使用geopandas的GeoDataFrame()生成包含地理数据的数据框。

Geopandas是一个基于pandas的地理空间数据处理库，它提供了一个叫做GeoDataFrame的数据结构，可以方便地处理包含地理数据的数据框。GeoDataFrame可以存储和操作地理数据，如点、线、面等。

使用GeoDataFrame的 步是导入必要的库：

import geopandas as gpd
from shapely.geometry import Point

接下来，我们可以创建一个空的GeoDataFrame对象，并定义它的几何列geometry和其他列。下面的例子中，我们创建了一个包含城市名称和经纬度的GeoDataFrame：

# 创建空的GeoDataFrame
gdf = gpd.GeoDataFrame()

# 添加几何列geometry，数据类型为Point
gdf['geometry'] = None

# 添加城市名称列
gdf['city'] = ['New York', 'Los Angeles', 'Chicago', 'San Francisco']

# 添加经纬度数据到几何列
gdf['geometry'] = gdf['city'].apply(lambda x: Point(x))

# 设置GeoDataFrame的坐标系为WGS84，即经纬度坐标系
gdf.crs = {'init': 'epsg:4326'}

在以上代码中，我们创建了一个空的GeoDataFrame对象，并添加了几何列geometry和城市名称列。然后，我们使用lambda函数将城市名称转换为Point类型的几何数据。最后，我们设置了GeoDataFrame的坐标系为WGS84，也就是经纬度坐标系。

通过上述步骤，我们就创建了一个包含地理数据的GeoDataFrame。我们可以对它进行多种操作，如属性查询、空间查询、空间联接等。以下是对GeoDataFrame常用的操作示例：

# 属性查询，选择名称为'New York'的城市数据
city_data = gdf[gdf['city'] == 'New York']

# 空间查询，选择几何类型为Point的数据
point_data = gdf[gdf.geometry.type == 'Point']

# 空间联接，将两个GeoDataFrame按照空间位置进行联接
joined_data = gpd.sjoin(gdf1, gdf2, how='inner', op='intersects')

在以上代码中，我们演示了属性查询、空间查询和空间联接等操作。这些操作都非常方便简单，并且可以根据具体需求进行组合。

总结起来，通过GeoDataFrame，我们可以方便地创建、存储和操作包含地理数据的数据框。无论是处理点数据、线数据还是面数据，都可以使用GeoDataFrame来完成，并且可以方便地进行空间查询和空间联接等操作。这使得geopandas成为了一个非常强大的地理空间数据处理工具。