pip install ricco
pip install ricco -U # 或
pip install ricco --upgrade自动识别文件类型进行读写
- 万能读取数据文件：
rdf()
- 支持
.xls/.xlsx/.csv/.parquet/.shp/.ovkml等多种文件格式
from ricco import rdf
df = rdf('/path/test.csv')- 读取文件夹中的数据：
rdf_by_dir()
- 适用于读取的文件夹中数据结构相同的多个数据，可指定扩展名，如不指定则读取所有文件；
- 支持的文件格式与
rdf()相同
from ricco import rdf_by_dir
df = rdf_by_dir('/path_dir/', exts=['.csv'])- 文件保存：
to_file()
- 根据扩展名可自动报错多种格式的文件，支持的文件格式与
rdf()相同- 可自动新建目录，避免了文件保存时需要手动创建目录的麻烦
import pandas as pd
from ricco import to_file
df = pd.DataFrame()
to_file(df, '/path/test.csv')- 文件拆分：
split2x()
- 将文件拆分为多个文件，放置在与文件同名目录下
- 支持的文件格式与
rdf()相同，默认'.csv'
from ricco import split2x
split2x('/path/test.csv', chunksize=1000)
split2x('/path/test.csv', parts=3)- 文件批量拆分：
reshape_files()
将文件夹的文件大小进行统一拆分，并可传入自定义处理函数
from ricco import reshape_files
def process(df):
return df
# 将'/path_dir/'中的文件，拆分为大小为1000的 csv 文件，并保存在'/path_dir_to/'目录下，处理过程中调用 'process' 方法
reshape_files(
from_dir='/path_dir/',
to_dir='/path_dir_to/',
to_ext='.csv',
chunksize=1000,
func=process,
)- 万能格式转换：
file_to_x()
批量转换可使用
dir_file_to_x()
from ricco import file_to_x
# 将csv转为Excel文件，保存在相同目录下
file_to_x('/path/test.csv', to_ext='.xlsx')自动识别地理格式并进行转换，节省时间
- 自动转为shapely格式：
auto2shapely()
将带有地理信息的数据，自动转为 shapely 格式的GeoDataframe，地理格式可以为wkb/wkt/geojson等
from ricco import auto2shapely
from ricco import rdf
df = rdf('./test.csv')
auto2shapely(df) # Return: GeoDataframe- shapely转为任意格式：
shapely2x()
from ricco import rdf
from ricco import shapely2x
df = rdf('./test.csv')
# 转为wkb格式的Dataframe
shapely2x(df, geometry_format='wkb') - 自动转为任务任意地理格式：
auto2x()
from ricco import rdf
from ricco import auto2x
df = rdf('./test.csv')
# 转为wkb格式的Dataframe
auto2x(df, geometry_format='wkb')- 投影变换：
projection()
根据经纬度自动获取 epsg code 进行投影，也可以指定城市和 epsg code 进行投影； 该方法是对geometry列进行投影， 如需要对经纬度进行投影，请使用
projection_lnglat()方法
from ricco.geometry.df import projection- 面积计算：
get_area()
自动地理转换、投影、计算面积，新增面积列
area，不改变原数据
from ricco.geometry.df import get_area- 近邻分析：
nearest_kdtree()和nearest_neighbor()
计算一个数据集中的元素到另一个数据集中全部元素的最短距离（单位：米）, 同时可进行其他统计
from ricco.geometry.df import nearest_kdtree
from ricco.geometry.df import nearest_neighbor- buffer计算：
buffer()
生成指定半径的buffer的geometry列
from ricco.geometry.df import buffer- 空间统计：
spatial_agg()
对面数据覆盖范围内的点数据进行空间统计
from ricco.geometry.df import spatial_agg- 空间连接打标签：
mark_tags_v2()
from ricco import rdf
from ricco import mark_tags_v2
df_poi = rdf('./poi.csv')
df_plate = rdf('./plate.csv')
# 给POI数据打上plate_name的标签
mark_tags_v2(df_poi, df_plate, col_list='plate_name')