Communitygithub.com

geopandas

GeoPandasを使用したPythonワークフローのためのガイダンスとローカル監査ツール。GeoSeries、GeoDataFrame、空間操作、ベクターデータI/Oを直接扱います。

geopandas とは？

このスキルは、安定版のGeoPandas 1.1.4を対象とした、ベクター空間データ処理のための包括的なガイドです。開発者は、GeoDataFrameやGeoSeriesを使った空間結合（sjoin）、オーバーレイ、クリップ、溶解などの操作を、正しいCRS管理、トポロジ検証、精度管理とともに行う方法を学べます。また、出力成果物の監査やプライバシー・セキュリティのベストプラクティス（座標の匿名化、安全なI/Oなど）もカバーしています。このスキルには、ベクターインベントリ、CRS再投影計画、ジオメトリ検証、空間結合監査、エクスポート計画、機密座標チェックリストのためのローカルCLIスクリプトがバンドルされており、再現可能で安全なジオプロセシングパイプラインの構築を支援します。

対応~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/K-Dense-AI/scientific-agent-skills/tree/main/skills/geopandas
オリジナルを見る→すべてのスキルを見る

お気に入りのAIに質問する

このエージェントスキルを事前に読み込んだ状態で新しいチャットを開きます。

OpenAIChatGPTClaudeClaudeGeminiGeminiGrokGrokPerplexityPerplexityDeepSeekDeepSeek

ドキュメント

geopandas は何をしますか？

GeoPandasを、pandasライクなGeoSeriesおよびGeoDataFrameオブジェクトとして平面ベクターデータを扱うために使用します。このスキルは、安定版のGeoPandas 1.1.4（2026-06-26リリース）を対象としており、未リリースの1.2ドキュメントではありません。

再現可能な環境

GeoPandas 1.1.4にはPython 3.10+が必要です。そのタグ付きソースには、NumPy >=1.24、pandas >=2.0、Shapely >=2.0、pyproj >=3.5、pyogrio >=0.7.2、packagingが必要です。この正確なPython 3.12スナップショットは2026-07-23にスモークテストされています。

uv venv --python 3.12
uv pip install \
  "geopandas==1.1.4" \
  "numpy==2.5.1" \
  "pandas==3.0.5" \
  "shapely==2.1.2" \
  "pyproj==3.7.2" \
  "pyogrio==0.13.0" \
  "pyarrow==25.0.0" \
  "packaging==26.2"

オプションのプロットやPostGISパッケージもプロジェクトロックにピン留めしてください。互換性のないパッケージチャネルからバイナリ空間パッケージを混在させないでください。

安全性とプライバシー契約

  • 正確な座標、住所、区画境界、軌跡、小領域結合を機密として扱います。デフォルトでは、カウント、カテゴリ、大まかな範囲、匿名化された識別子に報告します。公開前には一般化してください。
  • URL、クラウドURI、GDALの/vsi*パス、アーカイブを自動的にロードしたり、アドレスをジオコーディングしたりしないでください。明示的な承認を得て、由来とハッシュを検証し、隔離されたワークスペースに解凍されたローカルファイルをステージングしてください。
  • GDAL/OGRドライバ、GEOS、PROJ、pyogrio、Shapely、pyproj、およびそれらのwheelsはネイティブコードの信頼境界です。公式のwheels/conda-forgeを優先し、ネイティブバージョンを記録し、ドライバを制限し、信頼できないデータはサンドボックスで処理してください。
  • 許可的なGDALドライバを介して、マクロ対応のOfficeファイルやネストされたアーカイブを開かないでください。バンドルされたCLIは拡張子の許可リストを使用し、アーカイブを拒否します。
  • GEOPANDAS_POSTGIS_PASSWORDなどの名前付きデータベースシークレットのみを読み取ります。シークレットマネージャーまたはスコープ付き環境変数を使用してください。パスワードをURLやソースに埋め込んだり、エンジン/URLを出力したり、環境をダンプしたりしないでください。
  • すべての派生成果物には、ソースのハッシュ/バージョン、CRS、操作パラメータ、述語、結合カーディナリティ、精度/修復の選択、および行数のチェックが必要です。

