🔗https://doi.org/10.1016/j.compenvurbsys.2026.102495

期刊：Computers, Environment and Urban Systems
发表时间：2026年7月
研究主题：GeoPandas、Python空间分析、矢量数据结构、开源GIS、地理计算
文章类型：软件架构与生态综述
核心内容：GeometryArray、GeoSeries、GeoDataFrame、Shapely、空间索引、空间连接、坐标系统、PyOGRIO、GeoParquet、Dask-GeoPandas

对于很多地理学研究者来说，GeoPandas可能只是Python代码中的一句：

“import geopandas as gpd”。

读取Shapefile、计算缓冲区、空间连接、转换坐标系、叠加分析、绘制地图，这些操作如今似乎已经十分自然。但十多年前，Python中的空间分析并没有这样统一的数据结构。几何对象、属性表、投影信息和文件读写往往由不同工具分别负责，研究者需要自己把它们拼接起来。

这篇发表于Computers, Environment and Urban Systems的文章，由GeoPandas核心开发者团队共同撰写，第一次系统梳理GeoPandas十余年的发展历程、底层数据结构、软件依赖、性能提升、生态系统以及未来方向。

文章最重要的观点可以概括为一句话：

GeoPandas真正重要的地方，不只是提供了一套GIS函数，而是把“空间对象”变成了Python数据科学体系中的标准数据结构。

一旦点、线、面能够像普通表格变量一样进入DataFrame，GIS分析就能够自然连接统计分析、机器学习、网络分析、遥感、城市计算和人工智能。GeoPandas因此逐渐从一个方便处理Shapefile的小工具，演变成Python空间数据科学生态中最底层的基础设施之一。

为什么Python需要一个“空间版DataFrame”？

GeoPandas诞生于2013年。当时Python的数据科学体系已经开始围绕NumPy和pandas快速发展。pandas的DataFrame提供了一种非常直观的数据组织方式：每一行是一个观测对象，每一列是一个变量。

例如，一份住房数据可以表示为：

每一行是一套住房，列中存放价格、面积、房龄和楼层。

但空间数据多了一个关键问题：

一套房、一条道路或者一个行政区，不仅有属性，还有空间形状。

一个公交站可能对应Point，一个道路中心线对应LineString，一个街道或城市边界则对应Polygon。早期Python已经拥有Shapely，可以处理单个几何对象；Fiona可以读取和写入GIS文件；PySAL能够进行空间统计。但这些工具缺少一个统一的数据结构，将几何对象和属性表稳定地组织在一起。

这正是GeoPandas解决的问题。

它沿用了GIS长期形成的经典逻辑：一个地理对象对应一组属性，同时对应一个几何对象。

因此，一张普通pandas表格：

人口｜GDP｜收入

经过GeoPandas扩展后可以变成：

人口｜GDP｜收入｜geometry

最后一列geometry可以存储点、线、多边形等空间对象。

看似只是增加了一列，实际上这一设计意义很大。因为从此以后，空间数据既保持GIS的几何逻辑，又继承了pandas整套表格分析能力。筛选、分组、合并、统计和缺失值处理可以继续使用熟悉的pandas语法，而空间距离、缓冲区、相交关系和面积计算则通过GeoPandas完成。

GeoPandas真正做的事情，是把GIS世界和Python数据科学世界接了起来。

方法核心：GeoPandas的三层数据结构究竟是什么？

Fig. 1是整篇文章最值得理解的一张图。它展示了GeoPandas内部三个逐层嵌套的数据结构：GeometryArray、GeoSeries和GeoDataFrame。

如果把GeoPandas想象成一栋建筑，GeometryArray相当于地基，GeoSeries是一列真正可供使用的空间数据，GeoDataFrame则是研究者日常操作的完整数据表。

最底层是GeometryArray。

GeometryArray本质上是一维几何数组。里面存放的每一个对象都是Shapely geometry，例如Point、LineString或者Polygon。

用户平时很少直接操作GeometryArray，但大量核心空间能力实际上定义在这一层。它记录整组几何对象的坐标参考系统CRS，同时维护空间索引，并提供矢量化几何运算。

这里的“矢量化”非常重要。

假设我们有100万个建筑多边形，需要计算面积。一种低效做法是在Python中写循环，一个多边形一个多边形地计算。GeoPandas则把整个几何数组交给Shapely，而Shapely进一步调用底层由C/C++实现的GEOS计算库。

