Summary
This chapter covers overlay operations—intersection, union, and difference—that let you combine or compare geometric datasets by computing their overlapping, merged, or exclusive areas.

General domain of usage
geospatial analysis

**Video Description:**  
This video introduces overlay operations in geospatial analysis, focusing on the concepts of intersection, union, and difference. You will see how these operations are used to combine or compare spatial datasets, and why they are essential for spatial data analysis workflows.

Le operazioni di overlay rappresentano una parte fondamentale dell'analisi geospaziale, consentendo di confrontare, combinare ed estrarre relazioni tra diversi dataset spaziali. Queste operazioni sono particolarmente utili quando è necessario rispondere a domande come "Dove si sovrappongono due elementi?", "Qual è l'area combinata di due regioni?" oppure "Quali parti di una regione non sono coperte da un'altra?" Le tre operazioni di overlay più comuni sono **intersezione**, **unione** e **differenza**, ognuna con uno scopo analitico specifico.

L'operazione di **intersezione** consente di individuare l'area spaziale in cui due dataset si sovrappongono. Questo è fondamentale quando si desidera identificare aree condivise, come le zone in cui le aree di protezione ambientale si intersecano con siti di sviluppo proposti. L'operazione di **unione**, invece, combina tutte le geometrie di entrambi i dataset, unendo le loro estensioni spaziali e attributi. Questo è utile per creare un dataset che rappresenti tutte le aree coperte da uno qualsiasi dei dataset originali. L'operazione di **differenza** permette di sottrarre l'area di un dataset da un altro, evidenziando quali porzioni rimangono esclusive del primo dataset. Questa funzione viene spesso utilizzata quando si desidera escludere determinate regioni dall'analisi, come la rimozione dei corpi idrici da una mappa di uso del suolo.

Le operazioni di overlay vengono generalmente eseguite utilizzando il metodo `overlay()` in **geopandas**, che semplifica queste complesse manipolazioni spaziali e garantisce una corretta gestione dei dati attributo durante il processo.

import geopandas as gpd

# Create two simple GeoDataFrames with polygons
poly1 = gpd.GeoDataFrame({'id': [1]}, geometry=gpd.GeoSeries.from_wkt(['POLYGON((0 0, 2 0, 2 2, 0 2, 0 0))']))
poly2 = gpd.GeoDataFrame({'id': [2]}, geometry=gpd.GeoSeries.from_wkt(['POLYGON((1 1, 3 1, 3 3, 1 3, 1 1))']))

# Intersection: find overlapping area
intersection = gpd.overlay(poly1, poly2, how='intersection')
print("Intersection result:")
print(intersection)

# Union: combine all areas
union = gpd.overlay(poly1, poly2, how='union')
print("\nUnion result:")
print(union)


import unittest
import user_code
import ast
import re   
import importlib
import csv
import unittest
import importlib
import geopandas as gpd
from shapely import wkt

class TestTask(unittest.TestCase):
    def setUp(self):
        # Create two polygons
        self.poly1 = gpd.GeoDataFrame({'id': [1]}, geometry=gpd.GeoSeries.from_wkt(['POLYGON((0 0, 2 0, 2 2, 0 2, 0 0))']))
        self.poly2 = gpd.GeoDataFrame({'id': [2]}, geometry=gpd.GeoSeries.from_wkt(['POLYGON((1 1, 3 1, 3 3, 1 3, 1 1))']))

    def test_intersection(self):
        import user_code
        importlib.reload(user_code)
        result = user_code.perform_overlay(self.poly1, self.poly2, "intersection")
        _dynamic_test(
            self,
            result is not None and len(result) == 1 and result.geometry.iloc[0].equals(wkt.loads('POLYGON ((2 1, 2 2, 1 2, 1 1, 2 1))')),
            "Intersection returns correct single polygon of overlap region.",
            f"Expected one intersected polygon covering (1,1)-(2,2), got: {result.geometry if result is not None else None}",
        )