正当性ゲート

結果を信頼する前に、以下のゲートを適用してください。

  1. 同一性と由来 — ソースレイヤー、安定したフィーチャーキー、重複ID、行数、ジオメトリ列、パーサー/ドライバ、コンテンツハッシュを特定します。
  2. ジオメトリ状態 — null、空、無効、混合、Z/M、および折りたたまれたジオメトリを別々にカウントします。Noneは欠損です。空のShapelyジオメトリは実在します。
  3. CRSセマンティクス — CRSメタデータを必須とします。set_crs()はメタデータを割り当て、to_crs()は座標を変換します。座標範囲からCRSを推測しないでください。
  4. 単位と操作 — GeoPandasは平面座標系です。地理座標は角度です。バッファ、距離、面積、最近傍結合、精度グリッド、許容値に直接使用しないでください。目的に適したローカル/等積CRSまたは測地線法を選択してください。
  5. 変換品質 — 軸順序、使用範囲、データムパイプライン、期待される精度、概算ステータス、不足グリッドを検査します。ユーザーがグリッド取得を明示的に承認しない限り、PROJネットワークを無効にしてください。
  6. トポロジと精度 — 修復/オーバーレイの前後に検証します。ソース精度とCRS単位から精度グリッドを選択します。任意のスナッピングはフィーチャーを崩壊させたり、バイアスを生み出したりする可能性があります。
  7. カーディナリティ — merge、sjoin、またはsjoin_nearestの前に、期待される一対一、一対多、または多対多の動作を明記します。その後、マッチしなかった行と乗算された行を監査します。
  8. 出力契約 — 新しい出力パスを使用し、安定したフィーチャーIDを保持し、スキーマ/CRS/エンコーディングを文書化し、成果物を再オープンしてカウント/タイプを比較します。

CRSとアンチメリディアンのルール

GeoPandasはCRSをpyproj.CRSとして保存します。座標配列は伝統的なGISの(x, y)順序を使用しますが、権威定義は緯度優先の軸を宣伝することがあります。明示的な座標配列パイプラインにはTransformer(..., always_xy=True)を使用し、その選択を記録してください。

to_crs()は頂点を変換し、各セグメントがソースCRSで直線であると仮定します。測地線弧は変換しません。±180°または投影境界を横切るジオメトリは、うまくラップされない可能性があります。横断を検出し、文書化された地理的表記で分割/アンラップおよび高密度化し、パーツを変換してから検証してください。一般的な測定CRSとしてWeb Mercatorを使用しないでください。

crs = gdf.crs  # 存在する場合、pyproj.CRS
if crs is None or crs.is_geographic:
    raise ValueError("平面測定の前に適切な投影CRSを選択してください")

unit_names = [axis.unit_name for axis in crs.axis_info]
areas = gdf.geometry.area  # CRS単位の面積。自動的に平方メートルになるわけではありません

CRS管理を参照してください。

コアAPIの決定

データ構造

  • GeoDataFrameは、それぞれCRSメタデータを持つ複数のジオメトリ列を保持できますが、active_geometry_nameのみがフレームレベルの空間操作を駆動します。
  • バイナリGeoSeriesメソッドは行単位で、デフォルトでインデックスによって整列されます。位置的なペアリングが明示的に意図されており、長さと順序が確認された場合にのみalign=Falseを使用してください。
  • 重複する列名と重複するフィーチャーIDは曖昧です。結合とエクスポートの前に拒否または解決してください。

