空间数据和遥感处理的 Python 库综合指南

写代码有几年了，平常我的主力语言是python。总体来说，python相对于其他语言可以说是很简单。很多事情和python是一样的，入门容易，精通难。

为什么我经常使用python，原因在于Python 是地理信息系统（GIS）和遥感领域的热门编程语言。Python 的强大之处在于它拥有丰富的库，这些库不仅让处理大量的空间数据变得更加简单，还能帮助我们进行复杂的地理数据分析和可视化展示。无论是处理卫星影像，还是做地理空间数据的计算，Python 都提供了适合新手和专业人士使用的工具。

本文探讨了我本人使用处理 GIS 和遥感数据的一些 Python 库。

GIS 和遥感领域的顶级 Python 库

1. GDAL/OGR

GDAL是几乎所有地理空间软件的支柱和重要组成部分。很多的gis软件在底层都使用gadl来处理数据，不限于arcgis、google earth等。

GDAL 支持读取、写入和转换栅格数据格式。而OGR 可处理矢量格式。

提一嘴，以前我在安装gdal的时候，一般是先下载whl文件，然后在本地安装。

后面使用linux多了，安装gdal的流程也发生了改变。

现在是无论是win系统还是linux系统，安装gdal的流程统一为：

1、先安装miniconda

2、利用conda安装gdal，安装语句是conda install gdal

2. rasterio

Rasterio 简化了地理空间栅格数据的处理，使读取、写入和操作栅格图像变得容易。它效率很高，并且与 NumPy 很好地集成在一起进行数值运算。

如果你的工作涉及栅格数据，比如卫星图像，那么 Rasterio 就是一个很好的选择。Rasterio 可以读写多种栅格数据格式，并支持多种坐标参考系统（CRS），使得数据转换变得更加方便。

此外，rasterio的底层使用了gdal，而且rasterio的代码写的非常优雅，我们完全可以去看rasterio的源代码，学习优秀的代码，慢慢入门遥感编程开发。

3.fiona

fiona 使读取和写入矢量数据格式（如 Shapefile、GeoJSON 和 KML）变得容易。它基于 OGR 构建，但提供了更 Pythonic的写法。

fiona不仅简化矢量数据的读写，而且支持多种格式（Shapefile、GeoJSON、KML）。值得注意的是是，fiona能够有效处理几何、投影和 CRS。

在我的以往的编程经历中，fiona是在打包exe的时候会出现问题。

4. GeoPandas

GeoPandas 是一个基于 Pandas 的库，它增加了对地理空间数据的支持。通过 GeoPandas，你可以轻松地读取、写入和操作空间数据格式，如 Shapefile。它还提供了空间操作功能，比如缓冲区创建、交集计算等。

GeoPandas非常强大，但是，如果你打算把程序打包为exe，非常不建议你使用这个库。

5.Pyproj

Pyproj 是 PROJ 库的 Python 接口，用于在不同坐标系之间进行转换。它允许您处理地理空间转换，确保来自不同来源的数据正确对齐。

处理来自不同投影或坐标系统的数据时，Pyproj 必不可少。它通常与 GDAL、Fiona 或 GeoPandas 一起使用，以确保地理数据正确对齐。

6. Shapely

Shapely 提供矢量数据的几何运算和操作。它支持缓冲、交集、并集和差集等操作，使用户能够轻松执行空间查询和操作。

Shapely 对于涉及操作或分析几何图形的 GIS 任务是必不可少的，例如计算多边形的面积或查找地理特征之间的交点。