70个常用的GISPython库

见贤思齐

由于其多功能性、广泛的库生态系统和用户友好的语法，Python已成为地理信息系统(GIS)和遥感领域的主导语言。这个70个地理空间Python库的汇编展示了可用于GIS和遥感数据处理和分析的丰富工具包。Python在GIS中的重要性源于它处理复杂地理空间数据的能力，从矢量和栅格格式到点云。借助Python，GIS专业人员可以高效地执行数据操作、空间分析、可视化和自动化等任务。多年来，Python已经发展到可以通过专门的库和工具无缝地处理GIS数据。Python与GDAL、Fiona和Shapely等强大的地理空间库的集成为读取、写入和处理各种格式的空间数据提供了基础。而且，GeoPandas的出现，将pandas的能力带入了地理空间数据，实现了属性和空间操作的无缝集成。Python的开源特性和广泛的社区支持促进了众多地理空间库的开发。这些库（例如Cartopy、Basemap和Pyproj）为地图投影、坐标变换、空间分析和交互式可视化等任务提供了专门的功能。它们提供直观的界面和高效的算法，使GIS专业人员能够有效地解决复杂的地理空间问题。Python在GIS领域的前景一片光明。随着机器学习和人工智能的进步，ArcGISAPIforPython、PyTorch、TensorFlow和scikit-learn等Python库正在应用于地理空间数据分析，从而实现土地覆盖分类和对象检测等任务。此外，将Python与遥感、SAR和高光谱数据处理等新兴技术集成正在扩展遥感应用程序的功能。Python的灵活性、易用性以及大量的地理空间库使其成为GIS专业人员、空间数据科学家、研究人员和开发人员的首选。随着地理空间领域的不断发展，Python的适应性和广泛的库生态系统将在推动创新、实现先进分析技术以及促进地理空间数据与其他领域的集成方面发挥关键作用。70个地理空间Python库的汇编展示了Python在GIS中的重要性。Python的发展能够与GIS数据无缝协作，再加上其广泛的库生态系统，使其成为地理空间数据处理和分析的强大工具。凭借其在新兴技术中的光明前景，Python继续塑造GIS和遥感的未来，实现先进的地理空间应用和见解。ArcGISAPIforPython (Esri) ：由Esri开发，该库为ArcGIS用户提供GeoAI功能。EarthEngineAPI (Google) ： EarthEngineAPI允许您访问GoogleEarthEngine的大量地理空间数据并使用Python执行分析任务。TorchGeo ( yTorch )：TorchGeo提供了在PyTorch中处理地理空间数据的工具和实用程序，包括数据加载器、转换和空间索引。fastai.vision (fast.ai)：虽然不是专门为GeoAI设计的，但fastai.vision是一个用于深度学习和计算机视觉任务的流行库，可用于分析地理空间图像。arcpy (Esri)：arcpy是Esri提供的Python库，用于在ArcGIS平台上处理地理空间数据。它允许您自动执行地理处理任务并执行空间分析。PyQt（河岸计算）：PyQt是Qt应用程序框架的一组Python绑定。它可用于为地理空间应用程序创建图形用户界面（GUI）。GeoPandas：GeoPandas扩展了流行的数据分析库Pandas的功能来处理地理空间数据。它提供了用于处理矢量数据（例如点、线和多边形）的高级接口。Rasterio：Rasterio是一个用于读取和写入地理空间栅格数据集的库。它提供了对栅格数据的高效访问，并允许进行各种操作，例如重新投影和重新采样。GDAL（开源地理空间基金会）：GDAL（地理空间数据抽象库）是一个功能强大的库，用于读取、写入和操作地理空间栅格和矢量数据格式。Fiona： Fiona是一个PythonAPI，用于读取和写入不同格式的地理空间数据，包括Shapefile和GeoJSON。它与GeoPandas等其他库集成良好。Shapely： Shapely是Python中用于几何运算的库。它允许您创建、操作和分析点、线和多边形等几何对象。GeoPy： GeoPy是一个用于地理编码和反向地理编码的库，它允许您将地址转换为地理坐标，反之亦然。用于地理编码和距离计算的库。Geopy还提供了根据不同距离度量计算点之间距离的功能。PySAL： ySAL（Python空间分析库）提供了广泛的空间分析方法，包括空间自相关、聚类和空间回归。Pyproj：Pyproj是PROJ库的Python接口，它提供坐标转换功能。