データ構造を参照してください。

ジオメトリの有効性、精度、および結合

is_validおよび要約されたis_valid_reason()カテゴリをmake_valid(method="linework"|"structure", keep_collapsed=...)の前に使用してください。修復によりジオメトリタイプまたは次元が変更される可能性があります。元のものを保持し、カウント、面積、タイプ、空、折りたたまれたパーツを比較してください。

set_precision(grid_size, mode=...)はCRS単位を使用し、重複頂点を削除したり、フィーチャーを崩壊させたりする可能性があります。union_all(method="unary", grid_size=...)が堅牢なデフォルトです。coverageはis_valid_coverage()が非重複とエッジマッチングを証明した後にのみ使用してください。Shapely >=2.1で、その分割仮定が有用な場合にdisjoint_subsetを使用します。

幾何演算を参照してください。

結合、オーバーレイ、クリップ、および溶解

  • sjoinの述語は方向性があります。left.within(right)はleft.contains(right)と同じではありません。intersectsは境界接触を含みます。containsは境界上の点のみを除外しますが、coversは境界点を含みます。
  • predicate="dwithin"にはdistanceが必要です。スカラーまたは左行ごとの距離はCRS単位です。sjoin_nearestは等距離の最近傍マッチをすべて返し、k=パラメータは実装されていません。
  • overlay(..., make_valid=True)は無効な入力を修復しますが、タイプが変更される可能性があります。keep_geom_type=Noneは警告とともに他のタイプを削除します。精度の不一致はスリバーを生み出す可能性があります。それらを静かに削除するのではなく、定量化してください。
  • clipはマスクを溶解します。矩形クリッピングは高速ですが、場合によっては不正確であり、点に崩壊した線を省略する可能性があります。その出力を検証してください。
  • dissolveはgroupby.aggとunion_allを組み合わせます。明示的な属性集約を選択し、nullグループキーを監査してください。

空間分析を参照してください。

I/O、Arrow、およびPostGIS

GeoPandas 1.xはデフォルトでpyogrioを使用します。ドライバの可用性とセマンティクスは、GeoPandas単独ではなく、インストールされたGDALに依存します。一般的な交換にはローカルGeoPackageを、列指向の相互運用性にはWKB GeoParquetを推奨します。

GeoParquetはデフォルトで安定したスキーマ1.0.0を使用します。ネイティブGeoArrowエンコーディングとbboxカバレッジにはスキーマ1.1.0が必要であり、相互運用性は低くなります。GeoParquetのcrsキーがない場合はOGC:CRS84を意味します。明示的なcrs: nullは不明を意味します—これらを混同しないでください。すべてのエクスポートを再オープンして検証してください。

PostGISにはパラメータ化されたSQLとSQLAlchemyのEngine/Connectionを使用してください。if_exists="replace"は破壊的です。デフォルトは"fail"とし、トランザクションを使用してください。

データI/Oを参照してください。

移行チェックリスト

GeoPandas 0.14以前からコードを移行する場合:

  • GeoPandas 1.0はShapely >=2のみをサポートします。PyGEOS、Shapely <2、およびrtree空間インデックスバックエンドは削除されました。
  • pyogrioがFionaに代わり、インストール/デフォルトのI/Oエンジンになりました。engine=を明示的に設定し、スキーマ、空、日時、エンコーディング、および追加動作をテストしてください。
  • sjoin(op=...)をpredicate=に、sindex.query_bulk()をsindex.query()に、unary_unionをunion_all()に、GeometryArray.dataをto_numpy()/np.asarrayに置き換えてください。
  • read_file(include_fields=...|ignore_fields=...)をcolumns=に置き換えてください。削除されたGeoParquetのversion=互換性の代わりにschema_version=を使用してください。
  • 削除されたgeopandas.datasets、内部のgeopandas.io.*エントリポイント、プロットのaxes/colormap、または集合演算子を使用しないでください。
  • explode()のデフォルトはindex_parts=Falseになりました。set_geometry()に渡された名前付きSeriesが新しいアクティブ列名を提供します。名前付きの右インデックスはsjoin出力のindex_rightを置き換えることができます。
  • .crsを割り当ててメタデータを上書きしたり、非推奨のset_geometry(drop=...)に依存したりしないでください。明示的なset_crs()と名前変更/削除の手順を使用してください。
  • GeoPandas 1.1にはPython >=3.10、pandas >=2.0、NumPy >=1.24、pyproj >=3.5が必要です。バージョン1.1.2では、PostGISジオメトリ列名によるSQLインジェクションが修正されました。ピン留めされた1.1.4にはその修正が含まれています。

