地理データ視覚化のための魔法の組み合わせ: Python と Geopandas

オープンソースの中国コミュニティ チームは、共有の名のもとに、オープンソースの中国コミュニティの背後にあるストーリーを伝える初のライブブロードキャストを行いました。」

この記事は、Lemony Hug によるHuawei クラウド コミュニティ「Python と Geopandas: 地理データの視覚化と分析ガイド」から共有されたものです。

地理データの視覚化は、地理空間分布の研究、都市計画、環境保護、ビジネス上の意思決定など、多くの分野で重要です。 Python 言語は強力なデータ処理および視覚化ライブラリで知られており、Geopandas はその地理情報システム (GIS) ドメインの拡張として、地理空間データを処理するための便利なツールを提供します。この記事では、Python と Geopandas を使用して地理データを視覚化する方法を紹介し、実践的なコード例を示します。

1. 準備

始める前に、Python と Geopandas ライブラリがインストールされていることを確認してください。 Geopandas は pip を使用してインストールできます。

pip インストール geopandas

2. 地理データをロードする

まず、地理データをロードする必要があります。 Geopandas は、Shapefile、GeoJSON、Geopackage などを含む複数の地理データ形式をサポートしています。この例では、Shapefile 形式の地図データを使用します。

geopandas を GPD としてインポート

# シェープファイル形式でマップデータを読み取る
world = gpd.read_file(gpd.datasets.get_path('naturalearth_lowres'))

3. データの探索と処理

データをロードした後、データの最初の数行やデータ型などの表示など、いくつかの基本的な探索と処理を実行できます。

# データの最初の数行を表示する
print(world.head())

# データの列名を表示します
print(world.columns)

# データのジオメトリタイプを確認する
print(world.geom_type)

4. 地理データの視覚化

次に、Matplotlib ライブラリを使用して地理データを視覚化しましょう。

matplotlib.pyplotをpltとしてインポート

# 地図を描く
world.plot()
plt.show()

5. マップスタイルをカスタマイズする

色の変更、ラベルの追加など、マップのスタイルをカスタマイズすることもできます。

# カスタムマップスタイル
world.plot(color='lightblue',edgecolor='black')
plt.title('世界地図')
plt.xlabel('経度')
plt.ylabel('緯度')
plt.show()

6. データを追加する

マップを描画するだけでなく、他のデータをマップに追加して、より多くの情報を提供することもできます。

#他のデータを追加する
都市 = gpd.read_file(gpd.datasets.get_path('naturalearth_cities'))
world.plot()
city.plot(マーカー='o'、色='赤'、マーカーサイズ=5)
plt.show()

7. 空間分析とクエリ

Geopandas は、地理データの視覚化だけでなく、空間分析やクエリにも使用できます。たとえば、空間クエリを使用して、ある場所の近くの他の場所を見つけることができます。

Shapely.geometryインポートポイントから

#特定の場所の緯度と経度を表すポイント オブジェクトを作成する
ポイント = ポイント(-74.006, 40.7128)

# ポイントに最も近い都市を見つけるための空間クエリ
最も近い都市 = 都市[都市.距離(ポイント).idxmin()]
print("最も近い都市は次のとおりです:",nearest_city['name'])

8. 地図のオーバーレイとグループ化

地図の視覚化では、異なる地理データを重ね合わせて、特定の条件に従ってグループに表示する必要がある場合があります。

#大陸ごとにグループ化
world_grouped = world.groupby('continent').agg({'geometry': 'union'})
world_grouped.plot()
plt.title('大陸ごとにグループ化された世界地図')
plt.xlabel('経度')
plt.ylabel('緯度')
plt.show()

9. より複雑な地理データ操作

上記の基本操作に加えて、Geopandas は、空間バッファー、空間オーバーレイ、地理的トポロジ関係分析など、より複雑な地理データ操作もサポートしています。

# スペースバッファの例
バッファ領域 = world.geometry.buffer(5)
バッファードエリア.プロット()
plt.title('バッファリングされた世界地図')
plt.xlabel('経度')
plt.ylabel('緯度')
plt.show()

