', bounding_box('geometry'))
bounding_circle(geometry, segments=100)
返回 GeoJSON 列的边界圆。
geometry (str): GeoJSON 几何列名称。segments (int, 非必填): 构成圆的线段数。默认是 100。Copied!1from transforms.api import transform_df, Input, Output 2from geospatial_tools import geospatial 3from geospatial_tools.functions import bounding_circle 4 5@geospatial() 6@transform_df( 7 Output('/my/output/dataset'), 8 df=Input('/my/input/dataset'), 9) 10def compute(df): 11 return df.withColumn('bounding_circle', bounding_circle('geometry'))
simplify(geometry, tolerance, metric_crs='EPSG:3395')
减少 GeoJSON 形状中的顶点数。
geometry (str): GeoJSON 几何列名称。tolerance (double): 新顶点与原始形状之间的最大距离（米）。metric_crs (str, 非必填): 用于计算容差的指标 CRS（注意：此投影在中间步骤中使用。输出将保持与输入相同的投影）。应在目标区域附近居中以最小化失真。默认是 EPSG:3395。Copied!1from transforms.api import transform_df, Input, Output 2from geospatial_tools import geospatial 3from geospatial_tools.functions import simplify 4 5@geospatial() 6@transform_df( 7 Output('/my/output/dataset'), 8 df=Input('/my/input/dataset'), 9) 10def compute(df): 11 return df.withColumn('geometry', simplify('geometry', tolerance='10'))
start_point(geometry)
返回 GeoJSON LineString 列的第一个点。
geometry (str): GeoJSON 几何列名称。Copied!1from transforms.api import transform_df, Input, Output 2from geospatial_tools import geospatial 3from geospatial_tools.functions import start_point 4 5@geospatial() 6@transform_df( 7 Output('/my/output/dataset'), 8 df=Input('/my/input/dataset'), 9) 10def compute(df): 11 return df.withColumn('start_point', start_point('geometry'))
end_point(geometry)
返回 GeoJSON LineString 列的最后一个点。
geometry (str): GeoJSON 几何列名称。Copied!1from transforms.api import transform_df, Input, Output 2from geospatial_tools import geospatial 3from geospatial_tools.functions import end_point 4 5@geospatial() 6@transform_df( 7 Output('/my/output/dataset'), 8 df=Input('/my/input/dataset'), 9) 10def compute(df): 11 return df.withColumn('end_point', end_point('geometry'))
centroid(geometry)
返回 GeoJSON 列的质心。
geometry (str): GeoJSON 几何列名称。Copied!1from transforms.api import transform_df, Input, Output 2from geospatial_tools import geospatial 3from geospatial_tools.functions import centroid 4 5@geospatial() 6@transform_df( 7 Output('/my/output/dataset'), 8 df=Input('/my/input/dataset'), 9) 10def compute(df): 11 return df.withColumn('centroid', centroid('geometry'))
intersection(geometry1, geometry2)
返回两个 GeoJSON 相交的形状。
geometry1 (str): 第一个 GeoJSON 几何列名称。geometry2 (str): 第二个 GeoJSON 几何列名称。Copied!1from transforms.api import transform_df, Input, Output 2from geospatial_tools import geospatial 3from geospatial_tools.functions import intersection 4 5@geospatial() 6@transform_df( 7 Output('/my/output/dataset'), 8 df=Input('/my/input/dataset'), 9) 10def compute(df): 11 return df.withColumn('intersection', intersection('geometry1', 'geometry2'))
difference(geometry1, geometry2)
返回 geometry1 中不与 geometry2 相交的部分。
geometry1 (str): 第一个 GeoJSON 几何列名称。geometry2 (str): 第二个 GeoJSON 几何列名称。Copied!1from transforms.api import transform_df, Input, Output 2from geospatial_tools import geospatial 3from geospatial_tools.functions import difference 4 5@geospatial() 6@transform_df( 7 Output('/my/output/dataset'), 8 df=Input('/my/input/dataset'), 9) 10def compute(df): 11 return df.withColumn('difference', difference('geometry1', 'geometry2'))
