本文整体思路：在Python中使用Geopandas库，依次读取shp文件的每一个面状要素，获取其空间边界信息并裁剪对应的栅格影像，计算所裁剪影像Value值的众数，将其设置为对应面状要素的NewTYPE值，所有要素属性值都改好之后保存为新的shp文件。
使用Python处理空间数据确实用的不多，所以一个星期以来一直深受这个程序的折磨，官方文档、博客、谷歌、百度、论文，能用的方法都给用了，但是进度还是很慢，特别是当看到这篇博客的时候。。。好气啊。。
不过幸亏头比较铁，虽败不馁，慢慢一步一步调试找问题，一个一个解决，终于啃下了这根硬骨头。（对写程序来说，调试真的是第一法宝啊！）
好吧进入正题。。。
Pandas是一款高性能的Python数据分析库，而Geopandas是由Shapely、Fiona、PyProj、matplotlib以及其他必须的库共同构建的Pandas地理空间扩展，它既可以处理空间数据、也可以处理属性数据。看到有些博客说在读取shp文件的时候用Geopandas库，而在编辑、导出的时候用pyshp比较好，其实不然，Geopandas也提供了功能完备的导出接口，而且使用特别方便，只不过需要注意一个小的细节问题，否则就会报错。Rasterio是基于GDAL库二次封装的主要用于空间栅格数据处理的Python库，本程序需要对栅格影像进行裁剪，因此也需要引用这个库。两个库的官方文档如下，参考的时候要注意版本问题，不同的版本有些接口可能已经改变。Geopandas参考文档；Rasterio参考文档。
我是Windows 10系统，在Python中安装Geopandas库比较麻烦，不能用pip命令直接安装，而需要先下载Anaconda再用conda命令安装，这部分网上有很多参考资料，就不多赘述了。但是安装完成之后发现它的一些依赖库不能使用，需要pip命令将其卸载之后，再通过此地址：python依赖库下载对应的依赖库并安装就可以使用了。
本程序完整的代码如下：
# -*- coding: utf-8 -*-
from geopandas import *;
import rasterio as rio;
import rasterio.mask; # 读入矢量和栅格文件
shpdatafile='D:/PythonConda/Data/ShpData.shp'
rasterfile='D:/PythonConda/Data/Raster.tif'
out_file='D:/PythonConda/Data/OutShpData'
shpdata=GeoDataFrame.from_file(shpdatafile)
rasterdata=rio.open(rasterfile) out_shpdata = shpdata.copy()
#投影变换，使矢量数据与栅格数据投影参数一致
shpdata=shpdata.to_crs(rasterdata.crs) for i in range(0, len(shpdata)):
# 获取矢量数据的features
geo = shpdata.geometry[i]
feature = [geo.__geo_interface__]
#通过feature裁剪栅格影像
out_image, out_transform = rio.mask.mask(rasterdata, feature, all_touched=True, crop=True, nodata=rasterdata.nodata)
#获取影像Value值，并转化为list
out_list = out_image.data.tolist()
#除去list中的Nodata值
out_list = out_list[0]
out_data = []
for k in range(len(out_list)):
for j in range(len(out_list[k])):
if out_list[k][j] >=0:
out_data.append(out_list[k][j])
#求数据中的众数
if len(out_data):
counts = np.bincount(out_data)
new_type = np.argmax(counts)
else:
new_type = None
#依据众数值更改feature的NewTYPE属性值
out_shpdata.NewTYPE[i] = new_type #将属性更改过的GeodataFrame导出为shp文件
out_shpdata.to_file(out_file)
需要注意的问题：
1）两个文件需要在同一坐标系下，需要将用于裁剪的shp数据进行投影变换，将其投影参数变为栅格数据的投影参数，由以下代码实现：
shpdata=shpdata.to_crs(rasterdata.crs)
其中crs表示数据的投影参数，to_crs为投影参数转换函数。
2）裁剪函数rasterio.mask.mask的参数问题，需要传入的矢量数据为GeoJSON数据，因此读入的每一个面状feature都需要用__geo_interface__函数进行格式转换，这一步可以通过调试来查看具体的数据格式是否正确；此函数有两个返回值，第一个记录裁剪栅格的数据值，第二个记录其坐标转换信息，一般用到第一个返回值比较多；裁剪得到的栅格形状其实是一个矩形，与feature的外接矩形区域一致，只是位于feature外部的像素值默认被设置为Nodata，当然这可以通过传入的参数进行设置。
3）获取到裁剪的栅格后，通过.data来获取其Value值，但此时还不能直接用于统计分析，需要将数据转化为List，函数如下：
out_list = out_image.data.tolist()
此时还需要调试来进一步确定out_list的数据内容，发现out_list[0]才是我们真正能用到的数据值。
4）获取众数的时候需要清除Nodata值的影响，因此用for循环把out_list中的非Nodata数据再组成一个新的List，用numpy的自带函数求其众数。因为所有的编辑并不能对shpdata源数据进行改变，所以需要构建一个shpdata的copy即out_shpdata，将求得的众数赋给out_shpdata的NewTYPE，编辑完成之后再将out_shpdata导出为完整的shp文件。
5）GeoDataFrame.to_file函数可以将out_shpdata直接导出为shp文件，仅需要传入一个路径参数即可，但需要注意由于shp文件包含.shp、.shx、.dbf和.prj，因此路径只能是一个文件夹，而不能具体到.shp。如下代码所示：
out_file='D:/PythonConda/Data/OutShpData'
最后将生成的数据在Arcmap中打开，设置显示的Labels后可以看到效果如下：
至此全部完成！