它允许您在不同的坐标参考系(CRS)之间转换坐标。Rasterstats： Rasterstats提供了对栅格数据集进行分区统计分析的工具。它允许您计算定义区域内的统计数据，例如平均值或最大值。Geos： Geos是一个提供低级几何操作的C++库，PythonGeos库提供了Geos的Python接口。它经常与Shapely结合使用。RSGISLib：RSGISLib是一个用于遥感和GIS分析的库。它提供了一系列功能，包括图像分类、变化检测和光谱指数计算。它还包括处理热遥感数据的功能。它提供热图像处理功能，包括辐射校正、地表温度估算和发射率检索。WhiteboxTools：WhiteboxTools是一个用于地理空间分析和数据处理的库。它为地形分析、水文建模和激光雷达数据处理等任务提供了一套全面的工具。GeoDjango：GeoDjango是一个Python框架，用于开发具有地理空间功能的Web应用程序。它与流行的Web框架Django集成，并提供用于管理地理空间数据和执行空间查询的工具。Xarray：专为处理多维地理空间数据集而设计，它提供了数据操作、分析和可视化工具。GeoAlchemy：将地理空间数据集成到SQLAlchemy（一个PythonSQL工具包）中，允许使用地理数据库进行空间查询和操作。scikit-mobility：scikit-mobility是一个用于分析和建模移动模式和轨迹的库。EarthPy（EarthPy贡献者）：EarthPy是一个专注于地球科学数据分析的库，特别是遥感和地理空间图像。GeoViews (HoloViz)：GeoViews是一个使用HoloViews生态系统创建地理空间数据交互式可视化的库。Geocoder：Geocoder是一个简单易用的库，用于地理编码和反向地理编码任务。GeoPandas-Bokeh：GeoPandas-Bokeh是GeoPandas的扩展，可使用Bokeh实现交互式地理空间可视化。Cartopy：Cartopy是一个用于地理空间数据处理和可视化的Python库。它提供了一个简单直观的界面，用于创建地图和使用地理空间数据集。Folium：Folium是一个用于交互式地图可视化的库，允许用户使用Python和Leaflet.js创建和操作交互式地图。geoplot：geoplot是一个地理空间数据可视化库，提供用于创建各种类型地图的高级界面，包括分区统计图、点图和线图。它是cartopy和matplotlib的扩展，使绘图变得简单：就像地理空间的seaborn一样。PyCRS：PyCRS是一个用于在Python中使用坐标参考系统(CRS)的库。它提供了用于在不同CRS格式之间进行转换和执行CRS转换的实用程序。RasterVision：专为遥感中的深度学习应用而设计，它提供了用于预处理和分析卫星图像的工具。osmnx：OSMnx是一个用于检索、分析和可视化OpenStreetMap(OSM)数据的Python库。它允许用户下载街道网络、建筑物和其他OSM功能并对其进行网络分析。Overpy：Overpy是OverpassAPI的Python包装器，它是查询和下载OpenStreetMap(OSM)数据的强大工具。它允许用户根据自定义标准提取特定的OSM功能，并可用于各种地理空间分析。NetworkX：NetworkX是一个用于创建、操作和研究复杂网络的Python库。它可用于建模和分析空间网络，例如交通网络、社交网络或基础设施网络。NetworkX提供用于网络分析、社区检测和中心性度量的算法，可应用于地理空间网络以实现各种目的。geospatial-learn：geospatial-learn是一个Python模块，用于将scikit-learn和xgb模型与地理空间数据（主要是栅格和矢量格式）结合使用。OGR：OGR是一个提供读写地理空间矢量数据格式支持的库。它是GDAL项目的一部分，允许用户使用各种矢量数据格式，例如Shapefile、GeoJSON和KML。ipyleaflet：ipyleaflet是一个Python库，用于在JupyterNotebooks和JupyterLab中进行交互式映射可视化。ipyleaflet对于创建交互式地理空间可视化和网络地图应用程序非常有用。Pydeck：Pydeck是一个高级库，用于在2D和3D地图上创建交互式数据可视化。它构建在Deck.gl之上，提供简单直观的API，用于创建令人惊叹的可视化效果，并且可以轻松集成到JupyterNotebooks或Web应用程序中。