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)

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

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

Nå har vi en ‘ordentlig’ GeoDataFrame som vi kan utføre alle romlige operasjoner vi ønsker med.

Opprette en ny geopandas.GeoDataFrame: alternativ 1#

Noen ganger gir det mening å starte fra bunnen av med et tomt datasett og gradvis legge til poster. Selvfølgelig er dette også mulig med geopandas’ dataframes, som deretter kan lagres som en ny geopackage eller shapefil.

Først, opprett en helt tom GeoDataFrame:

import geopandas

new_geodataframe = geopandas.GeoDataFrame()

Deretter, opprett shapely-geometriobjekter og legg dem inn i dataframen. For å legge inn et geometriobjekt i geometry-kolonnen, og et navn i name-kolonnen, i en ny rad, bruk:

import shapely.geometry
polygon = shapely.geometry.Polygon(
    [
        (10.744868,59.913090),
        (10.744548,59.912731),
        (10.745796,59.912435),
        (10.746048,59.912704)
    ]
)
name = "Stortorget"

new_geodataframe.loc[
    len(new_geodataframe),  # in which row,
    ["name", "geometry"]    # in which columns to save values
] = [name, polygon]

new_geodataframe

Før du lagrer det nyopprettede datasettet, ikke glem å definere et kartografisk referansesystem for det. Ellers vil du få problemer med å gjenbruke filen i andre programmer:

new_geodataframe = new_geodataframe.set_geometry("geometry")
new_geodataframe.crs = "EPSG:4326"

Opprette en ny geopandas.GeoDataFrame: alternativ 2#

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 = {
    "name": [],
    "geometry": []
}

Deretter fyller du ordboken med data:

import shapely.geometry

data["name"].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:

new_geodataframe = geopandas.GeoDataFrame(data, crs="EPSG:4326")
new_geodataframe