import sys,unittest,importlib
import numpy as np
import geopandas as gpd
from shapely.geometry import Point,box
import matplotlib
matplotlib.use('Agg')
import matplotlib.pyplot as plt

# =====================================================================
# CORE LOGIC
# =====================================================================
def create_grid(data,grid_size):
    l_minx,l_miny,l_maxx,l_maxy=data.total_bounds
    x_coords=np.arange(l_minx-0.1,l_maxx+grid_size+0.1,grid_size)
    y_coords=np.arange(l_miny-0.1,l_maxy+grid_size+0.1,grid_size)
    grid_cells=[]
    for x in x_coords[:-1]:
        for y in y_coords[:-1]:
            grid_cells.append(box(x,y,x+grid_size,y+grid_size))
    grid=gpd.GeoDataFrame({"geometry":grid_cells},crs=data.crs)
    grid["grid_id"]=grid.index
    sj=gpd.sjoin(data,grid,how="left",predicate="intersects")
    return grid,sj

def aggregate_in_grid(sj):
    return sj.groupby("grid_id").size().reset_index(name="count")

def plot_grid(grid,agg,bmap):
    m=grid.merge(agg,on="grid_id",how="left").fillna({"count":0})
    fig,ax=plt.subplots(figsize=(6,6))
    bmap.plot(ax=ax,color="whitesmoke",edgecolor="darkgray")
    m.plot(column="count",ax=ax,cmap="YlGnBu",edgecolor="k")
    plt.close(fig) 

# =====================================================================
# SAFE DYNAMIC ENGINE (Ultra-compact)
# =====================================================================
def _dyn(tc,cond,s_msg,f_msg):
    c_suc=str(s_msg).replace(chr(10),chr(32)).strip()[:65]
    c_fail=str(f_msg).replace(chr(10),chr(32)).strip()[:65]
    if cond:
        tc._testMethodName=c_suc
        sys.stdout.write(" -> PASS: "+c_suc+chr(10))
        sys.stdout.flush()
        tc.assertTrue(True)
    else:
        tc._testMethodName=c_fail
        sys.stdout.write(" -> FAIL: "+c_fail+chr(10))
        sys.stdout.flush()
        tc.fail(c_fail)

class DynRes(unittest.TextTestResult):
    def startTest(self,test):
        super().startTest(test)
        msg=chr(10)+"[ RUN ] -> "+str(test._testMethodName)+chr(10)
        sys.stdout.write(msg)
        sys.stdout.flush()
    def addSuccess(self,test):pass
    def addFailure(self,test,err):pass 

class DynRun(unittest.TextTestRunner):
    def _makeResult(self):
        return DynRes(self.stream,self.descriptions,self.verbosity)

# =====================================================================
# STANDARD UNITTEST SUITE
# =====================================================================
class TestTask(unittest.TestCase):
    def setUp(self):
        px=[2,8,13,17,22,28,33,38]
        py=[3,7,12,18,21,27,32,39]
        self.points=[Point(x,y) for x,y in zip(px,py)]
        self.gdf=gpd.GeoDataFrame(geometry=self.points,crs="EPSG:4326")
        self.grid_size=10
        self.uc=sys.modules[__name__]

    def test_successfully_maps_coords_to_grid(self):
        uc=self.uc
        grid,sj=uc.create_grid(self.gdf,self.grid_size)
        _dyn(self,isinstance(grid,gpd.GeoDataFrame),"Grid is GeoDataFrame.","Grid error.")
        _dyn(self,isinstance(sj,gpd.GeoDataFrame),"Join is GeoDataFrame.","Join error.")
        _dyn(self,sj["grid_id"].isna().sum()==0,"All points assigned.","Unassigned pts.")

    def test_accurately_counts_incidents(self):
        uc=self.uc
        grid,sj=uc.create_grid(self.gdf,self.grid_size)
        agg=uc.aggregate_in_grid(sj)
        _dyn(self,hasattr(agg,'columns'),"Agg returns structure.","Agg failed.")
        _dyn(self,agg["count"].sum()==len(self.gdf),"Count matches points.","Count mismatch.")

