Leer Basis Ruimtelijke Bewerkingen | Introductie tot Geospatiale Data

Veeg om het menu te tonen

Werken met geografische gegevens begint vaak met het filteren, selecteren en visualiseren van objecten op basis van hun attributen of ruimtelijke eigenschappen. Met de bibliotheek geopandas kun je deze basis ruimtelijke bewerkingen efficiënt uitvoeren. Filteren maakt het mogelijk om je te richten op relevante objecten binnen een grotere dataset, terwijl plotten helpt om ruimtelijke patronen en relaties visueel te interpreteren.

Voor het filteren van ruimtelijke gegevens gebruik je vaak booleaanse indexering en de .loc accessor in geopandas. Hiermee kun je rijen selecteren die aan specifieke criteria voldoen, zoals alle objecten met een bepaalde attribuutwaarde.


              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()

Na het filteren van je gegevens is het visualiseren ervan op een kaart een essentiële stap in ruimtelijke analyse. geopandas integreert naadloos met matplotlib, waardoor je rijke, informatieve kaarten kunt maken. Je kunt de kleuren van objecten aanpassen op basis van attribuutwaarden en legenda's toevoegen om je visualisaties betekenisvoller te maken.


              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()

Was alles duidelijk?

Bedankt voor je feedback!

Sectie 1. Hoofdstuk 4

Vraag AI

Vraag wat u wilt of probeer een van de voorgestelde vragen om onze chat te starten.

Sectie 1. Hoofdstuk 4