终结一切找不到包（第三方库）的问题。
经常在互联网上看到python的求助问题：
我安装了 pip 为什么运行报找不到可执行文件？
import module 为什么报 ModuleNotFound？
为什么我用 Pycharm 能运行在 cmd 里运行不了？
授人以鱼不如授人以渔，要解决这类问题，你得知道 Python 是如何找包的。希望看完这篇文章，能有所帮助。
Python 是如何寻找包的现在大家的电脑上很可能不只有一个 Python，还有更多的虚拟环境，导致安装包的时候，一不小心你就忘记注意安装包的路径了。首先我们来解决找包的问题，这个问题回答起来很简单，但很多人不知道这个原理。假如你的 Python 解释器的路径是 $path_prefix/bin/python，那么你启动 Python 交互环境或者用这个解释器运行脚本时，会默认寻找以下位置1：
$path_prefix/lib（标准库路径）
$path_prefix/lib/pythonX.Y/site-packages（三方库路径，X.Y 是对应 Python 的主次版本号，如 3.7, 2.6）
当前工作目录（ ...
在地理信息系统中，Shapefile（.shp）是一种非常常见的矢量数据格式，用于存储地理要素的空间信息和属性数据。在处理大量Shapefile时，有时需要将多个文件合并成一个，以便于统一管理和分析。本文将介绍如何使用Python的GDAL/OGR库实现多个Shapefile文件的合并操作，并讨论其中的一些技术细节和注意事项。
一、背景介绍
GDAL/OGR是一个开源的地理数据转换库，提供了丰富的地理数据读写和处理功能。在Python中，我们可以通过osgeo模块来使用GDAL/OGR库。GDAL主要用于栅格数据的处理，而OGR则专注于矢量数据的处理。通过OGR，我们可以方便地读取、创建和修改Shapefile文件。
二、合并多个Shapefile文件
为了合并多个Shapefile文件，我们首先需要获取这些文件的路径列表，然后逐个读取文件并提取其中的地理要素和属性数据。最后，将这些数据写入一个新的Shapefile文件中。
以下是一个简单的Python类MultipleShpMerge，用于实现多个Shapefile文件的合并操作：
import glob
import os
fro ...
在地理和导航领域，我们经常使用度分秒（DMS）和十进制度数（DD）两种格式来表示经纬度。这两种格式各有优缺点，但在某些应用场景下，我们需要将一种格式转换为另一种格式。本文将介绍如何使用Python实现这两种格式之间的转换，并解释其背后的原理。
一、度分秒（DMS）与十进制度数（DD）简介
度分秒（DMS）是一种传统的角度表示方法，它将一个角度分为度、分和秒三个部分。在地理坐标中，度通常表示大单位，分和秒表示更小的单位。例如，北纬35度14分57.18秒可以表示为35º 14’ 57.18” N。
十进制度数（DD）则是一种更简洁的表示方法，它将角度表示为一个小数。例如，北纬35度14分57.18秒可以转换为十进制度数35.249216度。
二、从十进制度数转换为度分秒
import math
import re
def dd2dms(lat, lon):
latf, latn = math.modf(lat)
lonf, lonn = math.modf(lon)
latd = int(latn)
latm = int( ...
1.在平常，我时常玩chatgpt，它是个好工具。在写代码，我时常玩copilot，它也是个好工具。
copilot是微软开发的，而微软是开发chatgpt的openai的股东，所以copilot也就是调用了chatgpt的接口，copilot可以视为类gpt的工具，同理，国内的文心一言也是如此。
类gpt的东西是一个好工具，真真正正的提高工作效率。
首先这不是广告，也不需要我给它们打广告。
这是一篇关于使用copilot、chatgpt的使用感受。
2.我使用了chatgpt一年多，切切实实提高工作效率，一些问题直接复制去问它。简直把它当成了百度使用。
chatgpt有缺点吗？是有的，对于特定知识，它只会胡说八道一塌糊涂。
比如，我问它：利用最小二乘法拟合RPC参数。
这时候，gpt在一本正经的胡说八道，因为我问到了它的知识盲区，而它却试图掩盖自身缺点。
这个时候，不是它的错，而我的错。我问了一些特定领域的问题，显示是想为难它，因为它没有接触过相关的资料，不懂也是正常的。
3.纵使存在缺点，但是gpt的优点是大于缺点的。
对于通用知识，它显得过于强大。有人考雅思用它来改作文进而提升。 ...
在路线规划和高精度地图要素采集的过程中，获取道路的中心线是非常关键的步骤。这个过程本质上是将特殊的面矢量转化为线矢量。深度学习技术，特别是卷积神经网络（CNN），可以用于识别图像中的道路，生成一个道路的面矢量图，其中每个像素都被标记为“道路”或“非道路”。然后，我们需要将这个面矢量图转化为道路的中心线。这通常可以通过使用骨架化或细化技术来实现，这些技术可以将二维的面矢量细化为一维的线矢量，即道路的中心线。这样，我们就可以从深度学习生成的道路面矢量图中获取到道路的中心线，为路线规划和高精度地图要素采集提供重要信息。
本文主要讲解如何端对端获取道路中心线，不涉及深度学习道路识别。
输入是道路面矢量，输出是道路中心线矢量
代码# -*- coding: utf-8 -*-
# @Time : 2024/4/21 20:48
# @File : road_centerline.py
# 获取代表道路轮廓（红线）的多边形中心线
import geopandas as gpd
import pygeoops
def generate_centerline(input_shapefil ...
