大家好我是費老師，就在幾天前，geopandas發布了其0.11.0正式版本，距離其上一個版本（0.10.2）發布已過去大半年，在這一次的新版本更新中又為我們帶來了哪些重要的新特性呢，今天的文章中我就來帶大家一探究竟。

Geopandas 0.11版本重要新特性一覽

你可以在舊版本geopandas的基礎上進行升級，也可以新建虛擬環境直接安裝0.11.0版本，本著謹慎嘗鮮的原則，我們可以使用下面的命令一口氣完成新虛擬環境的創建、geopandas及其相關依賴的安裝，并安裝上jupyterlab作為IDE進行演示：

conda create -n geopandas-env python=3.8 -c https://mirrors.sjtug.sjtu.edu.cn/anaconda/pkgs/main -y
conda activate geopandas-env
conda install geopandas=0.11.0 pygeos pyogrio -c conda-forge -y
pip install jupyterlab -i https://pypi.douban.com/simple/

終端里執行下列命令驗證一下是否已正確安裝：

python -c "import geopandas as gpd;print(gpd.__version__)"

一切準備就緒，下面我們來一覽此次更新中比較重要的幾個特性：

1. 更快的矢量文件讀寫

新版本中為read_file()與to_file()引入了參數engine用于指定讀寫常見矢量文件基于的引擎，默認為原先的'fiona'，可選'pyogrio'，這是由geopandas開發團隊維護的另一個庫，可大幅度提升對常見矢量文件格式如shapefile的讀寫速度，以讀取具有數百萬個多邊形的廣州市全量建筑物輪廓數據為例，新的IO引擎帶來近5倍的讀取性能提升：

以及同樣接近5倍的寫出性能提升：

2. 新增高性能矩形裁切方法clip_by_rect()

0.11中新增針對GeoSeries和GeoDataFrame的方法clip_by_rect(minx, miny, maxx, maxy)，可傳入目標矩形坐標范圍，快速裁切出矩形范圍內的矢量，譬如我們基于前面已經讀入的廣州市建筑物輪廓數據，通過下面的函數隨機生成邊長10000米的矩形范圍作為裁切素材：

import numpy as np
import matplotlib.pyplot as plt
from shapely.geometry import box

# 計算得到目標GeoDataFrame范圍
minx, miny, maxx, maxy = gdf.total_bounds

def generate_random_rectangle(minx, miny, maxx, maxy):
    '''
    研究范圍內隨機取得100000米邊長矩形
    '''
    
    random_rectangle = [
        np.random.uniform(minx, maxx - 10000),
        np.random.uniform(miny, maxy - 10000)
    ]

    return [
        *random_rectangle,
        random_rectangle[0] + 10000,
        random_rectangle[1] + 10000,
    ]

調用clip_by_rect()：

返回的結果與原始矢量記錄數量一致，其中呈現GEOMETRYCOLLECTION EMPTY的記錄說明其與目標矩形沒有交集，我們利用is_empty來反向篩選出發生裁切的矢量記錄：

除此之外，你還可以直接將[minx, miny, maxx, maxy]格式的輸入傳入經典的clip()裁切方法中，它會在底層直接調用clip_by_rect()并自動返回有效矢量裁切結果：

3. 正確讀寫GIS文件中的日期時間字段

從0.11.0版本開始，geopandas在面對日期時間型字段時，無論是寫出到GIS文件還是從GIS文件讀入，都可以保證正確解析為日期時間型：

你可以在https://github.com/geopandas/geopandas/releases/tag/v0.11.0查看完整的版本更新說明，總體而言，這次新版本更新帶來的重要更新并不太多，但都頗為實用，你可以在自己的數據上使用一番。