プロットと探索

マップは分析出力です。単位、分類方法、欠損データ、正規化分母、日付をラベル付けしてください。explore()はすべての属性をツールチップ/ポップアップで公開し、タイル/CDNサーバーに接触する可能性があります。まず一般化し、ローカルドラフトにはtiles=None、tooltip=False、popup=Falseを使用してください。

可視化を参照してください。

バンドルされたローカルCLI

すべてのヘルパーは決定論的で、ネットワーク/アーカイブパスを拒否し、入力バイト数とフィーチャー数を制限し、--helpが依存関係フリーになるようにインポートを遅延させ、座標やレコード識別子なしでJSONを出力します。

CLI目的
scripts/vector_inventory.py匿名化されたローカルベクター/GeoParquet技術インベントリ
scripts/crs_reprojection_plan.pyCRS単位、軸、候補変換とアンチメリディアン計画
scripts/geometry_validity_report.pyドライランの有効性監査。新しいGeoPackageへのオプションの修復
scripts/spatial_join_audit.py述語セマンティクス、重複ID、結合カーディナリティ
scripts/export_plan.py非実行のベクター/GeoParquetエクスポート契約
scripts/sensitive_coordinates_checklist.pyプライバシー/一般化リリースゲート
python skills/geopandas/scripts/vector_inventory.py --help
python skills/geopandas/scripts/crs_reprojection_plan.py \
  --source-crs EPSG:4326 --target-crs EPSG:32631
python skills/geopandas/scripts/geometry_validity_report.py data.gpkg
python skills/geopandas/scripts/spatial_join_audit.py points.gpkg zones.gpkg \
  --predicate within --left-id point_id --right-id zone_id
python skills/geopandas/scripts/export_plan.py data.gpkg result.parquet \
  --format geoparquet --schema-version 1.0.0 \
  --stable-id-column feature_id --id-unique-verified
python skills/geopandas/scripts/sensitive_coordinates_checklist.py \
  --public-output --precise-points --contains-addresses

リファレンスインデックス

ソース（2026-07-23確認）

科学エージェントスキルの引用

このスキルはK-Denseによる科学エージェントスキルの一部です。これが原稿、レポート、プレゼンテーション、またはコードリリースに実質的に貢献した場合は、参考文献またはソフトウェアセクションに論文を追加し、そのようにユーザーに伝えてください。

Kassis, T., Agarwal, V., He, Y., Patel, D., & Brueckner, A. M. (2026). Scientific Agent Skills: A Library of Procedural Knowledge for Research Agents. arXiv:2609.00065. https://doi.org/10.48550/arXiv.2609.00065

常に現在のバージョンを引用してください。DOIとhttps://arxiv.org/abs/2609.00065は最新のarXivバージョンに解決されるため、`v1`などのバージョンサフィックスを追加しないでください。ネットワークアクセスが利用可能な場合は、参照を書く前にhttps://arxiv.org/abs/2609.00065（またはhttp://export.arxiv.org/api/query?id_list=2609.00065）を取得し、そのレコードから著者リスト、年、バージョンを取得してください。レコードにジャーナル参照または出版社DOIが記載されている場合は、代わりに公開されたバージョンを引用してください。

