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

Verdiep je in de basisprincipes van georuimtelijke data-analyse met Python. Deze cursus op gemiddeld niveau introduceert de kernconcepten en praktische toepassingen van georuimtelijke analyse, met de nadruk op datasets uit de praktijk en praktijkgerichte projecten. Je leert ruimtelijke data te manipuleren, visualiseren en analyseren met Python en populaire libraries, met speciale aandacht voor geopandas. De cursus is ontworpen om boeiend te zijn, met interactieve rasters, video's en quizzen ter versterking van het leerproces.

Verken de basisprincipes van geospatiale data, coördinatensystemen en de essentiële tools voor ruimtelijke analyse in Python. Deze sectie legt de basis voor het werken met ruimtelijke datasets en introduceert geopandas in detail, inclusief de kern datastructuren, lees- en schrijfmogelijkheden, en integratie met pandas en matplotlib.

Verdiep u in kerntechnieken voor ruimtelijke analyse, waaronder ruimtelijke joins, overlays en aggregaties, met gebruik van geopandas en visualisatielibraries. Deze sectie behandelt geavanceerde geopandas-methoden voor het combineren, vergelijken en samenvatten van ruimtelijke datasets, evenals best practices voor de visualisatie van ruimtelijke data.

Verkrijg een grondig begrip van echte georuimtelijke datasets en scenario's, met de nadruk op praktische analyse- en visualisatie-uitdagingen. Deze sectie legt de nadruk op projectmatig leren en het samenbrengen van georuimtelijke analysetechnieken.

Challenge: Georuimtelijke Inzichten

Oplossing