Después de hacer estos cursos, me siento seguro creando visualizaciones y cuadros de mando profesionales
Shoebur RahmanEspecialista en adquisiciones, Giz Bangladesh
Descripción del curso
Una buena parte de los datos del mundo real es, por naturaleza, espacial. Desde la población registrada en el censo nacional hasta cada tienda de tu barrio, la mayoría de los conjuntos de datos tienen un componente de ubicación que puedes aprovechar para sacarles el máximo partido. En este curso verás cómo integrar datos espaciales en tu flujo de trabajo de Data Science con Python. Aprenderás a interactuar con datos reales, manipularlos y enriquecerlos utilizando su dimensión geográfica. Verás cómo leer datos espaciales tabulares en los formatos más comunes (p. ej., GeoJSON, shapefile, geopackage) y visualizarlos en mapas. Después, combinarás distintas fuentes usando la ubicación como el puente que las pone en relación. Al finalizar el curso, comprenderás qué hace únicos a los datos geográficos, lo que te permitirá transformarlos y reutilizarlos en distintos contextos.
Requisitos previos
Programa de formación
Esquema del curso
1
Introducción a los datos vectoriales geoespaciales
En este capítulo te introducirás en los conceptos de datos geoespaciales y, más específicamente, de datos vectoriales. Luego aprenderás a representar estos datos en Python usando la biblioteca GeoPandas, y los fundamentos para leer, explorar y visualizar este tipo de datos. Pondrás todo en práctica con varios conjuntos de datos sobre la ciudad de París.
- Datos geoespaciales50 XP
- Restaurantes en París100 XP
- Añadir un mapa de fondo100 XP
- Introducción a GeoPandas50 XP
- Explora los distritos de París (I)100 XP
- Explora los distritos de París (II)100 XP
- Los restaurantes de París como GeoDataFrame100 XP
- Explorar y visualizar datos espaciales50 XP
- Visualizar la densidad de población100 XP
- Usar funcionalidad de pandas: groupby100 XP
- Representar varias capas100 XP
2
Relaciones espaciales
Uno de los aspectos clave de los datos geoespaciales es cómo se relacionan entre sí en el espacio. En este capítulo aprenderás los distintos tipos de relaciones espaciales y cómo usarlas en Python para consultar los datos o realizar uniones espaciales. Para terminar, verás con más detalle las visualizaciones coropléticas.
3
Proyección y transformación de geometrías
En este capítulo profundizaremos en cómo se expresan las coordenadas de las geometrías según su sistema de referencia de coordenadas (CRS). Aprenderás la importancia de estos sistemas de referencia y cómo gestionarlos en la práctica con GeoPandas. Además, verás cómo crear nuevas geometrías basadas en relaciones espaciales, lo que te permitirá superponer conjuntos de datos espaciales. ¡Y seguirás practicando todo esto con datos de París!
4
Juntándolo todo: estudio de caso de minas artesanales
En este capítulo final dejamos atrás los datos de París y aplicamos todo lo aprendido a un conjunto de datos totalmente nuevo sobre minas artesanales en el este del Congo. Además, aprenderás algunas operaciones espaciales nuevas, cómo aplicar operaciones espaciales personalizadas y tendrás un adelanto de los datos ráster.
Trabajo con datos geoespaciales en Python
Curso
completado