在路线规划和高精度地图要素采集的过程中，获取道路的中心线是非常关键的步骤。这个过程本质上是将特殊的面矢量转化为线矢量。深度学习技术，特别是卷积神经网络（CNN），可以用于识别图像中的道路，生成一个道路的面矢量图，其中每个像素都被标记为“道路”或“非道路”。然后，我们需要将这个面矢量图转化为道路的中心线。这通常可以通过使用骨架化或细化技术来实现，这些技术可以将二维的面矢量细化为一维的线矢量，即道路的中心线。这样，我们就可以从深度学习生成的道路面矢量图中获取到道路的中心线，为路线规划和高精度地图要素采集提供重要信息。
本文主要讲解如何端对端获取道路中心线，不涉及深度学习道路识别。
输入是道路面矢量，输出是道路中心线矢量
代码# -*- coding: utf-8 -*-
# @Time : 2024/4/21 20:48
# @File : road_centerline.py
# 获取代表道路轮廓（红线）的多边形中心线
import geopandas as gpd
import pygeoops
def generate_centerline(input_shapefil ...
在地理信息系统（GIS）中，矢量数据是最基本的数据类型之一。它们用于表示地理空间中的对象，包括它们的形状、位置和属性。矢量数据的主要类型包括点（Point）、线（LineString）和面（Polygon）。在这个讨论中，我们将重点关注面矢量的数据结构和操作。
面矢量（Polygon）是由一个外部轮廓和零个或多个内部轮廓（空洞）组成的。外部轮廓定义了多边形的形状和大小，而内部轮廓则定义了多边形内部的空洞。理解这种数据结构是理解和操作地理数据的关键，无论是从文件中读取数据，还是创建自己的多边形对象。
在本文中，我们将首先介绍如何使用Python的shapely库创建和操作Polygon对象。然后，我们将介绍如何使用fiona库从shp文件中读取矢量数据。最后，我们将介绍多面（MultiPolygon）的概念，这是由多个面（Polygon）组成的几何对象，常用于表示一组不连续的地理区域，例如群岛。
让我们开始吧！
怎么读取shp文件首先我们学习一个知识点，如果将shp文件读取为Polygon对象。我们用到了Python的fiona库
import fiona
with fiona.open ...
安装cars库安装cars库，如果你是windows用户，需要安装微软的c++开发工具。地址如下：
https://visualstudio.microsoft.com/visual-cpp-build-tools/
安装过程如下图所示。
安装已成功。
在命令行输入：
pip install cars
cars库已安装成功。如下图所示。
1） 默认参数def hello(name, greeting="Hi"):
print(greeting, name)
hello("韩梅梅")
# Hi 韩梅梅
hello("韩梅梅"， greeting = "你好")
# 你好 韩梅梅
在 hello(“韩梅梅”)中，我们没有在greeting中传递任何信息。这意味着它默认为 “hi
在hello(“韩梅梅”， greeting = “你好”)中，我们将 “hello “传入了 greeting。也就是说，我们覆盖了默认参数，并指定 greeting = ‘你好’
如果函数中有大量参数，而我们又不希望每次调用函数时都要输入每个参数，那么这种方法就非常有用。
2）形参和实参在我学习 Python 的最初一年，我以为它们的意思是一样的。
但也不尽然。有一点区别。
比方说，我们有一个简单的函数，它接收 (a, b) 并返回它们的平均值。
def add(a, b):
return a+b
形参是我们定义函数时写在括号内的变量。这里，a 和 b 就是形参。
def add(a, b):
return a+b
x = add(3 ...
通用横轴墨卡托（UTM）是一种地图投影方法，它提供了一种为地球上的位置指定坐标的方式。像传统的经纬度系统一样，UTM也是一种水平位置表示法，这意味着它忽略了高度信息，而将地球表面视为一个理想的椭球体。然而，UTM与经纬度系统的主要区别在于，它将地球分割为60个区域，并将每个区域投影到一个平面上，作为坐标的基础。在这个系统中，位置的指定需要明确其所在的UTM区域以及在该区域内的x和y坐标。从椭球体到UTM区域的投影基于横向墨卡托投影的一系列参数，这些参数可能会因国家、地区或地图系统的不同而有所差异。
UTM系统将地球划分为60个区域，每个区域的经度跨度为6°。第一区覆盖了从西经180°到174°的地区，然后区域编号向东递增，直到第60区，覆盖东经174°到180°的地区。值得注意的是，南纬80°以南和北纬84°以北的极地区域并未纳入这个系统中。
随着接近UTM区域的边界，尺度的失真会逐渐增大。然而，在实际操作中，我们常常需要在两个相邻的区域内对一系列位置进行测量，这时使用单一的网格进行测量就显得尤为方便和必要。在大比例尺地图（如1:100,000或更大）的边界区域，制图者通常会在距离区 ...
