Lernen Grundlegende Räumliche Operationen

Swipe um das Menü anzuzeigen

Die Arbeit mit Geodaten beginnt häufig mit der Fähigkeit, Merkmale anhand ihrer Attribute oder räumlichen Eigenschaften zu filtern, auszuwählen und zu visualisieren. Mit der Bibliothek geopandas lassen sich diese grundlegenden räumlichen Operationen effizient durchführen. Filtern ermöglicht es, sich auf interessante Merkmale innerhalb eines größeren Datensatzes zu konzentrieren, während Plotten hilft, räumliche Muster und Zusammenhänge visuell zu interpretieren.

Zum Filtern räumlicher Daten werden häufig boolesches Indexieren und der .loc-Accessor in geopandas verwendet. Damit können Zeilen ausgewählt werden, die bestimmte Kriterien erfüllen, wie beispielsweise alle Merkmale mit einem bestimmten Attributwert.


              12345678910111213141516171819202122
            
import geopandas as gpd
import matplotlib.pyplot as plt

# 1. Load the dataset using a direct URL to the public Natural Earth GeoJSON
world_url = "https://raw.githubusercontent.com/nvkelso/natural-earth-vector/master/geojson/ne_110m_admin_0_countries.geojson"
world = gpd.read_file(world_url)

# 2. Filter: Select only countries in South America
south_america = world[world['CONTINENT'] == 'South America']

# 3. Plotting
ax = world.plot(color='lightgray', edgecolor='white', figsize=(10, 6))

# Overlay South American countries in green
south_america.plot(ax=ax, color='forestgreen', edgecolor='black')

# Customize the map
plt.title("South America Highlighted on World Map", fontsize=14)
plt.axis('off')  # Hide the lat/long grid lines for a cleaner look

# Show the plot
plt.show()

Nach dem Filtern der Daten ist die Visualisierung auf einer Karte ein wesentlicher Schritt in der Geodatenanalyse. geopandas lässt sich nahtlos mit matplotlib integrieren und ermöglicht die Erstellung informativer, ansprechender Karten. Die Farben der Merkmale können basierend auf Attributwerten angepasst und Legenden hinzugefügt werden, um die Plots aussagekräftiger zu gestalten.


              123456789101112
            
import matplotlib.pyplot as plt

# Plot all world countries in light gray
ax = world.plot(color='lightgray', edgecolor='white', figsize=(10, 6))

# Overlay South American countries in green with a legend
south_america.plot(ax=ax, color='forestgreen', edgecolor='black', label='South America')

# Add a title and legend
plt.title("Countries of South America")
plt.legend()
plt.show()

War alles klar?

Danke für Ihr Feedback!

Abschnitt 1. Kapitel 4

Fragen Sie AI

Fragen Sie alles oder probieren Sie eine der vorgeschlagenen Fragen, um unser Gespräch zu beginnen

Abschnitt 1. Kapitel 4