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

Fordyp deg i grunnleggende geodataanalyse med Python. Dette mellomnivåkurset introduserer deg for kjernebegreper og praktiske anvendelser av geospatial analyse, med fokus på virkelige datasett og praktiske prosjekter. Du lærer å manipulere, visualisere og analysere romlige data ved hjelp av Python og populære biblioteker, med særlig vekt på geopandas. Kurset er utformet for å være engasjerende, med interaktive rutenett, videoer og quizer for å styrke læringen.

Utforsk det grunnleggende innen geodata, koordinatsystemer og de viktigste verktøyene for romlig analyse i Python. Denne delen legger grunnlaget for arbeid med romlige datasett og introduserer geopandas i detalj, inkludert dets kjerne datastrukturer, lese- og skrivefunksjoner, samt integrasjon med pandas og matplotlib.

Fordyp deg i sentrale romlige analyseteknikker, inkludert romlige sammenføyninger, overlegg og aggregeringer, ved bruk av geopandas og visualiseringsbiblioteker. Denne delen dekker avanserte geopandas-metoder for å kombinere, sammenligne og oppsummere romlige datasett, samt beste praksis for visualisering av romlige data.

Få en solid forståelse av geospatiale datasett og scenarier fra virkeligheten, med fokus på praktiske analyse- og visualiseringsutfordringer. Denne delen legger vekt på prosjektbasert læring og syntese av geospatiale analyseteknikker.

Challenge: Geografiske Innsikter

Løsning