13. インタラクティブな地理データの視覚化

静的な地理データの視覚化に加えて、対話型ツールを使用して地理データを探索および表示することもできます。 Bokeh と Folium は、インタラクティブな地理データの視覚化を可能にする 2 つの一般的に使用される Python ライブラリです。

インポートリーフ

#マップオブジェクトを作成する
m = folium.Map(location=[40.7128, -74.006],zoom_start=10)

#都市タグを追加
idx の場合、city.iterrows() の行:
    folium.Marker([row['緯度'], row['経度']], Popup=row['name']).add_to(m)

# 地図を表示
メートル

14. マルチレイヤーオーバーレイとコントロール

インタラクティブ マップでは、複数のレイヤーを追加し、表示をカスタマイズするためのコントロールを提供できます。

#マップオブジェクトを作成する
m = folium.Map(location=[40.7128, -74.006],zoom_start=10)

#世界地図レイヤーを追加
folium.GeoJson(world).add_to(m)

#都市レイヤーを追加
city_layer = folium.FeatureGroup(name='Cities')
idx の場合、city.iterrows() の行:
    folium.Marker([row['緯度'], row['経度']], Popup=row['name']).add_to(city_layer)
city_layer.add_to(m)

#レイヤーコントロールを追加
folium.LayerControl().add_to(m)

# 地図を表示
メートル

15. データ統合および視覚化アプリケーション

地理データの視覚化を他のデータと統合することで、より豊富なアプリケーション シナリオを実現できます。たとえば、人口データ、経済指標、その他の情報を組み合わせて、より詳細な地理データ分析を実行し、視覚的に表示します。

# 人口データの読み取り
人口データ = pd.read_csv("人口.csv")

# 都市名に基づいて人口データと都市データをマージします
city_with_population = pd.merge(cities, 人口データ, how='left', on='name')

# 地図上に都市を描画し、人口に基づいてマーカーのサイズを調整します
m = folium.Map(location=[40.7128, -74.006],zoom_start=4)
idx の場合、city_with_population.iterrows() の行:
    folium.CircleMarker(location=[row['latitude'], row['longitude']], radius=row['population'] / 100000,
                        fill_color='blue', fill_opacity=0.6).add_to(m)
メートル

16. 地理データの分析と可視化の事例

Python と Geopandas を使用して地理データの分析と視覚化を行う方法を事例を使って説明しましょう。世界のさまざまな国の GDP と人口に関する一連のデータがあり、各国の経済と人口統計の状況を分析し、その結果を視覚化したいとします。

# GDP と人口データを読み取る
gdp_data = pd.read_csv("gdp_data.csv")
人口データ = pd.read_csv("人口データ.csv")

# データを DataFrame に結合する
world_data = pd.merge(world, gdp_data, how='left', left_on='name', right_on='国名')
world_data = pd.merge(world_data, 人口データ, how='left', left_on='名前', right_on='国名')

# 一人当たりのGDPを計算する
world_data['一人当たり GDP'] = world_data['GDP (現在の米ドル)'] / world_data['人口']

# 一人当たりGDPの地図を描く
fig, ax = plt.subplots(1, 1, figsize=(10, 6))
world_data.plot(column='1 人当たり GDP', cmap='OrRd', linewidth=0.8, ax=ax,edgecolor='0.8', legend=True)
ax.set_title('1人当たり世界GDP')
plt.show()

17. 分析結果

上記のコードを通じて、世界中の国の一人当たり GDP マップを取得でき、そこから各国間の経済発展レベルの違いを確認できます。次に、人口密度や不均一な地域発展などの問題をさらに分析し、対応する政策提言を提案することができます。

# 人口密度を計算する
world_data['人口密度'] = world_data['人口'] / world_data.geometry.area

# 人口密度マップを描画する
fig, ax = plt.subplots(1, 1, figsize=(10, 6))
world_data.plot(column='人口密度', cmap='ブルース', linewidth=0.8, ax=ax,edgecolor='0.8', legend=True)
ax.set_title('世界の人口密度')
plt.show()