    def test_union(self):
        import user_code
        importlib.reload(user_code)
        result = user_code.perform_overlay(self.poly1, self.poly2, "union")
        _dynamic_test(
            self,
            result is not None and len(result) == 3,
            "Union returns three polygons as expected.",
            f"Expected three polygons in union result, got: {len(result) if result is not None else None}",
        )
        # Check that all three expected polygons are present
        expected_geoms = [
            wkt.loads('POLYGON ((2 1, 2 2, 1 2, 1 1, 2 1))'), # overlap
            wkt.loads('POLYGON ((0 0, 2 0, 2 1, 1 1, 1 2, 0 2, 0 0))'), # left outside
            wkt.loads('POLYGON ((2 1, 3 1, 3 3, 1 3, 1 2, 2 2, 2 1))'), # right outside
        ]
        found = [False, False, False]
        for geom in result.geometry:
            for i, exp in enumerate(expected_geoms):
                if geom.equals(exp):
                    found[i] = True
        _dynamic_test(
            self,
            all(found),
            "Union contains all expected polygons.",
            f"Union missing expected polygons: {found}",
        )

    def test_invalid_operation(self):
        import user_code
        importlib.reload(user_code)
        try:
            user_code.perform_overlay(self.poly1, self.poly2, "symmetric_difference")
        except ValueError as e:
            _dynamic_test(
                self,
                "Invalid operation" in str(e),
                "ValueError raised correctly for invalid operation.",
                f"Expected ValueError with 'Invalid operation', got: {e}",
            )
        else:
            _dynamic_test(
                self,
                False,
                "Should have raised ValueError for invalid operation.",
                "Did not raise ValueError for invalid operation.",
            )

def _dynamic_test(test_case, condition, success_message, failure_message):
    if condition:
        test_case._testMethodName = success_message
        test_case.assertTrue(True, success_message)
    else:
        test_case._testMethodName = failure_message
        test_case.fail(failure_message)

def normalize_text(text):
    text = text.lower()
    text = re.sub(r"\\s{2,}", " ", text)
    text = re.sub(r"\\s*([,:?])\\s*", r"\\1 ", text)
    return text.strip()

def change_var(code: str, var_name: str, value: str):
    tree = ast.parse(code)
    lines = code.splitlines()
    changed = False
    # Collect all assignment nodes to modify
    assign_nodes = [
        (i, node)
        for i, node in enumerate(tree.body)
        if isinstance(node, ast.Assign)
        and any(isinstance(target, ast.Name) and target.id == var_name for target in node.targets)
    ]

    # If nothing to change, return unmodified code
    if not assign_nodes:
        return code

    # Perform replacements for all matching assignments (from last to first to not break line offsets)
    for i, node in reversed(assign_nodes):
        start_line = node.lineno - 1
        line = lines[start_line]
        indent = ' ' * (len(line) - len(line.lstrip()))
        lines[start_line] = f"{indent}{var_name} = {value}"
        next_line = len(lines)
        for next_node in tree.body[i+1:]:
            if hasattr(next_node, 'lineno'):
                next_line = next_node.lineno - 1
                break
        if next_line > start_line + 1:
            lines[start_line+1:next_line] = []
        changed = True

    return '\\n'.join(lines) if changed else code

if __name__ == "__main__":
    unittest.main()


test_main.py

Immergiti nei fondamenti dell'analisi dei dati geospaziali utilizzando Python. Questo corso intermedio ti introduce ai concetti chiave e alle applicazioni pratiche dell'analisi geospaziale, concentrandosi su dataset reali e progetti pratici. Imparerai a manipolare, visualizzare e analizzare dati spaziali con Python e librerie popolari, con un'enfasi particolare su geopandas. Il corso è progettato per essere coinvolgente, con griglie interattive, video e quiz per rafforzare l'apprendimento.

Esplora i fondamenti dei dati geospaziali, dei sistemi di coordinate e degli strumenti essenziali per l'analisi spaziale in Python. Questa sezione fornisce le basi per lavorare con dataset spaziali e introduce in dettaglio geopandas, comprese le sue strutture dati principali, le capacità di lettura/scrittura e l'integrazione con pandas e matplotlib.

Approfondimento delle principali tecniche di analisi spaziale, inclusi join spaziali, overlay e aggregazioni, utilizzando geopandas e librerie di visualizzazione. Questa sezione copre metodi avanzati di geopandas per combinare, confrontare e sintetizzare dataset spaziali, oltre alle migliori pratiche per la visualizzazione dei dati spaziali.

Acquisizione di una solida comprensione dei dataset geospaziali reali e degli scenari, con un focus sulle sfide pratiche di analisi e visualizzazione. Questa sezione enfatizza l'apprendimento basato su progetti e la sintesi delle tecniche di analisi geospaziale.

Operazioni di Sovrapposizione

Soluzione