symmetric_difference(geometry1, geometry2)
返回一个形状，其中包含 geometry1 和 geometry2 不重叠的部分。
geometry1 (str): 第一个 GeoJSON 几何列名称。geometry2 (str): 第二个 GeoJSON 几何列名称。Copied!1from transforms.api import transform_df, Input, Output 2from geospatial_tools import geospatial 3from geospatial_tools.functions import symmetric_difference 4 5@geospatial() 6@transform_df( 7 Output('/my/output/dataset'), 8 df=Input('/my/input/dataset'), 9) 10def compute(df): 11 return df.withColumn('symmetric_difference', symmetric_difference('geometry1', 'geometry2'))
union(geometry1, geometry2)
返回两个形状的并集。
geometry1 (str): 第一个 GeoJSON 几何列名称。geometry2 (str): 第二个 GeoJSON 几何列名称。Copied!1from transforms.api import transform_df, Input, Output 2from geospatial_tools import geospatial 3from geospatial_tools.functions import union 4 5@geospatial() 6@transform_df( 7 Output('/my/output/dataset'), 8 df=Input('/my/input/dataset'), 9) 10def compute(df): 11 return df.withColumn('union', union('geometry1', 'geometry2'))
distance(geometry1, geometry2, metric_crs='EPSG:3395')
返回两个 GeoJSON 几何之间的欧氏距离（米）。
geometry1 (str): 第一个 GeoJSON 几何列名称。geometry2 (str): 第二个 GeoJSON 几何列名称。metric_crs (str, 非必填): 用于计算距离的指标 CRS。应在目标区域附近居中以最小化失真。默认是 EPSG:3395。Copied!1from transforms.api import transform_df, Input, Output 2from geospatial_tools import geospatial 3from geospatial_tools.functions import distance 4 5@geospatial() 6@transform_df( 7 Output('/my/output/dataset'), 8 df=Input('/my/input/dataset'), 9) 10def compute(df): 11 return df.withColumn('distance', distance('geometry1', 'geometry2'))
length(geometry, metric_crs='EPSG:3395')
返回 GeoJSON 形状的长度/周长（米）。
geometry (str): GeoJSON 几何列名称。metric_crs (str, 非必填): 用于计算长度的指标 CRS。应在目标区域附近居中以最小化失真。默认是 EPSG:3395。Copied!1from transforms.api import transform_df, Input, Output 2from geospatial_tools import geospatial 3from geospatial_tools.functions import length 4 5@geospatial() 6@transform_df( 7 Output('/my/output/dataset'), 8 df=Input('/my/input/dataset'), 9) 10def compute(df): 11 return df.withColumn('perimeter', length('geometry'))
area(geometry, metric_crs='EPSG:3395')
返回 GeoJSON 多边形的面积（平方米）。
geometry (str): GeoJSON 几何列名称。metric_crs (str, 非必填): 用于计算面积的指标 CRS。应在目标区域附近居中以最小化失真。默认是 EPSG:3395。Copied!1from transforms.api import transform_df, Input, Output 2from geospatial_tools import geospatial 3from geospatial_tools.functions import area 4 5@geospatial() 6@transform_df( 7 Output('/my/output/dataset'), 8 df=Input('/my/input/dataset'), 9) 10def compute(df): 11 return df.withColumn('area', area('geometry'))
contains(geometry1, geometry2)
如果 geometry1 完全包含 geometry2，则返回 true。
geometry1 (str): 定义谓词的 GeoJSON 列。geometry2 (str): 要针对 geometry1 测试的 GeoJSON 列。Copied!1from transforms.api import transform_df, Input, Output 2from geospatial_tools import geospatial 3from geospatial_tools.functions import contains 4 5@geospatial() 6@transform_df( 7 Output('/my/output/dataset'), 8 df=Input('/my/input/dataset'), 9) 10def compute(df): 11 return df.withColumn('geometry1_contains_geometry2', contains('geometry1', 'geometry2'))
intersects(geometry1, geometry2)
如果 geometry1 与 geometry2 相交，则返回 true。