18. 結論と展望

この記事の導入と事例のデモンストレーションを通じて、Python と Geopandas を使用して地理データを分析および視覚化する方法を学びました。地理データの分析と可視化は、地球の空間分布と特性をより深く理解するのに役立ち、それによって意思決定を強力にサポートします。

将来的には、データ収集と処理技術の継続的な開発により、地理データの分析と視覚化がますます重要な役割を果たし、人類社会の持続可能な発展と環境保護のためにより有益な情報と洞察を提供するでしょう。

この記事を読んでいただきありがとうございます。この記事があなたのインスピレーションと助けになれば幸いです。

要約する

この記事では、地理データの視覚化と分析に Python と Geopandas を使用する方法を詳しく説明し、豊富なコード例と事例デモを提供します。この記事の主な要約は次のとおりです。

1. 準備: 開始する前に、Python と Geopandas ライブラリがインストールされていることを確認する必要があります。pip を使用して Geopandas をインストールできます。

2. 地理データのロード: Geopandas は、Shapefile、GeoJSON、Geopackage などを含む複数の地理データ形式をサポートしています。gpd.read_file()関数を使用してデータをロードできます。

3. データの探索と処理: データをロードした後、データの最初の数行、列名、データ型などの表示など、いくつかの基本的な探索と処理を実行できます。

4. 地理データの視覚化: Matplotlib ライブラリを使用して地理データを視覚化し、スタイルを調整したりラベルを追加したりしてマップをカスタマイズします。

5. 空間分析とクエリ: Geopandas は、空間クエリ、空間バッファー、その他の操作などの空間分析とクエリをサポートしています。

6. データの保存とエクスポート: Geopandas を使用して、地理データを Shapefile、GeoJSON、およびその他の形式のファイルに保存できます。

7. データ投影と座標変換: Geopandas はデータ投影と座標変換をサポートしており、さまざまな投影法で地図を投影できます。

8. インタラクティブな地理データの視覚化: インタラクティブな地理データの視覚化は、Bokeh や Folium などのライブラリを通じて実現でき、データの探索と表示の対話性が強化されます。

9. 地理データの分析と可視化の事例: 事例のデモンストレーションを通じて、Python と Geopandas を使用して世界各国の経済および人口統計の状況を分析し、その結果を可視化する方法を示します。

10. 結論と展望: 地理データの分析と視覚化は、テクノロジーの発展に伴い、さまざまな分野で広く使用され、より有用な情報と洞察を私たちに提供します。

この記事を学習することで、読者は Python と Geopandas を使用して地理データを処理および視覚化する基本的な方法を習得し、実際のアプリケーションに対するサポートとガイダンスを提供することができます。

 

クリックしてフォローし、できるだけ早くHuawei Cloudの新しいテクノロジーについて学びましょう~

未知のオープンソースプロジェクトはどれくらいの収益をもたらすのでしょうか? Microsoftの中国AIチームは数百人を巻き込んでまとめて米国に向かいましたが、 Yu Chengdong氏の転職は 15年間の「恥の柱」に釘付けになったと正式に発表されました。前に、しかし今日、彼は私たちに感謝しなければなりません— Tencent QQ Video は過去の屈辱を晴らしますか？ 華中科技大学のオープンソース ミラー サイトが外部アクセス向けに正式にオープン レポート: 開発者の 74% にとって Django が依然として第一候補であるZed エディターは、 有名なオープンソース企業の元従業員 によって開発されました。 ニュースを伝えた: 部下から異議を申し立てられた後、技術リーダーは激怒し無礼になり、女性従業員は解雇され、妊娠した。 Alibaba Cloud が Tongyi Qianwen 2.5 を正式リリース Microsoft が Rust Foundation に 100 万米ドルを寄付

{{名前}}

{{名前}}