前文再续，书接上一回。
GeoPandas的安装一直都是比较麻烦，不过如果你装好了，那简直就太好用不过了。今天我们就来说说GeoPandas对数据的读写能力。
我们都知道，要GeoPandas最底层是依托的GDAL/OGR，所以GeoPandas能够支持的格式，首先需要GDAL/OGR能够支持才行，先看看GDAL/OGR能够支持的格式有哪些。
按我目前按照的GDAL/OGR 3.12版本，支持的格式一共有79种，如下所示：
那么是不是这79种geopandas都能支持呢？答案是否定的，因为在ogr和geopandas之间，还有一个fiona在中间做了封装……所以，具体GeoPandas能支持那些格式，还得看看Fiona：如上所示，在Fiona里面， 仅支持22种数据格式了，而且后面的raw，表示支持程度，其中：刨除掉特殊情况，一般我们能够遇上的空间数据格式，基本上都没有啥问题了。geopandas的读取数据的方法很简单，直接用geopandas.read_file方法就可以了，它会根据你输入的数据格式，去自动适配数据驱动（这点比gdal/ogr强太多了……特么还要自己指定驱动才能进行读取）。shapefile虽然最早是由Esri提出来的，但是现在已经成为了事实上的数据交换标准，市面上只要是平台级的GIS软件，都支持shapefile，而后两个平台之间的数据交换，也大都选择Shapefile做为中间数据。但是，Shapefile的优势和劣势同样出名，优势我就不说了，我这里给大家说说劣势：1、Shapefile的字段名，最多只支持8个字节（四个汉字）。2、Shapefile的单文件，最多仅能支持2GB（这个是当年为了契合windows的老FAT磁盘格式的标准）3、Shapefile是离散的文件结构格式，由一系列文件组组成，容易丢失和被破坏。5、不支持ST_Geometry的结构化查询语言进行空间查询。6、只能支持简单的空间数据格式（点线面，实际上空间上的对象很多，如下所示：）。所以很多时候，我们都建议使用空间数据库来做为数据载体，如果说企业级数据库（Oracle、MSSQL、Postgresql等）太过庞大复杂了，我们还可以使用本地文件型数据库，比如Esri的file GDB，或者是OGC的GPKG。下面我们来看看这两种文件型数据库在geopandas里面怎么用：1、Esri 的File GDB，属于Esri特有的格式，目前已经开源了，大家可以去网络查一下对于File GDB的相关资料，所以在GDAL/OGR/Fiona里面，直接把这个驱动就叫做Open File GDB了。但是，目前Fiona不支持对FileGDB的写入和编辑，仅支持读取。如下所示：如果我们想看看gdb里面有哪些图层，geopandas不支持，所以需要用fiona.listlayers方法，来读取，读取完了之后，就可以看见这个gdb里面有哪些图层了。在用geopandas读取gdb的时候，在输入文件路径的时候，只能输入到gdb这一层，读取的时候，需要加一个参数，就是layer，指定你要读取的图层是那个：gdbdata = geopandas.read_file("./data/china.gdb",layer="省界2012")同样，如果我们要读取另外一个图层，直接改layer就行：2、对于OGC的gpkg（GeoPackage），则是另外一种格式，它本质上是基于sqlite的一种开源文件型空间数据库。所以，直接用能够打开Sqlite数据库的工具，就可以直接打开gpkg了（不像File GDB，必须要用GIS平台软件），比如下面用的是DB Browser：在geopandas里面，读取的方式和GDB完全一样：先用fiona读取到layer，然后用geopandas读取就行。下面看看两种不同的json，第一种的geojson，这也是用得最广的一种json，mapbox、echarts或者Leaflet都直接可以加载：第二种的Esri的json，这种json用的比较少，主要是ArcGIS系列软件在用，不过支持的属性更加全面：其实两种json，都直接可以用json为后缀名，我为了标识，所以改成了格式命名dxf是AutoCAD的数据交换文件，CAD的默认文件是dwg，geopandas无法打开dwg的，但是可以打开dxf，效果看起来还挺不错的……最后是gpx，这是gps的标准导出格式，一般就是个xml:除了这些格式以外，大家还可以去试试其他的格式，我这里就不一一展现了。上面是读取都是文件（包括文件型数据库），如果你的数据是标准的企业级空间数据库的话，geopandas也可以读取，比如postgis。先看看我的postgis库里面，有个schma，叫做world，里面我放了两个图层，一个是世界地图（面要素）、一个是世界主要城市（点要素）那么我们在geopandas里面，也可以通过read_postgis方法，直接打开，但是要注意的是，打开PostGIS库，需要先安装两个包：一个是sqlalchemy包，这是Python里面最出名的ORM包，如果你不知道ORM（数据库对象映射），那就只要知道这个包是用来把数据库里面的表转化成Python里面的对象的包就行；第二个就是psycopy2包，这是Python用来连接Postgresql的驱动包。postgresql://用户名:密码@服务器地址(ip或者机器名):数据库端口/数据库名称(默认是postgis)2、通过sql语句，读取数据，然后变成GeoDataframe。如果有熟悉pandas的同学，肯定对这个流程没啥疑问了，这是标准的pandas读取数据库数据的流程，只不过这里加载了自动读取空间数据的部分。
最后，又到了每篇一个小技巧时间，我们知道中国最权威的（官方）数据来自国家统计局，而统计局也提供了一个对外查询网站：
https://data.stats.gov.cn/index.htm我们可以在里面查询分省数据，而且查询出来的结果，返回的是标准的json字符串：爬虫基本技能，大家可以去其他地方学习，我这里就不多说了——下面是我们通过国家统计局的数据，配合GeoPandas，直接制作一张中国人口专题图：首先是获取国家统计局数据，然后清洗成一个DataFrame：（代码我就不解释了，原因见上图）接下去，我们来获取中国行政区划的数据，比如我们可以直接用阿里的DataV提供的中国行政区划的geojson:小贴士：geopandas可以直接读取在线的数据（内置，request能力）。其中>650000那句，是筛选出港澳台来，然后用斜杆填充，表示没有获取到数据。