GeoMesa：GeoMesa是一个地理空间数据管理和分析库，构建在ApacheHadoop、ApacheAccumulo、ApacheHBase和ApacheKafka等分布式计算框架之上。它允许高效存储、索引和查询大规模地理空间数据。GeoMesa旨在处理时空数据，并支持GeoAI应用程序的高级分析，包括时空索引和地理空间查询优化。RasterFrames：RasterFrames是一个使用ApacheSpark的DataFrameAPI处理地理空间栅格数据的库。它能够将栅格数据与Spark的分布式处理功能集成，使其可针对大规模地理空间分析任务进行扩展。RasterFrames允许用户利用Spark并行处理功能执行分布式栅格处理和分析。laspy：laspy是一个Python库，用于读取、写入和修改ASPRSLAS格式的LIDAR数据。LIDAR（光探测和测距）数据通常用于捕获有关地球表面的详细3D信息。借助laspy，您可以轻松处理LAS文件、访问点云数据，并从LIDAR数据中提取高程、强度和分类信息等特征。该库对于地形建模、林业、城市规划和涉及高分辨率3D数据的其他应用特别有用。PDAL（点数据抽象库）：PDAL是一个功能强大的开源库，用于处理和分析点云数据。PDAL支持多种数据格式，并与其他地理空间工具无缝集成，包括GDAL和LASzip。它通常用于地理空间管道中，在使用laspy或GeoMesa等库执行更高级的分析之前预处理点云数据。PyVista：PyVista是一个用于点云、网格和体积数据的3D可视化和分析的Python库。它提供了一个高级界面，用于在交互式3D绘图中可视化点云数据、生成表面网格以及对点云执行各种几何操作。PyVista由BaneSullivan和OpenGeoVis团队积极维护Open3D：Open3D是一个用于3D数据处理的开源库。它包括点云可视化、配准、过滤和分割模块。Open3D支持各种点云格式，并提供用户友好的界面来处理点云数据。PCL（点云库）：PCL是一个用于点云处理的C++库，但它也提供Python绑定。它提供了广泛的点云过滤、特征提取、配准和分割算法。Python绑定允许用户访问PCL功能并执行高级点云分析任务。PyntCloud：PyntCloud是一个专门为点云处理设计的Python库。它提供了用于读取、操作和分析点云的工具。PyntCloud支持多种点云格式，并提供点云可视化、下采样和表面重建等功能。geemap：geemap是一个构建在GoogleEarthEngine(GEE)之上的Python库，为交互式地图和地理空间分析提供了一个用户友好的界面。它允许用户使用交互式地图和小部件可视化和分析来自GEE的地球观测数据。reportlab：reportlab是一个用于以编程方式创建PDF文档的Python库。在地理空间数据分析的背景下，reportlab可用于根据地理空间数据分析结果生成自定义报告、地图和可视化。它允许您创建包含表格、图表、图像和地图的动态PDF文档，使其可用于生成基于地理空间分析的高质量报告和演示文稿。h3-py：h3-py是H3库的Python绑定，H3库是基于六边形的地理空间索引系统。它提供了一种快速有效的方法来索引和分析地理空间数据，特别是对于涉及空间聚合和六边形分箱的任务。Rtree：Rtree是一个用于执行空间索引的库。它允许高效的空间搜索和查询，使其对于涉及空间数据组织和检索的任务非常有用。PySAR（归：NASA/JPL-Caltech所有）：PySAR是由NASA喷气推进实验室(JPL)和加州理工学院(Caltech)开发的Python库。它提供了用于处理、分析和可视化SAR数据的工具，包括干涉SAR(InSAR)和时间序列分析。PySAR支持各种SAR数据格式，并提供变形监测、地形测绘和其他SAR分析应用的功能。SarPy：SarPy是一个用于读取、分析和处理SAR数据（包括复杂雷达数据）的Python库。它提供了用于处理各种格式的SAR数据并执行SAR特定任务（例如图像形成、聚焦和干涉处理）的工具。SarPy由美国空军研究实验室(AFRL)开发和维护。snappy：snappy是欧洲航天局(ESA)开发的一个Python库，用于处理Sentinel-1Toolbox(S1TBX)中的SAR数据。它为Sentinel应用平台(SNAP)软件提供Python接口，允许用户使用Python脚本访问和处理Sentinel-1SAR数据。snappy支持SNAP环境中的数据读取、预处理和SAR分析等任务。