Lära Grundläggande rumsliga operationer | Introduktion till geospatial data

Svep för att visa menyn

Arbete med geospatial data börjar ofta med möjligheten att filtrera, välja och visualisera objekt baserat på deras attribut eller rumsliga egenskaper. Med hjälp av biblioteket geopandas kan du utföra dessa grundläggande rumsliga operationer effektivt. Filtrering gör det möjligt att fokusera på intressanta objekt inom en större datamängd, medan visualisering hjälper dig att tolka rumsliga mönster och relationer visuellt.

För att filtrera rumslig data används vanligtvis boolesk indexering och .loc-åtkomst i geopandas. Detta gör det möjligt att välja rader som uppfyller specifika kriterier, till exempel alla objekt med ett visst attributvärde.


              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()

Efter att du har filtrerat din data är visualisering på en karta ett viktigt steg i geospatial analys. geopandas integreras smidigt med matplotlib, vilket gör det möjligt att skapa informativa och detaljerade kartor. Du kan anpassa färger på objekt baserat på attributvärden och lägga till förklaringar för att göra dina visualiseringar mer meningsfulla.


              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()

Var allt tydligt?

Tack för dina kommentarer!

Avsnitt 1. Kapitel 4

Fråga AI

Fråga vad du vill eller prova någon av de föreslagna frågorna för att starta vårt samtal

Avsnitt 1. Kapitel 4