NSDT工具推荐： Three.js AI纹理开发包 - YOLO合成数据生成器 - GLTF/GLB在线编辑 - 3D模型格式在线转换 - 可编程3D场景编辑器 - REVIT导出3D模型插件 - 3D模型语义搜索引擎 - Three.js虚拟轴心开发包 - 3D模型在线减面 - STL模型在线切割

Python 库是 GIS 的终极扩展，因为它们允许你增强其核心功能。

通过使用 Python 库，你可以摆脱 GIS 的束缚，深入研究一些严肃的数据科学。

Python 有 200 多个标准库。 但也有数千个第三方库。 所以，你能走多远是没有止境的。

今天，我们讨论的是 GIS 中的 Python 库。 具体来说，当今 GIS 专业人员使用的最流行的 Python 包是什么？ 让我们开始吧。

1、ArcPy

如果你使用 Esri ArcGIS，那么可能熟悉 ArcPy 库。 ArcPy 适用于地理处理操作。 但它不仅用于空间分析，还用于使用 Esri ArcGIS 进行数据转换、管理和地图制作。

2、Geopandas

Geopandas 就像Pandas遇见 GIS。 但 Geopandas 库添加了一个地理组件，而不是直接的表格分析。 对于叠加操作，Geopandas 使用 Fiona 和 Shapely，它们是它们自己的 Python 库。

3、GDAL/OGR

GDAL/OGR 库用于在 GIS 格式和扩展之间进行转换。 QGIS、ArcGIS、ERDAS、ENVI、GRASS GIS 和几乎所有 GIS 软件都以某种方式使用它进行翻译。 目前，GDAL/OGR 支持 97 个矢量驱动程序和 162 个光栅驱动程序。

4、RSGISLib

RSGISLib 库是一套用于栅格处理和分析的遥感工具。 仅举几例，它对图像进行分类、过滤和统计。 我个人最喜欢的是基于对象的分割和分类（GEOBIA）模块。

5、PyProj

PyProj 库的主要用途是它如何与空间参考系统配合使用。 它可以使用一系列地理参考系统来投影和转换坐标。 PyProj 还可以对任何给定的数据执行大地测量计算和距离。

6、NumPy

Numerical Python（NumPy 库）获取属性表并将其放入结构化数组中。 一旦进入结构化数组，任何科学计算都会变得更快。 它最好的事情之一是你可以与其他 Python 库（如 SciPy）一起使用来进行繁重的统计操作。

7、Matplotlib

当你处理数千个数据点时，有时最好的办法是将其全部绘制出来。这就需要 Matplotlib。 统计学家使用 Matplotlib 库进行可视化显示。 Matplotlib 可以完成这一切。 它绘制图表、图表和地图。 即使有大数据，它也能很好地处理数字。

8、Pandas

Pandas 库在数据整理方面非常受欢迎。 这不仅适用于统计学家。 但它在 GIS 中也非常有用。 计算性能对于 pandas 来说至关重要。 Pandas 的成功在于它的数据框架。 数据框架经过优化，可以处理大数据。 它们被优化到 Microsoft Excel 甚至无法处理的程度。

9、Re

正则表达式 (Re) 是终极过滤工具。 当你想要在表中查找特定字符串时，这就是你的首选库。 但你可以更进一步，例如用模式匹配来检测、提取和替换。

10、ipyleaflet

如果你想创建交互式地图，ipyleaflet 是 Jupyter Notebook 和 Leaflet 的融合。 你可以控制各种自定义设置，例如加载底图、geojson 和小部件。 它还提供了多种地图类型可供选择，包括分区统计图、速度数据和并排视图。

11、ReportLab

ReportLab 是此列表中最令人满意的库之一。 我这样说是因为 GIS 通常缺乏足够的报告功能。 特别是，如果你想创建报告模板，这是一个绝佳的选择。 我不知道为什么 ReportLab 库有点不受关注，因为它不应该。

12、Folium

就像 ipyleaflet 一样，Folium 允许你利用 Leaflet 构建交互式网络地图。 它使你能够在 Python 中操作数据，然后你可以使用领先的开源 JavaScript 库将其可视化。

13、Geemap

Geemap 更多地用于使用 Google Earth Engine (GEE) 进行科学和数据分析。 虽然任何人都可以使用这个 Python 库，但科学家和研究人员专门使用它来探索 GEE 中的多 PB 卫星图像目录，以实现其特定应用和遥感数据的使用。

14、LiDAR

简单地命名为 LiDAR Python 包，其目的是处理和可视化光探测和测距 (LiDAR) 数据。 例如，它包括用于平滑、过滤和从数字高程模型 (DEM) 数据中提取拓扑属性的工具。 虽然我没有看到与原始 LAS 文件的集成，但它可以用于地形和水文分析。

15、Scikit

最近，机器学习成为热门话题。 并且有充分的理由。 Scikit 是一个支持机器学习的 Python 库。 它内置于 NumPy、SciPy 和 Matplotlib 中。 因此，如果您想要进行任何数据挖掘、分类或 ML 预测，Scikit 库是一个不错的选择。

原文链接：15 Python Libraries for GIS and Mapping

BimAnt翻译整理，转载请标明出处