Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Lære Grunnleggende romlige operasjoner | Introduksjon til geodata
Geospatial Analyse med Python

Grunnleggende romlige operasjoner

Sveip for å vise menyen

Arbeid med geografiske data begynner ofte med muligheten til å filtrere, velge og visualisere objekter basert på deres attributter eller romlige egenskaper. Med biblioteket geopandas kan du utføre disse grunnleggende romlige operasjonene effektivt. Filtrering gjør det mulig å fokusere på objekter av interesse innenfor et større datasett, mens plotting hjelper deg å tolke romlige mønstre og relasjoner visuelt.

For å filtrere romlige data bruker du vanligvis boolsk indeksering og .loc-tilgang i geopandas. Dette gjør det mulig å velge rader som oppfyller bestemte kriterier, for eksempel alle objekter med en bestemt attributtverdi.

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()

Etter at du har filtrert dataene dine, er visualisering på et kart et viktig steg i geografisk analyse. geopandas integreres sømløst med matplotlib, slik at du kan lage detaljerte og informative kart. Du kan tilpasse farger på objekter basert på attributtverdier og legge til forklaringer for å gjøre plottene mer meningsfulle.

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()
question mark

Hvilket av følgende utsagn beskriver best hva du forventer å se i plottet etter å ha filtrert for Sør-Amerikanske land og tilpasset visualiseringen som vist ovenfor?

Velg det helt riktige svaret

Alt var klart?

Hvordan kan vi forbedre det?

Takk for tilbakemeldingene dine!

Seksjon 1. Kapittel 4

Spør AI

expand

Spør AI

ChatGPT

Spør om hva du vil, eller prøv ett av de foreslåtte spørsmålene for å starte chatten vår

Seksjon 1. Kapittel 4
some-alt