因此，表面上看我们写的是简单Python代码：

gdf.geometry.area

背后真正执行几何计算的却是高度优化的底层库。

这也是GeoPandas设计中的一个核心思想：让用户使用简单的Python接口，同时把真正昂贵的计算交给已经非常成熟的底层空间计算引擎。

第二层是GeoSeries。

GeoSeries可以理解为“带空间能力的pandas Series”。普通Series可能是一列房价、一列人口；GeoSeries则是一列几何对象。

GeometryArray负责保存和计算，GeoSeries把这些功能暴露给用户。因此我们才能直接调用面积、距离、质心、凸包、相交判断、旋转、简化等方法。

GeoSeries还负责把坐标参考系统和空间索引暴露出来，并支持地图绘制。

Fig. 2展示了GeoSeries最基础的静态制图能力。只需要调用plot，就可以借助Matplotlib把纽约行政区多边形画出来。Fig. 3进一步展示交互地图，GeoPandas可以调用Folium和Leaflet，让同一份空间数据进入可缩放、可交互的Web地图环境。

第三层，也是研究者最熟悉的GeoDataFrame。

GeoDataFrame继承自pandas DataFrame，同时允许表格中存在一个或多个geometry列。其中一列被指定为“active geometry”，即当前进行空间计算时默认使用的几何列。

这个设计比传统GIS文件更加灵活。

例如，一条道路既可以有道路中心线，也可以有道路实际占地范围。GeoDataFrame可以同时保存：

道路名称｜道路等级｜中心线geometry｜道路面geometry

研究者可以根据任务切换当前使用的几何对象。

所以Fig. 1真正表达的是一条非常清楚的逻辑链：

Shapely几何对象 → GeometryArray组织几何 → GeoSeries提供空间操作 → GeoDataFrame将空间与属性完整结合。

这三层结构解释了GeoPandas为什么既像GIS，又像pandas。

从缓冲区到空间连接：GeoPandas如何把GIS操作变成Python方法？

建立数据结构以后，GeoPandas还需要解决第二个问题：传统GIS里的分析功能如何进入这一体系？

第一类是几何运算。

GeoPandas目前基本能够直接暴露Shapely提供的主要几何操作，包括面积、范围、距离、几何有效性检查，以及intersects、contains等空间关系判断；还包括intersection、union、difference等集合运算，以及centroid、convex hull、simplify等几何构造。

研究者看到的只是一条简短命令，真正的几何计算则由Shapely和GEOS完成。

第二类是空间索引。

这是大规模空间分析性能的关键。

假设有10万个住宅点和10万个学校点，希望判断每套住房附近最近的学校。如果完全两两比较，需要进行100亿次距离判断。

空间索引会先按照空间位置构建类似树状的搜索结构。明显距离很远的对象可以直接排除，只对可能匹配的对象进行精确几何判断。

GeoPandas通过Shapely提供的STRtree实现空间索引，并通过sindex暴露给用户。因此很多空间连接能够在大数据下保持较高效率。

第三类是空间连接和叠加。

普通pandas可以根据ID连接两张表，而空间数据很多时候没有共同ID。

例如：

“每个POI属于哪个街道？”

“每套住房距离哪个地铁站最近？”

“哪些建筑位于洪水风险区内？”

GeoPandas的spatial join允许研究者按照contains、intersects、within等空间关系连接两张GeoDataFrame，也可以使用nearest按照最近距离连接。

如果只需要连接属性，可以使用spatial join；如果需要同时改变几何形状，则使用overlay。例如两个多边形图层求intersection后，输出的是它们真正重叠的空间范围，并同时保留双方属性。

第四类是坐标系统。

GeoPandas把CRS直接绑定在GeometryArray上，因此不同几何列甚至可以保存不同的坐标参考系统。

这解决了空间分析中一个常见问题：经纬度适合展示全球位置，却不适合直接计算米制距离和面积。研究者可以保留WGS84经纬度几何，同时建立一列投影坐标几何用于距离计算，在同一个GeoDataFrame中管理两套表达。

第五类是数据输入与输出。

GeoPandas支持Shapefile、GeoPackage、GeoJSON、PostGIS，以及近年来越来越重要的Parquet、Feather和GeoParquet。也可以输出WKT、WKB和JSON等表示形式。

这部分看似只是“读取文件”，实际上直接决定空间分析工作流能否扩展到大型数据。

Fig. 4解释了GeoPandas一个非常重要的软件设计：GeoPandas本身并没有重新制造所有GIS功能，而是作为“胶水”，将多个成熟开源组件统一到一个Python接口中。

几何计算来自Shapely和GEOS，坐标转换来自PyPROJ和PROJ，文件读写主要由PyOGRIO调用GDAL完成，表格结构来自pandas和NumPy。

因此GeoPandas的成功并不是因为它自己实现了所有算法，而是因为它把复杂底层库隐藏起来，让研究者能够用一种统一的数据结构调用它们。

从“能处理空间数据”到真正成为基础设施

文章中最有冲击力的性能结果来自Fig. 5。

GeoPandas早期主要通过Fiona读取和写入GIS文件。Fiona功能稳定，但需要在Python层逐条迭代要素，当数据规模扩大以后，这一方式会成为明显瓶颈。