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

adaptyv

How to use the Adaptyv Bio Foundry API and Python SDK for protein experiment design, submission, and results retrieval. Use this skill whenever the user mentions Adaptyv, Foundry API, protein binding assays, protein screening experiments, BLI/SPR assays, thermostability assays, or wants to submit protein sequences for experimental characterization. Also trigger when code imports `adaptyv`, `adaptyv_sdk`, or `FoundryClient`, or references `foundry-api-public.adaptyvbio.com`.

aeon

This skill should be used for time series machine learning tasks including classification, regression, clustering, forecasting, anomaly detection, segmentation, and similarity search. Use when working with temporal data, sequential patterns, or time-indexed observations requiring specialized algorithms beyond standard ML approaches. Particularly suited for univariate and multivariate time series analysis with scikit-learn compatible APIs.

alphagenome

Look up precomputed AlphaGenome Atlas effects for any GRCh38 single-nucleotide variant (AVI score with Phred and 18 SHAP feature attributions, plus raw and quantile scores for RNA-seq, DNase, ATAC, ChIP-TF, ChIP-histone, CAGE, PRO-cap, splicing, polyadenylation and contact-map tracks), score variants or scan windows on demand with the AlphaGenome model for human and mouse (variant scoring, in silico mutagenesis, REF-versus-ALT track prediction), and build Atlas website deep links. Use when the user mentions AlphaGenome, AlphaGenome Atlas, AVI or AlphaGenome Variant Impact, DeepMind variant effect prediction, or wants to prioritise or mechanistically interpret non-coding, regulatory, splicing, enhancer, promoter, or chromatin-accessibility effects of SNVs from a VCF, credible set, or region. Research use only; not a clinical tool.

analytical-method-validation

Plan, execute, and document validation, verification, and transfer of analytical procedures under the governing framework - ICH Q2(R2) and Q14, USP <1220>/<1225>/<1226>, ICH M10 bioanalytical, CLSI EP, or ISO/IEC 17025. Use for HPLC, LC-MS/MS, GC, CE, ICP-MS, dissolution, qNMR, qPCR, NIR, and ligand binding or cell-based assays whenever the question is whether a procedure is fit for its intended purpose. Triggers include

anndata

Data structure for annotated matrices in single-cell analysis. Use when working with .h5ad files or integrating with the scverse ecosystem. This is the data format skill—for analysis workflows use scanpy; for probabilistic models use scvi-tools; for population-scale queries use cellxgene-census.

arbor

Autonomously improve a real artifact (code, training recipe, agent harness, data pipeline, prompt) against an objective and an evaluator, using Hypothesis Tree Refinement (HTR) from the Arbor paper. Use this whenever someone wants to iteratively optimize something over many experiments without overfitting — e.g.

arboreto

Infer gene regulatory networks (GRNs) from gene expression data using scalable algorithms (GRNBoost2, GENIE3). Use when analyzing transcriptomics data (bulk RNA-seq, single-cell RNA-seq) to identify transcription factor-target gene relationships and regulatory interactions. Supports distributed computation for large-scale datasets.

astropy

Core Python library for astronomy and astrophysics workflows that need Astropy APIs, including units/quantities, coordinates, FITS I/O, tables, time systems, WCS, and cosmology. Use when implementing or debugging astronomical data analysis code with Astropy.

autoskill

Observe the user

benchling-integration

Benchling Python SDK and REST API integration for registry entities, inventory, ELN entries, workflows, Benchling Apps, and Data Warehouse queries. Use when automating lab data with benchling-sdk or the v2 API.

bgpt-paper-search

Search scientific papers and retrieve structured experimental data extracted from full-text studies via the BGPT MCP server. Returns 25+ fields per paper including methods, results, sample sizes, quality scores, and conclusions. Use for literature reviews, evidence synthesis, and finding experimental details not available in abstracts alone.

bids

>

biopython

Comprehensive molecular biology toolkit. Use for sequence manipulation, file parsing (FASTA/GenBank/PDB), phylogenetics, and programmatic NCBI/PubMed access (Bio.Entrez). Best for batch processing, custom bioinformatics pipelines, BLAST automation. For quick lookups use gget; for multi-service integration use bioservices.