    def test_correctly_groups_duplicate_pts(self):
        uc=self.uc
        pts=[Point(0,0)]*5
        gdf=gpd.GeoDataFrame(geometry=pts,crs="EPSG:4326")
        grid,sj=uc.create_grid(gdf,10)
        agg=uc.aggregate_in_grid(sj)
        _dyn(self,len(agg)==1,"Grouped into one cell.","Failed to group.")
        _dyn(self,agg["count"].iloc[0]==5,"Counted exactly 5.","Count is wrong.")

    def test_executes_drawing_loop_safely(self):
        uc=self.uc
        gc=[box(0,0,10,10),box(10,0,20,10),box(0,10,10,20)]
        grid=gpd.GeoDataFrame({"geometry":gc,"grid_id":[0,1,2]},crs="EPSG:4326")
        agg=gpd.GeoDataFrame({"grid_id":[0,1,2],"count":[2,0,6]})
        bmap=gpd.GeoDataFrame({"geometry":[box(-5,-5,25,25)]},crs="EPSG:4326")
        try:
            uc.plot_grid(grid,agg,bmap)
            _dyn(self,True,"Map rendered successfully.","")
        except Exception as e:
            _dyn(self,False,"","Map crash: "+str(e))

    def test_renders_missing_empty_cells(self):
        uc=self.uc
        gc=[box(0,0,10,10),box(10,0,20,10),box(0,10,10,20)]
        grid=gpd.GeoDataFrame({"geometry":gc,"grid_id":[0,1,2]},crs="EPSG:4326")
        agg=gpd.GeoDataFrame({"grid_id":[0,2],"count":[5,7]})
        bmap=gpd.GeoDataFrame({"geometry":[box(-5,-5,25,25)]},crs="EPSG:4326")
        try:
            uc.plot_grid(grid,agg,bmap)
            _dyn(self,True,"Handled missing data.","")
        except Exception as e:
            _dyn(self,False,"","Crash missing data: "+str(e))

if __name__=="__main__":
    suite=unittest.TestLoader().loadTestsFromTestCase(TestTask)
    DynRun(stream=sys.stdout,verbosity=0).run(suite)

test_main.py

Sukella paikkatietoanalyysin perusteisiin Pythonilla. Tämä keskitason kurssi esittelee paikkatietoanalyysin ydinkäsitteet ja käytännön sovellukset, keskittyen todellisiin aineistoihin ja käytännön projekteihin. Opit käsittelemään, visualisoimaan ja analysoimaan paikkatietoa Pythonilla ja suosituilla kirjastoilla, erityisesti geopandasilla. Kurssi on suunniteltu mukaansatempaavaksi, sisältäen interaktiivisia taulukoita, videoita ja tietovisoja oppimisen tukemiseksi.

Tutustu paikkatietoaineistojen perusteisiin, koordinaattijärjestelmiin ja keskeisiin työkaluihin spatiaalisen analyysin toteuttamiseksi Pythonilla. Tämä osio luo perustan paikkatietoaineistojen käsittelylle ja esittelee geopandas-kirjaston yksityiskohtaisesti, mukaan lukien sen ydintietorakenteet, luku- ja kirjoitusominaisuudet sekä integraation pandas- ja matplotlib-kirjastojen kanssa.

Syvenny keskeisiin spatiaalisen analyysin tekniikoihin, kuten spatiaalisiin liitoksiin, päällekkäisyyksiin ja aggregointeihin, hyödyntäen geopandasia ja visualisointikirjastoja. Tässä osiossa käsitellään edistyneitä geopandas-menetelmiä spatiaalisten aineistojen yhdistämiseen, vertailuun ja tiivistämiseen sekä parhaisiin käytäntöihin spatiaalisen datan visualisoinnissa.

Hanki vankka ymmärrys todellisten paikkatietoaineistojen ja -tilanteiden käsittelystä, keskittyen käytännön analyysi- ja visualisointihaasteisiin. Tässä osiossa painotetaan projektipohjaista oppimista ja paikkatietoanalyyttisten menetelmien yhdistämistä.

Challenge: Paikkatietoanalyysin Oivallukset

Ratkaisu