Summary  
This chapter demonstrates how to use GeoPandas to load and inspect vector spatial data, visualize polygon boundaries, and calculate spatial attributes such as area and density.  

General domain of usage  
Urban area analysis

This video presents a case study involving a real urban area dataset. You will be introduced to the dataset's structure, the main questions guiding the analysis, and the workflow for exploring urban boundaries, land use, and population trends using Python geospatial tools. The video demonstrates the importance of spatial data in uncovering urban patterns and sets the stage for hands-on analysis.

都市地域は、人口増加、インフラ、土地利用の変化によって形成される動的な景観。都市空間データを調査する際は、まず都市や大都市圏の境界を確認することが一般的。これらの境界を理解することで、**密度**、**アクセス性**、**近隣構造**などのパターンを文脈化することが可能。Pythonと`geopandas`ライブラリを用いることで、都市地域の境界を簡単に読み込み、検査し、可視化でき、これは地理空間分析の基礎的なステップ。

import geopandas as gpd
import matplotlib.pyplot as plt

# Load urban area boundaries from a GeoJSON file (example URL)
url = "https://raw.githubusercontent.com/datasets/geo-boundaries-world-110m/master/countries.geojson"
urban_areas = gpd.read_file(url)

# Inspect the first few records and their attributes
print(urban_areas.head())

# Plot the urban area boundaries
fig, ax = plt.subplots(figsize=(10, 6))
urban_areas.plot(ax=ax, edgecolor="black", facecolor="lightgray")
ax.set_title("Urban Area Boundaries")
plt.show()

都市地域の境界を読み込み、可視化した後は、その空間属性の分析に進むことができる。**総面積**や**人口密度**などの主要な統計量は、都市環境の構造や課題について多くを示す。`geopandas`の空間および表形式データ処理機能を活用することで、これらの統計量を効率的に算出し、さらなる解釈のために結果を要約可能。


import unittest
import user_code
import ast
import re   
import importlib
import csv
import unittest
import importlib
import sys
import io
from contextlib import redirect_stdout

class TestTask(unittest.TestCase):
    def setUp(self):
        self.url = "https://raw.githubusercontent.com/datasets/geo-boundaries-world-110m/master/countries.geojson"
        self.population_column = "POP_EST"

    def test_loads_geospatial_data(self):
        import user_code
        importlib.reload(user_code)
        # Patch print to capture output
        f = io.StringIO()
        with redirect_stdout(f):
            user_code.summarize_urban_area_stats(self.url, population_column=None)
        output = f.getvalue()
        _dynamic_test(
            self,
            "area_sqkm" in output,
            "Function prints summary with area_sqkm column.",
            f"Expected 'area_sqkm' in printed output, got: {output}"
        )

    def test_area_sqkm_calculation(self):
        import user_code
        importlib.reload(user_code)
        # Patch print to capture output
        f = io.StringIO()
        with redirect_stdout(f):
            user_code.summarize_urban_area_stats(self.url, population_column=None)
        output = f.getvalue()
        # Check that area_sqkm values are present and numeric
        found_numeric = False
        for line in output.splitlines():
            if "area_sqkm" in line:
                continue
            fields = line.split()
            if len(fields) >= 2:
                try:
                    val = float(fields[1])
                    found_numeric = True
                except Exception:
                    continue
        _dynamic_test(
            self,
            found_numeric,
            "Area in square kilometers is calculated and printed.",
            "Area values are not numeric or missing from output."
        )

    def test_population_density_calculation(self):
        import user_code
        importlib.reload(user_code)
        f = io.StringIO()
        with redirect_stdout(f):
            user_code.summarize_urban_area_stats(self.url, population_column=self.population_column)
        output = f.getvalue()
        # Look for population_density column header and at least one numeric value below it
        found_density_header = "population_density" in output
        found_numeric_density = False
        for line in output.splitlines():
            if "population_density" in line:
                continue
            fields = line.split()
            if len(fields) >= 3:
                try:
                    val = float(fields[2])
                    found_numeric_density = True
                except Exception:
                    continue
        _dynamic_test(
            self,
            found_density_header and found_numeric_density,
            "Population density column is printed with numeric values.",
            "Population density column or its values are missing or not numeric."
        )

    def test_summary_first_three_areas(self):
        import user_code
        importlib.reload(user_code)
        f = io.StringIO()
        with redirect_stdout(f):
            user_code.summarize_urban_area_stats(self.url, population_column=self.population_column)
        output = f.getvalue()
        # Count the number of data lines (skip header)
        lines = [l for l in output.splitlines() if l.strip() and not l.startswith("  name") and not l.startswith("name")]
        # Remove header line(s)
        if lines and ("area_sqkm" in lines[0] or "population_density" in lines[0]):
            lines = lines[1:]
        _dynamic_test(
            self,
            2 <= len(lines) <= 3,
            "Function prints summary for first three urban areas.",
            f"Expected 2 or 3 summary rows, got {len(lines)}."
        )

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) -> 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

Pythonを使用した地理空間データ解析の基礎を学びます。この中級コースでは、地理空間解析の主要な概念と実践的な応用について紹介し、実際のデータセットとハンズオンプロジェクトに焦点を当てます。Pythonと主要なライブラリを用いて空間データの操作、可視化、解析を行う方法を学び、特にgeopandasの活用に重点を置いています。インタラクティブなグリッド、動画、クイズを取り入れ、学習効果を高める構成となっています。

地理空間データの基本、座標系、Pythonによる空間解析のための主要なツールについて学びます。本セクションでは、空間データセットの取り扱いの基礎を築き、geopandasの詳細、主要なデータ構造、読み書き機能、pandasやmatplotlibとの統合について紹介します。

geopandasや可視化ライブラリを用いた、空間結合、オーバーレイ、集約などの主要な空間解析手法を深く学びます。本セクションでは、空間データセットの結合、比較、要約のための高度なgeopandasメソッドや、空間データ可視化のベストプラクティスについて解説します。

実際の地理空間データセットおよびシナリオについての確かな理解を身につけ、実践的な分析および可視化の課題に焦点を当てます。本セクションでは、プロジェクトベースの学習と地理空間分析技術の統合を重視します。

都市域分析

解答