Oppiskele Spatiaaliset Liitokset Geopandasilla | Spatiaalisen Analyysin Tekniikat

Pyyhkäise näyttääksesi valikon

Aineistojen yhdistäminen spatiaalisten suhteiden perusteella on tehokas tapa yhdistää paikkatietoaineistoja pelkkien attribuuttien sijaan. geopandas-kirjastolla voit helposti suorittaa spatiaalisen yhdistämisen ja vastata kysymyksiin, kuten "Mitkä pisteet sijaitsevat missäkin polygonissa?" tai "Mitkä kohteet ovat lähimpänä toisiaan?" Tärkein työkalu tähän geopandas-kirjastossa on sjoin()-metodi, joka yhdistää kaksi GeoDataFrame-objektia arvioimalla niiden spatiaalista suhdetta.

Oletetaan, että sinulla on kaksi paikkatietoaineistoa: toinen sisältää koulujen sijainnit (pisteinä) ja toinen kaupunginosien rajat (polygoneina). Spatiaalisen yhdistämisen avulla voit selvittää, missä kaupunginosassa kukin koulu sijaitsee tai laskea koulujen määrän kaupunginosittain.

sjoin()-kirjaston geopandas-metodilla voit määrittää, minkälaista spatiaalista suhdetta yhdistämisessä käytetään, kuten within, contains tai intersects. Lisäksi voit valita yhdistämistyypin — left, right tai inner — joka määrittää, miten kummankin aineiston rivit yhdistetään ja säilytetään tuloksessa.


              123456789101112131415161718192021222324252627282930313233343536
            
import geopandas as gpd
from shapely.geometry import Point, Polygon

# Create GeoDataFrame of points (e.g., schools)
points = gpd.GeoDataFrame({
    "school": ["A", "B", "C"],
    "geometry": [
        Point(1, 1),
        Point(2, 2),
        Point(3, 3)
    ]
})

# Create GeoDataFrame of polygons (e.g., neighborhoods)
polygons = gpd.GeoDataFrame({
    "neighborhood": ["Red", "Blue"],
    "geometry": [
        Polygon([(0,0), (0,2), (2,2), (2,0)]),   # Red neighborhood
        Polygon([(2,2), (2,4), (4,4), (4,2)])    # Blue neighborhood
    ]
})

# Spatial join: which school is in which neighborhood?
left_join = gpd.sjoin(points, polygons, how="left", predicate="within")
right_join = gpd.sjoin(points, polygons, how="right", predicate="within")
inner_join = gpd.sjoin(points, polygons, how="inner", predicate="within")

print("Left Join Result:")
print(left_join[["school", "neighborhood"]])

print("\nRight Join Result:")
print(right_join[["school", "neighborhood"]])

print("\nInner Join Result:")
print(inner_join[["school", "neighborhood"]])

Yllä olevassa esimerkissä näkyy kolme yhdistämistyyppiä:

Left join: säilyttää kaikki pisteet (koulut) ja lisää kaupunginosan tiedon, jos saatavilla;
Right join: säilyttää kaikki polygonit (kaupunginosat) ja lisää niihin sisältyvät koulut;
Inner join: säilyttää vain ne pisteet, jotka sijaitsevat kaupunginosassa.

Oikean yhdistämistyypin valinta riippuu analyysin tavoitteista. Jos haluat kaikki koulut riippumatta siitä, sijaitsevatko ne kaupunginosassa, käytä left join -yhdistämistä. Jos haluat nähdä kaikki kaupunginosat ja niihin kuuluvat koulut, käytä right join -yhdistämistä. Jos kiinnostavat vain kaupunginosissa sijaitsevat koulut, käytä inner join -yhdistämistä.

Oliko kaikki selvää?

Kiitos palautteestasi!

Osio 2. Luku 1

Kysy tekoälyä

Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme

Osio 2. Luku 1