1、直接通过to_sql写入
file_name = os.path.split(file)[1]
print(‘正在写入:’+file)
tbl_name = file_name.split(‘.’)[0] # 表名
map_data = gpd.GeoDataFrame.from_file(file)
spatial_ref = map_data.crs.srs.split(‘:’)[-1]
map_data[‘geometry’] = map_data[‘geometry’].apply(
lambda x: WKTElement(x.wkt, spatial_ref))
# geopandas 的to_sql()方法继承自pandas, 将GeoDataFrame中的数据写入数据库
map_data.to_sql(
name=tbl_name,
con=engine,
if_exists=‘replace’, # 如果表存在，则替换原有表
chunksize=1000, # 设置一次入库大小，防止数据量太大卡顿
# 指定geometry的类型,这里直接指定geometry_type=‘GEOMETRY’，防止MultiPolygon无法写入
dtype={‘geometry’: Geometry(
geometry_type=‘GEOMETRY’, srid=spatial_ref)},
method=‘multi’
)
2、通过to_postgis写入（数据表名称一定要小写）
为了能在geopandas中与postgresql和PostGIS建立连接，请确保以下3个库已经安装：
pip install sqlalchemy psycopg2-binary geoalchemy2
CREATE EXTENSION postgis;并执行，成功之后我们的数据库就变成了空间数据库，支持空间相关的各种功能：
3、读取postgis数据
从PostGIS中读取数据要用到另一个API，对应geopandas的read_postgis()，其主要参数如下：
sql：字符型，对应从空间数据库中提取数据的SQL语句
con：同to_postgis()
geom_col：字符型，用于指定将哪一列作为GeoDataFrame的矢量列
crs：用于指定坐标参考系，同GeoDataFrame的坐标参考系设定方式
index_col：字符型或列表，用于指定将哪些列作为索引
parse_dates：列表，用于预解析时间类型数据
