Après avoir suivi ces cours, je me sens confiant dans la création de visualisations et de tableaux de bord professionnels.
Shoebur RahmanSpécialiste des marchés publics, Giz Bangladesh
Description du cours
Une grande partie des données du monde réel est intrinsèquement spatiale. Du recensement national à chaque commerce de votre quartier, la majorité des jeux de données comportent une dimension géographique que vous pouvez exploiter pour en tirer le meilleur. Ce cours vous montre comment intégrer des données spatiales à votre flux de travail Data Science en Python. Vous apprendrez à interagir avec des données réelles, à les manipuler et à les enrichir grâce à leur dimension géographique. Vous verrez comment lire des données spatiales tabulaires dans les formats les plus courants (par exemple GeoJSON, shapefile, geopackage) et les visualiser sur des cartes. Vous combinerez ensuite différentes sources en utilisant leur localisation comme lien pour les mettre en relation. À la fin du cours, vous comprendrez ce qui rend les données géographiques uniques, ce qui vous permettra de les transformer et de les réutiliser dans différents contextes.
Prérequis
Programme de formation
Plan du cours
1
Introduction aux données vectorielles géospatiales
Dans ce chapitre, vous allez découvrir les notions de données géospatiales, et plus précisément de données vectorielles. Vous apprendrez ensuite à représenter ces données en Python avec la bibliothèque GeoPandas, ainsi que les bases pour les lire, les explorer et les visualiser. Vous mettrez tout cela en pratique avec des jeux de données sur la ville de Paris.
- Données géospatiales50 XP
- Restaurants à Paris100 XP
- Ajouter une carte d’arrière-plan100 XP
- Introduction à GeoPandas50 XP
- Explorer les quartiers de Paris (I)100 XP
- Explorer les arrondissements de Paris (II)100 XP
- Les restaurants parisiens sous forme de GeoDataFrame100 XP
- Explorer et visualiser des données spatiales50 XP
- Visualiser la densité de population100 XP
- Exploiter les fonctionnalités de pandas : groupby100 XP
- Tracer plusieurs couches100 XP
2
Relations spatiales
L’un des aspects clés des données géospatiales est la manière dont elles se relient entre elles dans l’espace. Dans ce chapitre, vous découvrirez les différents types de relations spatiales et comment les utiliser en Python pour interroger les données ou effectuer des jointures spatiales. Enfin, vous approfondirez aussi les visualisations en choroplèthes.
3
Projeter et transformer des géométries
Dans ce chapitre, nous examinerons plus en détail la manière dont les coordonnées des géométries sont exprimées selon leur système de référence de coordonnées (CRS). Vous apprendrez l’importance de ces systèmes de référence et comment les gérer concrètement avec GeoPandas. Vous verrez également comment créer de nouvelles géométries à partir des relations spatiales, ce qui vous permettra de superposer des jeux de données spatiaux. Et vous continuerez à pratiquer tout cela avec des données parisiennes !
4
Mise en pratique – Étude de cas sur les sites miniers artisanaux
Dans ce dernier chapitre, nous quittons les données parisiennes pour appliquer tout ce que vous avez appris à un tout nouveau jeu de données sur les sites miniers artisanaux dans l’Est du Congo. Vous découvrirez aussi de nouvelles opérations spatiales, comment appliquer des opérations spatiales personnalisées, et vous aurez un aperçu des données raster.
Travailler avec des données géospatiales en Python
Cours
terminé