bioservices

Unified Python interface to 40+ bioinformatics services. Use when querying multiple databases (UniProt, KEGG, ChEMBL, Reactome) in a single workflow with consistent API. Best for cross-database analysis, ID mapping across services. For quick single-database lookups use gget; for sequence/file manipulation use biopython.

bulk-rnaseq

End-to-end bulk RNA-seq orchestrator — takes raw FASTQ reads through QC and trimming (FastQC, fastp/Trim Galore), alignment and quantification (STAR, Salmon, featureCounts), assembles a gene-level counts matrix, then hands off to differential expression (pydeseq2), pathway/GSEA enrichment (pathway-enrichment), and publication figures (scientific-visualization). Use whenever the user has bulk RNA-seq reads or quant output and wants a complete, reproducible differential-expression workflow — e.g.

cellxgene-census

Query the CZ CELLxGENE Census programmatically for versioned public single-cell and spatial transcriptomics data. Use when you need population-scale cell metadata, gene expression slices, Census summary counts, source H5AD URIs/downloads, embeddings, spatial Census data, or reference atlas comparisons across organisms, tissues, diseases, assays, and cell types. For analyzing your own local single-cell data use scanpy, anndata, or scvi-tools.

cirq

Google quantum computing framework. Use when targeting Google Quantum AI hardware, designing noise-aware circuits, or running quantum characterization experiments. Best for Google hardware, noise modeling, and low-level circuit design. For IBM hardware use qiskit; for quantum ML with autodiff use pennylane; for physics simulations use qutip.

citation-management

Comprehensive citation management for academic research. Search OpenAlex, PubMed, and Google Scholar for papers, extract accurate metadata, validate citations, and generate properly formatted BibTeX entries. This skill should be used when you need to find papers, verify citation information, convert DOIs to BibTeX, or ensure reference accuracy in scientific writing.

clinical-decision-support

Prepare and validate research-only clinical decision-support evaluation, evidence-profile, cohort, survival, biomarker/model, privacy, and governance artifacts. Use for aggregate or synthetic research documentation and traceability—not patient care or live clinical operation.

clinical-reports

Create safety-bounded draft structures and run local deterministic checks for clinical case, diagnostic, trial, safety, and aggregate research reports. Use only with synthetic, de-identified, or aggregate inputs and verified source-fact manifests; every output requires qualified review.

関連スキル

steipete/video-frames

Extract frames or short clips from videos using ffmpeg.

community

steipete/summarize

Summarize or transcribe URLs, YouTube/videos, podcasts, articles, transcripts, PDFs, and local files.

community

openclaw/openclaw

Use when testing, fixing, or extending the OpenClaw Control UI GUI with Vitest + Playwright end-to-end checks, mocked Gateway WebSocket flows, mocked dashboard runs, screenshots/videos, or agent-verifiable browser proof.

community

obra/superpowers

Obra superpowers agent skills.

community

affaan-m/ECC

See, Understand, Act on video and audio. See- ingest from local files, URLs, RTSP/live feeds, or live record desktop; return realtime context and playable stream links. Understand- extract frames, build visual/semantic/temporal indexes, and search moments with timestamps and auto-clips. Act- transcode and normalize (codec, fps, resolution, aspect ratio), perform timeline edits (subtitles, text/image overlays, branding, audio overlays, dubbing, translation), generate media assets (image, audio...

community

affaan-m/everything-claude-code

End-to-end marketing campaign planning and execution. Covers audience research, positioning, campaign angle definition, landing page copy, email sequences, social posts, ad copy, short-form video scripts, and content calendars. Use as the orchestration layer for multi-channel product launches. Use when planning or executing a multi-channel product launch, or producing landing page, email, social, or ad copy.

community