前文再续，书接上一回。
我们简单介绍一下geopandas的数据结构。
1、DataFrame与Series
geopandas做为Pandas的一个扩展，它的数据结构肯定是依附与pandas的，而Pandas的核心数据结构就是DataFrame与Series。
这个两个概念，如果属性pandas的同学，自然不必多说，我这里仅做一个简单介绍，详细的内容大家自行去网上了解学习：
首先，我们可以用一个二维矩阵，或者一个二维表格，来进行类比，DataFrame就是一个二维矩阵或者二维表格：
这个二维表里面的每一列，就可以看成是一个Series。
在一个表格里面，如果我们要范围其中某一行，是如何访问的呢？
（思考题，领导要的第三行数据，到底是CC还是DD？）
（答：普通人是CC，码农是DD，因为码农是从0开始数数的[手动狗头，请勿当真]）。
码农参加拓展真实情况：
一般来说，每一行都会有一个标识，这个标识需要是在整个表中是独一无二的，这样在指定的时候，才不会出现歧义，在pandas的DataFrame里面，这个东西叫做index（索引），如下所示：
默认的索引自然就是数字行号，而DataFrame可以自由设置任何一种内容为index，这里就不做演示了，大家可以去查看pandas相关教程文档。
前面说到这个DataFrame的每一列都是一个Series，对应在Python的数据结构里面，一个Series，就是一个带有index的list：
list类似于Java里面的集合，它可以存放任意类型的数据，用下标进行访问，比如一个人的信息，组成成一个list，比如：
这个list里面，可以是数字、字符串、图片对象、文件对象、视频对象、还可以包含另外一个list……
那么Series也是一样，本身就是一个一维的list，可以存放任意对象，不过一般来说，每个Series的类型都是一样的。
结合index之后，Series就可以表示为Python里面的字典结构：{index:[]}
如下所示：
{"name":[……]}
{"age":[……]}
{"sex":[……]}
geopandas做为pandas的扩展库，就在pandas的DataFrame上增加了一个geometry字段：
同时把DataFrame派生为GeoDataFrame；把Series派生为GeoSeries，继承了DataFrame和Series的所有特性和能力。
pandas上面具备的所有DataFrame和Series的能力，比如查询、转换、聚合、切片等等，在GeoDataFrame和GeoSeries都一应俱全，属性上面的操作，大家自行查阅pandas的相关文档即可，这里就不做赘述了。
2、GeoDataFrame和GeoSeries里面的geometry对象。
如果我们直接show出geometry的内容，是这个样子的：
熟悉GIS的同学，肯定对这种格式很熟悉，这种格式称为wkt
WKT(Well-knowntext)是一种文本标记语言,用于表示矢量几何对象、空间参照系统及空间参照系统之间的转换。wkt是一种ascii码描述的文本标记语言，可以用明文表示空间对象，所以在PostGIS里面，也默认采用这种格式来进行显示。但是如果我们直接显示GeoDataFrame的geometry对象：里面的类型个geometry，也就是说，这是一个对象，而不是一个文本字符串。在GeoDataFrame里面，记录空间对象，用的是shapely里面的对象结构shapely库继承自GEOS以及JTS的空间描述，是一个用于在Python中进行地理空间处理的库，主要定义了一系列操作和分析笛卡尔坐标系中的几何对象。(没有三维能力）我们通过help简单扫一眼，就可以看见这个类了：下面我们可以通过两个例子，来看看如何自定义空间对象：首先对点的定义，我们可以直接用过shapely.geometry包下面的Point类进行初始化。我们可以看见，初始化之后，得到的是一个shapely.geometry.point.Point对象。如果是面和线，我们也可以通过wkt字符串来初始化：GeoDataFrame和GeoSeries，除了完全具备pandas的能力以外，还需要一些特殊的空间操作的能力。下面演示一个小案例：
如果裸装绘制行政区划，虽然也能看，但是效果也就这样了，在制图表达的时候，我们可以在外面加一个边界背景——最简单的就是做一个发光的效果：
在geopandas里面，也就是几行代码的事情，如下所示：
打完收工。
godxia