《Computers, Environment and Urban Systems》：GeoPandas: Fundamental data structures for vector spatial data in Python
编辑推荐：
GeoPandas简化了面向广泛科学受众的空间数据处理流程。其提供面向矢量几何的高层且用户友好的应用程序编程接口（API）。通过封装经过编译的快速底层库，GeoPandas实现了高性能表现。该项目通过消除技术壁垒，使分析工作的大众获取成为可能。
GeoPandas简化了面向广泛科学受众的空间数据处理流程。其提供面向矢量几何的高层且用户友好的应用程序编程接口（API）。通过封装经过编译的快速底层库，GeoPandas实现了高性能表现。该项目通过消除技术壁垒，使分析工作的大众获取成为可能。
研究背景方面，空间分析依赖于可访问、可自由再分发且易于扩展的工具。在Python成为空间数据科学核心语言的背景下，2013年前生态系统存在显著断层：Shapely封装GEOS提供单体几何对象，Fiona基于GDAL/OGR逐行读写文件，Rtree提供空间索引，PyPROJ处理坐标参考系统（CRS）变换，而pandas提供表型数据管理，但几何体与属性表分离存储、需手动同步，导致代码复杂易错。PySAL虽提供纯Python的Shapefile读写，但几何表示与索引均与主流C++后端割裂。研究人员指出，社区亟需一种将OGC（Open Geospatial Consortium）Simple Features模型与pandas表格模型统一的“地理矩阵”结构。为此，Kelsey Jordahl等研究人员于2013年SciPy会议期间发起GeoPandas，旨在子类化pandas对象并融合Shapely、Fiona与pandas，至2024年发布1.0版，标志接口稳定并全面依托Shapely 2.0向量化引擎。
关键技术方法上，研究人员采用社区驱动的志愿者开发模式，以GitHub Actions跨平台持续集成保障质量，依赖SPEC 0支持窗口；底层通过GeometryArray（pandas ExtensionArray子类）封装numpy.ndarray of Shapely对象，承载CRS与STRtree空间索引；GeoSeries与GeoDataFrame分层暴露几何方法与表格操作；I/O层自2024年起默认采用PyOGRIO替代Fiona实现GDAL的批量向量化读写，并可选Apache Arrow流；可视化集成matplotlib静态绘图与Folium交互绘图，辅以xyzservices与contextily提供底图瓦片；扩展性方面通过dask-geopandas借Dask实现并行外存计算，GeoPlanar修复面覆盖拓扑。
研究结果部分，按原文小节浓缩如下：
历史小节指出，GeoPandas诞生于2013年SciPy工作坊，0.1版于2014年发布，早期循环调用Shapely；2017年起推动向量化，先试Cython后转PyGEOS，2022年PyGEOS并入Shapely 2.0，成就2024年1.0版。社区通过conda-forge与Gohlke轮子解决C++依赖安装难题，2020年首创GeoParquet规范。
核心组件小节表明，GeometryArray在底层定义几何数据类型、CRS与STRtree，GeoSeries暴露属性与方法，GeoDataFrame允许单列“激活”几何并容纳多几何列；特征群涵盖几何运算（面积、DE-9IM谓词、集论操作）、叠加与裁剪、按数组级CRS变换、多格式I/O（含PostGIS与geo_interface）及正逆向地理编码；依赖图显示GEOS、GDAL、PROJ经Shapely/PyOGRIO/PyPROJ桥接，pandas+NumPy为基座。
生态系统小节总结，项目受NumFOCUS资助，治理由Steering Council共识决策；PyOGRIO较Fiona读速平均快9倍、写速快5倍；xyzservices与contextily补足底图上下文；dask-geopandas已用于Microsoft Planetary Computer全球矢量处理；GeoPlanar专修多边形覆盖拓扑；下游至2026年4月conda-forge录355包、Libraries.io录2.93k包依赖之，渗透城市分析（PySAL、osmnx）、遥感（geocube、xdem）、地学AI（torchgeo）、能源（PyPSA）、可视化（lonboard）乃至量子芯片（qiskit-metal）与空间组学（spatialdata）；影响外溢至SpatialPandas、cuSpatial、GeoPolars、ArcGIS Spatially enabled DataFrame等仿制API。
讨论小节提及局限：继承pandas单线程与内存驻留限制，Shapely绑定GEOS为平面引擎故全球尺度缺球面几何，时区列级共享不符ACLED等局部时间记录；未来路线含Spherely（S2绑定）实验性球面支持、多几何引擎切换及懒加载。
结论部分翻译：GeoPandas项目对软件格局产生根本性影响，使创新更易获取并为科学进展提供前所未有的自由。GeoPandas居于诸多分析流程“底层”，为更专门化工具提供平台。在基础位置上，仅基于Zenodo归档版本的引用已显示其在生态、气候、城市科学、流行病学等数百篇论文中的广泛影响。所有构件皆先于GeoPandas存在——GeoPandas将既有工具统一为简单、有用且可及的接口，单行读取数据集、单步后续操作，可视化便捷、运算高效。研究人员认为“使Python中地理空间数据处理更易用的开源项目”之最初描述经多年开发已基本达成，简洁与可及性是其最大贡献。此类工具对科学工作及地理空间科学可重复性至关重要，并以宽松许可助推整个科学界复用软件，故如GeoPandas般的开源软件拓展了科学之所能。