PyRAT（归：NASA/GSFC）：PyRAT（PythonRadiativeTransfer）是由NASA戈达德太空飞行中心（GSFC）开发的用于高光谱遥感分析的Python库。它提供了大气辐射传输建模、光谱分解和从高光谱数据检索表面参数的工具。PyRAT专为地球观测应用中的高光谱数据分析而设计。Spectral（归：PythonSpectral开发团队所有）：Spectral是由PythonSpectral开发团队维护的Python库。它专注于高光谱遥感数据分析，提供读取、处理和可视化高光谱数据的功能。Spectral提供了多种光谱分析算法，包括分类、端元提取和植被指数计算。它还可用于处理和分析热遥感数据。Spectral提供加载、预处理和分析热图像的功能。它包括温度检索算法，如果需要，可以结合高光谱数据处理热数据。PySptools： ySptools是一个实现光谱和高光谱算法的Python模块。该库的专业领域包括端元提取、分解过程、监督分类、目标检测、降噪、凸包去除和频谱级别的特征提取。该库的设计易于使用，几乎所有功能都具有绘图功能，可以节省您的数据分析过程时间。算法的实际来源是IsaacGerg的Matlab高光谱工具箱、MALittle的pwctools、EndmemberInductionAlgorithmsToolbox(EIA)、JoséBioucas-Dias和JoséNascimento的HySimeMatlab模块以及研究论文。Hylite：Hylite是一个用于高光谱图像分析和可视化的Python库。它专注于为高光谱数据处理提供高效的算法，包括光谱分析、特征提取和分类。Hylite还提供交互式可视化功能，用于探索高光谱数据集。Hyperspy：Hyperspy是一个用于多维数据分析（包括高光谱数据）的Python库。虽然Hyperspy并不专门专注于遥感，但它提供了处理和分析高光谱成像中常见的大型复杂数据集的功能。Hyperspy是一个开源项目，得到了各个开发人员的贡献。Py6S：Py6S是6S（太阳光谱中卫星信号的第二次模拟）辐射传输模型的Python接口。它允许用户模拟和校正热遥感数据中的大气效应。通过提供传感器规格、大气条件和表面特性等输入，Py6S可以估计大气校正并提供校准的热图像。ENVIPy：ENVIPy是ENVI（可视化图像环境）遥感软件的Python接口。ENVI在遥感社区中广泛使用，ENVIPy允许用户在Python中访问ENVI功能。它提供了处理和分析热遥感数据的工具，包括辐射校准、大气校正和温度反演。PotreeConverter：PotreeConverter是一个命令行工具（可与Python一起使用），用于将大型点云数据集转换为Potree格式，专为高效的3DWeb可视化而设计。PotreeConverter通常用于创建基于Web的交互式点云可视化。pptk：pptk是一个Python库，用于实时可视化大型3D点云并与之交互。它对于海量点云数据集的可视化探索和分析特别有用。lasio：lasio是一个用于读取和写入LogASCII标准(LAS)文件的Python库，该文件通常用于存储石油和天然气行业中的测井数据。虽然不是专门针对点云数据，但它在处理LAS格式的点云时非常有用。Pypotree：Pypotree是一个用于读取、写入和操作Potree格式的点云数据的Python库。它允许用户将Potree点云转换为LAS或PLY格式，并对Potree数据执行各种操作。gpsd-py3：用于访问GPSD的Python库，GPSD是一个从各种来源检索和解析GPS数据的服务守护进程。它提供了一个简单的界面来与GPS设备交互并访问位置、速度和时间信息。gpxpy：用于解析GPX（GPS交换格式）文件的库。它可以轻松读取、写入和操作GPS轨迹、路线和航路点数据。该库提供了一个高级API，用于处理GPX文件并从中提取信息。pynmea2：用于解析来自GPS设备的NMEA（国家海洋电子协会）数据的库。它能够从NMEA句子中提取各种信息，例如纬度、经度、速度和时间。pynmea2简化了解析过程，并提供了一个方便的接口来处理GPS数据。geograpy3：geograpy3是一个用于从文本中提取位置名称的库，对于基于文本信息或反向地理编码的GPS数据进行地理定位非常有用。PyGeodesy：一个用于大地测量和坐标转换的库，提供基于不同模型的距离、方位和目的地计算的函数。simplekml：用于生成KML（Keyhole标记语言）文件的库，允许创建KML文档，以便在GoogleEarth或其他KML兼容软件中可视化GPS和地理空间数据。