geometry1 (str): 第一个 GeoJSON 几何列名称。geometry2 (str): 第二个 GeoJSON 几何列名称。Copied!1from transforms.api import transform_df, Input, Output 2from geospatial_tools import geospatial 3from geospatial_tools.functions import intersects 4 5@geospatial() 6@transform_df( 7 Output('/my/output/dataset'), 8 df=Input('/my/input/dataset'), 9) 10def compute(df): 11 return df.withColumn('geometry1_intersecting_geometry2', intersects('geometry1', 'geometry2'))
agg_union(geometry)
返回通过合并组中所有几何体创建的形状（聚合并集）。
geometry (str): GeoJSON 几何列名称。Copied!1from transforms.api import transform_df, Input, Output 2from geospatial_tools import geospatial 3from geospatial_tools.functions import agg_union 4 5@geospatial() 6@transform_df( 7 Output('/my/output/dataset'), 8 df=Input('/my/input/dataset'), 9) 10def compute(df): 11 return df.groupBy('country').agg(agg_union('geometry').alias('geometry'))
agg_intersection(geometry)
返回通过组中所有几何体的相交创建的形状（聚合相交）。
geometry (str): GeoJSON 几何列名称。Copied!1from transforms.api import transform_df, Input, Output 2from geospatial_tools import geospatial 3from geospatial_tools.functions import agg_intersection 4 5@geospatial() 6@transform_df( 7 Output('/my/output/dataset'), 8 df=Input('/my/input/dataset'), 9) 10def compute(df): 11 return df.groupBy('country').agg(agg_intersection('geometry').alias('geometry'))
agg_bounding_box(geometry)
返回组中所有几何体的边界框（聚合边界框）。
geometry (str): GeoJSON 几何列名称。Copied!1from transforms.api import transform_df, Input, Output 2from geospatial_tools import geospatial 3from geospatial_tools.functions import agg_bounding_box 4 5@geospatial() 6@transform_df( 7 Output('/my/output/dataset'), 8 df=Input('/my/input/dataset'), 9) 10def compute(df): 11 return df.groupBy('country').agg(agg_bounding_box('geometry').alias('geometry'))
subdivide_explode(df, geometry, max_vertices)
将 GeoJSON 形状划分为更小的组件，返回每个组件的一行。用于优化包含非常复杂形状的列上的空间合并。
df (PySpark DataFrame): 输入数据帧。geometry (str): GeoJSON 几何列名称。max_vertices (int): 每个组件的最大顶点数。Copied!1from transforms.api import transform_df, Input, Output 2from geospatial_tools import geospatial 3from geospatial_tools.functions import subdivide_explode 4 5@geospatial() 6@transform_df( 7 Output('/my/output/dataset'), 8 df=Input('/my/input/dataset'), 9) 10def compute(df): 11 return subdivide_explode(df, 'geometry', max_vertices=1000)
DataFrame.spatial_join(right_df, on, how='inner', **kwargs)
使用空间交集合并两个数据帧。
right_df (PySpark DataFrame): 合并的右侧。on (tuple<str, str>): (left_geometry_column_name, right_geometry_column_name) 的元组。how (str, 非必填): 合并类型（支持与常规 PySpark 合并相同的合并类型）。默认是 inner。library (str, 非必填): 使用哪个库进行合并，h3 或 sedona。默认是 h3。resolution (int, 非必填): 用于合并的 H3 分辨率（注意：这不影响结果，仅用于优化）。如果包含 library='sedona'，则会引发异常。如果未包含，将推断出最佳猜测分辨率。left_partitions (int, 非必填): 使用 library=sedona 时左数据帧默认重新分区方案的可选覆盖。如果包含时使用 H3，会引发异常。right_partitions (int, 非必填): 使用 library=sedona 时右数据帧默认重新分区方案的可选覆盖。如果包含时使用 H3，会引发异常。left_pk (str, 非必填): 合并左侧的主键列。如果未设置，将自动生成一个 PK。right_pk (str, 非必填): 合并右侧的主键列。如果未设置，将自动生成一个 PK。Copied!1from transforms.api import transform_df, Input, Output 2from geospatial_tools import geospatial 3 4@geospatial() 5@transform_df( 6 Output('/my/output/dataset'), 7 df1=Input('/my/input/dataset1'), 8 df2=Input('/my/input/dataset2'), 9) 10def compute(df1, df2): 11 return df.spatial_join(df2, ('df1_geometry', 'df2_geometry'), 'left')
