Apprendre Opérations Spatiales de Base | Introduction aux données géospatiales

Glissez pour afficher le menu

Le travail avec des données géospatiales commence souvent par la capacité à filtrer, sélectionner et visualiser des entités en fonction de leurs attributs ou de leurs propriétés spatiales. Avec la bibliothèque geopandas, il est possible d’effectuer efficacement ces opérations spatiales de base. Le filtrage permet de se concentrer sur les entités d’intérêt au sein d’un ensemble de données plus large, tandis que la visualisation aide à interpréter visuellement les motifs et relations spatiaux.

Pour filtrer des données spatiales, on utilise couramment l’indexation booléenne et l’accesseur .loc dans geopandas. Cela permet de sélectionner les lignes répondant à des critères spécifiques, comme toutes les entités ayant une certaine valeur d’attribut.


              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()

Après avoir filtré vos données, la visualisation sur une carte constitue une étape essentielle de l’analyse géospatiale. geopandas s’intègre parfaitement à matplotlib, permettant de créer des cartes riches et informatives. Il est possible de personnaliser les couleurs des entités selon les valeurs d’attributs et d’ajouter des légendes pour rendre les visualisations plus explicites.


              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()

Tout était clair ?

Merci pour vos commentaires !

Section 1. Chapitre 4

Demandez à l'IA

Posez n'importe quelle question ou essayez l'une des questions suggérées pour commencer notre discussion

Section 1. Chapitre 4