前言
Python库是GIS中的终极扩展，因为它允许您增强其核心功能。
通过使用Python库，您可以摆脱GIS的束缚，而深入研究一些严肃的数据科学。
Python中有200多个标准库。但是也有成千上万的第三方库。因此，您可以走多远。
如今，一切都与GIS中的Python库有关。具体来说，当今GIS专业人员使用的最受欢迎的Python软件包是什么？让我们开始吧。
PS：如有需要Python学习资料的小伙伴可以加下方的群去找免费管理员领取
可以免费领取源码、项目实战视频、PDF文件等
首先，为什么还要为GIS使用Python库
您是否曾经注意到GIS如何缺少您需要做的一项功能？由于没有GIS软件可以完成所有操作，因此Python库可以添加您需要的其他功能。
简而言之，Python库是其他人编写的代码，这些代码可以使我们其他人的生活更轻松。开发人员已经编写了开放库，用于机器学习，报告，图形以及Python的几乎所有内容。
如果需要此额外功能，可以通过将这些库导入Python脚本来利用它们。从这里，您可以调用本地GIS软件本身不包含的功能。
专业提示：使用pip在Python中安装和管理软件包
GIS的Python库
如果您要为GIS Python库建立一个全明星团队，那就足够了。它们全都帮助您超越了典型的空间数据管理，分析和可视化的范围。这是地理信息系统的真正定义。
1.Arcpy
如果您使用Esri ArcGIS，那么您可能对ArcPy库很熟悉。ArcPy适用于地理处理操作。但这不仅用于空间分析，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与GIS相遇。但是，geopandas库不是直接进行表格分析，而是添加了地理成分。对于覆盖操作，geopandas使用Fiona和Shapely，它们是自己的Python库。
3.GDAL / OGR
GDAL / OGR库用于GIS格式和扩展之间的转换。QGIS，ArcGIS，ERDAS，ENVI和GRASS GIS以及几乎所有GIS软件都以某种方式使用它进行格式转换。目前，GDAL / OGR支持97个矢量和162个光栅驱动器。
4.RSGISLib
所述RSGISLib库是一组遥感工具光栅处理和分析。仅举几例，它对图像进行分类，过滤和统计。我个人最喜欢的是面向对象的分割和分类（GEOBIA）的模块。
5.PyProj
PyProj库的主要目的是如何与空间参考系统一起使用。它可以使用一系列地理参考系统投影和变换坐标。PyProj还可以对任何给定的基准进行大地测量和距离计算。
用于数据科学的Python库
数据科学从数据中提取见解。它需要数据并尝试使其有意义，例如通过以图形方式绘制数据或使用机器学习。Python库列表可以为您完成此操作。
6.NumPy
Python（NumPy库）获取您的属性表并将其放入结构化数组中。一旦以结构化阵列的形式出现，对于任何科学计算而言，它都将更快。最好的事情之一是如何与其他Python库（例如SciPy）一起进行繁重的统计操作。
7.Pandas
该pandas库是数据分析非常受欢迎。这不仅适用于统计人员。但是它在GIS中也非常有用。计算性能是pandas的关键。pandas的成功在于其数据框架。数据帧经过优化以处理大数据。它们经过了优化，以至于Microsoft Excel甚至无法处理。
8.Matplotlib
当您使用成千上万的数据点时，有时最好的办法就是将其全部绘制出来。输入matplotlib。统计人员使用matplotlib库进行视觉显示。Matplotlib可以完成所有工作。它绘制图形，图表和地图。即使拥有大数据，它在处理数字方面也很不错。
9.Scikit
最近，机器学习一直是热门话题。并且有充分的理由。Scikit是一个启用机器学习的Python库。它内置在NumPy，SciPy和matplotlib中。因此，如果您想进行任何数据挖掘，分类或ML预测，Scikit库是一个不错的选择。
10.Re（正则表达式）
正则表达式（Re）是最终的过滤工具。当您要在表中查找特定的字符串时，这就是您要使用的库。但是您可以更进一步，例如检测，提取和替换为模式匹配。
11.ReportLab
ReportLab是此列表中最令人满意的库之一。我之所以这样说，是因为GIS通常缺乏足够的报告功能。尤其是，如果您要创建报告模板，那么这是个很棒的选择。我不知道为什么ReportLab库有点不受欢迎，因为它不应该。
本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。
翻译：陨星落云
原文地址：
https://gisgeography.com/python-libraries-gis-mapping/