📥 Øving 3#
I denne øvingen skal du jobbe med å lese og bruke romlige data ved hjelp av GeoPandas.
Øvingsoppgaven finner du på Canvas under Oppgaver, eller på dette GitHub-repoet.
Last den ned, åpne den i Jupyter Notebooks/Lab eller den editoren du bruker og følg instruksjonene i Notebooken. Lever den så inn på Canvas.
Tips til oppgaven:#
Pandas apply()-metoden:#
Pandas’ DataFrames har en metode apply() som kjører en brukerdefinert funksjon på hver rad eller på hver kolonne (avhengig av axis-parameteren, hvis axis=1, fungerer apply() på rader).
Resultatene av å kjøre funksjonen gjentatte ganger (parallelt, for å være presis) samles i en pandas.GeoSeries som er returverdien av apply() og kan tilordnes til en ny kolonne eller rad.
For eksempel kan dette brukes for å lage punkt-geometrier:
def create_point(row):
"""Create a Point geometry from a row with x and y values."""
point = shapely.geometry.Point(row["x"], row["y"])
return point
point_series = data.apply(create_point, axis=1)
Bruke en anonym lambda-funksjon med apply()#
Til slutt, for enkle funksjoner som passer på en enkelt linje, kan vi sende funksjonen inn i såkalt ‘lambda-notasjon’. Lambda-funksjoner følger syntaksen lambda argumenter: returverdi, dvs. nøkkelordet lambda etterfulgt av ett eller flere, kommaseparerte argumentnavn (inputvariabler), et kolon (:), og returverdi-setningen (f.eks. en beregning). En lambda-funksjon som aksepterer to argumenter og returnerer summen av dem, vil se slik ut: lambda a, b: (a + b).
Lambda-funksjoner kan bare brukes der de er definert, men tilbyr en praktisk snarvei for å slippe separate funksjoner for enkle uttrykk. De er svært vanlige i datavitenskapsprosjekter, men bør ikke brukes for mye: som en tommelfingerregel, ikke bruk lambda-funksjoner hvis koden deres ikke passer på en (kort) linje.
Les mer om lambda-funksjoner i Python-dokumentasjonen
Konvertere en pandas.DataFrame til en geopandas.GeoDataFrame#
Noen ganger jobber vi med data som er i et ikke-romlig format (som Excel
eller CSV-regneark) men inneholder informasjon om plasseringen av poster, for
eksempel, i kolonner for lengde- og breddegradverdier. Mens geopandas sin
read_file()-funksjon kan lese noen formater, er det ofte tryggest å bruke
pandas for å lese datasettet og deretter konvertere det til en GeoDataFrame.
La oss anta at vi leser følgende tabell ved å bruke pandas.read_csv() inn i en
variabel df:
df
| longitude | latitude | |
|---|---|---|
| 0 | 24.9557 | 60.1555 |
| 1 | 24.8353 | 60.1878 |
| 2 | 24.9587 | 60.2029 |
geopandas.GeoDataFrame()-konstruktøren aksepterer en pandas.DataFrame som input, men den fyller ikke automatisk geometry-kolonnen. Biblioteket kommer imidlertid med en praktisk hjelpefunksjon geopandas.points_from_xy(). Som vi alle vet, bør et romlig datasett alltid ha et koordinatreferansesystem (CRS) definert; vi kan spesifisere CRS for inngangsdataene her også:
import geopandas
gdf = geopandas.GeoDataFrame(
df,
geometry=geopandas.points_from_xy(df.longitude, df.latitude),
crs="EPSG:4326"
)
gdf
| longitude | latitude | geometry | |
|---|---|---|---|
| 0 | 24.9557 | 60.1555 | POINT (24.9557 60.1555) |
| 1 | 24.8353 | 60.1878 | POINT (24.8353 60.1878) |
| 2 | 24.9587 | 60.2029 | POINT (24.9587 60.2029) |
Opprette en ny geopandas.GeoDataFrame: med ordbok#
Ofte er det mer praktisk og mer elegant å først opprette en ordbok (dictionary) for å samle data, som deretter kan konverteres til en dataframe på en gang.
For dette, definer først en dict med kolonnenavnene som nøkler, og tomme lister
som verdier:
data = {
"navn": [],
"geometry": []
}
Deretter fyller du ordboken med data:
import shapely.geometry
data["navn"].append("Stortorget")
data["geometry"].append(
shapely.geometry.Polygon(
[
(10.744868,59.913090),
(10.744548,59.912731),
(10.745796,59.912435),
(10.746048,59.912704)
]
)
)
Til slutt, bruk denne ordboken som input for en ny GeoDataFrame. Ikke glem å spesifisere et CRS:
ny_geodataframe = geopandas.GeoDataFrame(data, crs="EPSG:4326")
ny_geodataframe
| navn | geometry | |
|---|---|---|
| 0 | Stortorget | POLYGON ((10.74487 59.91309, 10.74455 59.91273... |