DataFrame.distance_join(right_df, on, distance_meters, how='inner', metric_crs='EPSG:3395', **kwargs)
在两个数据帧上执行距离合并。
right_df (PySpark DataFrame): 合并的右侧。on (tuple<str, str>): (left_geometry_column_name, right_geometry_column_name) 的元组。distance_meters (double): 合并距离（米）。how (str, 非必填): 合并类型（支持与常规 PySpark 合并相同的合并类型）。默认是 inner。metric_crs (str, 非必填): 用于计算距离的指标 CRS。应在目标区域附近居中以最小化失真。默认是 EPSG:3395。left_pk (str, 非必填): 合并左侧的主键列。如果未设置，将自动生成一个 PK。right_pk (str, 非必填): 合并右侧的主键列。如果未设置，将自动生成一个 PK。library (str, 非必填): 使用哪个库进行合并，h3 或 sedona。默认是 h3。resolution (int, 非必填): 用于合并的 H3 分辨率（注意：这不影响结果，仅用于优化）。如果包含 library='sedona'，则会引发异常。如果未包含，将推断出最佳猜测分辨率。left_partitions (int, 非必填): 使用 library=sedona 时左数据帧默认重新分区方案的可选覆盖。如果包含时使用 H3，会引发异常。right_partitions (int, 非必填): 使用 library=sedona 时右数据帧默认重新分区方案的可选覆盖。如果包含时使用 H3，会引发异常。Copied!1from transforms.api import transform_df, Input, Output 2from geospatial_tools import geospatial 3 4@geospatial() 5@transform_df( 6 Output('/my/output/dataset'), 7 df1=Input('/my/input/dataset1'), 8 df2=Input('/my/input/dataset2'), 9) 10def compute(df1, df2): 11 return df.distance_join(df2, ('df1_geometry', 'df2_geometry'), 10, 'left')
DataFrame.knn_join(right_df, on, k, metric_crs='EPSG:3395', **kwargs)
执行右数据帧中 k 近邻的左合并。
right_df (PySpark DataFrame): 合并的右侧。on (tuple<str, str>): (left_geometry_column_name, right_geometry_column_name) 的元组。k (int): 左数据帧中每条记录应匹配的右数据帧中的记录数。metric_crs (str, 非必填): 用于计算距离的指标 CRS。应在目标区域附近居中以最小化失真。默认是 EPSG:3395。resolution (int, 非必填): 用于合并的 H3 分辨率（注意：这不影响结果，仅用于优化）。如果未包含，将推断出最佳猜测分辨率。left_pk (str, 非必填): 合并左侧的主键列。如果未设置，将自动生成一个 PK。right_pk (str, 非必填): 合并右侧的主键列。如果未设置，将自动生成一个 PK。Copied!1from transforms.api import transform_df, Input, Output 2from geospatial_tools import geospatial 3 4@geospatial() 5@transform_df( 6 Output('/my/output/dataset'), 7 df1=Input('/my/input/dataset1'), 8 df2=Input('/my/input/dataset2'), 9) 10def compute(df1, df2): 11 return df.knn_join(df2, ('df1_geometry', 'df2_geometry'), k=1)
geopandas_spatial_join(df_left, df_right, geometry_left, geometry_right, how='inner', op='intersects')
计算两个 Geopandas 数据帧的空间合并。实现 Geopandas 的 'sjoin' 方法。期望两个数据帧都包含一个 GeoJSON 几何列，其名称通过 geometry_left 和 geometry_right 参数传递。
DataFrame.spatial_join 函数。df_left (pandas.DataFrame ↗): 左输入数据帧。df_right (pandas.DataFrame ↗): 右输入数据帧。geometry_left (str): 左数据帧的几何列名称。geometry_right (str): 右数据帧的几何列名称。how (str, 非必填): 合并类型，{left, right, inner} 之一。默认是 inner。op (str, 非必填): 合并条件，{intersects, contains, within} 之一。默认是 intersects。Copied!1from transforms.api import transform, Input, Output 2from geospatial_tools.spatial_joins import geopandas_spatial_join 3 4@transform( 5 output=Output('/my/output/dataset'), 6 input_df_left=Input('/my/input/dataset/left'), 7 input_df_right=Input('/my/input/dataset/right'), 8) 9def join(ctx, output, input_df_left, input_df_right): 10 df_left = input_df_left.dataframe().toPandas() 11 df_right = input_df_right.dataframe().toPandas() 12 geometry_left = 'geometry' 13 geometry_right = 'geometry' 14 15 joined = geopandas_spatial_join( 16 df_left, 17 df_right, 18 geometry_left, 19 geometry_right, 20 how='inner', 21 op='intersects' 22 ) 23 joined = ctx.spark_session.createDataFrame(joined) 24 output.write_dataframe(joined)
请联系您的 Palantir 代表以报告任何问题或反馈。