GeoPandas 1.0以后，PyOGRIO成为默认依赖。PyOGRIO通过GDAL批量读取空间对象，并可以进一步使用Apache Arrow传输数据。

作者使用三类数据进行测试，其中包括由3000万条LineString组成的Microsoft道路检测数据，以及包含356,508个复杂多边形的全球GADM数据，并比较Shapefile、GeoPackage、FlatGeobuf和GeoJSON等格式。

结果非常明显。

相较Fiona，PyOGRIO读取速度可以快3—28倍，平均约9倍；使用Apache Arrow后平均约12倍。写入速度提高4—14倍，平均约5倍；结合Arrow后平均约7倍。

这说明现代GeoPandas已经不再只是追求“Python写GIS更方便”，性能和大规模数据交互也成为核心目标。

当然，它仍然存在边界。

GeoPandas继承pandas的内存计算模式，通常需要把整个数据集装进RAM，而且主要是单线程处理。当数据超过内存容量时，GeoPandas本身并不能像真正的分布式数据库一样自动解决。

因此生态中出现了Dask-GeoPandas，将GeoDataFrame拆分成多个分区，实现并行、分布式和超内存处理。对于更大规模任务，也可以与DuckDB、SedonaDB等SQL空间引擎配合。

可视化也存在规模边界。交互式explore方法通常在数万要素以后逐渐受到限制，普通plot在超过10万个复杂几何对象时也可能明显变慢。此时Datashader、Lonboard等工具可以接替GeoPandas完成大规模可视化。

另一个更根本的限制来自地球本身。

Shapely和GEOS采用的是平面几何模型，但真实地球是曲面。在城市或区域尺度，将经纬度转换到合适投影坐标系后通常没有问题；到了洲际甚至全球尺度，单一平面投影很难保持准确。

因此GeoPandas未来的重要方向之一，是支持球面几何。

文章提到，团队已经资助开发基于Google S2的Python项目Spherely，并计划逐步让GeoPandas支持不同几何计算引擎。这意味着未来同一个GeoDataFrame可能根据任务选择Shapely的平面计算，也可以切换到更加适合全球尺度的球面计算。

GeoPandas的影响也已经远远超过传统GIS。

截至2026年4月，conda-forge中有355个软件包直接依赖GeoPandas；Libraries.io记录约2930个依赖包；GitHub检索则得到约5.87万个依赖GeoPandas的代码仓库。

Table 1（略）展示了这种生态扩散。城市研究中有PySAL、OSMnx、scikit-mobility等；环境与地球科学、气候研究、遥感以及空间组学等领域也大量使用GeoPandas。甚至用于量子芯片平面几何设计的qiskit-metal，也使用了GeoPandas的数据结构。

Fig. 6进一步展示了GeoPandas如何与contextily、xyzservices等工具结合，为普通矢量地图快速添加OpenStreetMap等背景瓦片。

这也解释了文章为什么把GeoPandas称为一种“fundamental data structure”。

它今天的价值已经类似pandas之于普通表格数据：许多更复杂的工具并不自己重新设计空间数据结构，而是直接接受GeoDataFrame作为输入，再在它之上做网络分析、空间计量、机器学习、交通可达性或城市形态计算。

总结

这篇文章表面上是在介绍GeoPandas，实际讨论的是一个更加基础的问题：一个成熟的空间数据科学体系，到底应该建立在什么样的数据结构之上？

GeoPandas给出的答案是，把几何对象和属性表统一起来，让空间数据成为Python数据科学体系中的“一等公民”。

GeometryArray负责组织几何对象和底层空间计算，GeoSeries把几何操作暴露为用户能够直接使用的方法，GeoDataFrame进一步把几何和属性整合到完整表格中。Shapely、GEOS、PROJ、GDAL、PyOGRIO等底层工具则负责真正高性能的计算、坐标转换和文件处理。

这种设计最大的价值，是让研究者不需要在GIS世界和数据科学世界之间反复切换。

一个城市研究项目可以用GeoPandas读取街道和建筑数据，使用OSMnx构建交通网络，用PySAL完成空间统计，再将结果送入scikit-learn或其他机器学习工具；整个过程中，GeoDataFrame可以始终作为核心空间数据载体。

GeoPandas也仍然面对大规模计算、内存限制、单线程性能和平面几何等问题。因此Dask-GeoPandas、GeoParquet、Apache Arrow以及未来的Spherely和多几何引擎，将决定它下一阶段能够扩展到什么尺度。

从2013年的一次SciPy会议实验，到2024年发布稳定的1.0版本，再到今天成为数万个项目背后的基础依赖，GeoPandas的意义已经远远超过一个Python包。

它真正完成的事情，是给Python建立了一套能够理解“空间”的基础数据结构。