After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Descrizione del corso
Una buona parte dei dati nel mondo reale è intrinsecamente spaziale. Dal numero di abitanti registrato nel censimento nazionale a ogni negozio del tuo quartiere, la maggior parte degli insiemi di dati ha una componente di localizzazione che puoi sfruttare per ottenere il massimo da ciò che offrono. In questo corso vedrai come integrare i dati spaziali nel tuo workflow di Data Science in Python. Imparerai a interagire con dati reali, a manipolarli e arricchirli sfruttando la loro dimensione geografica. Imparerai a leggere dati spaziali tabellari nei formati più comuni (ad es. GeoJSON, shapefile, geopackage) e a visualizzarli su mappe. Poi combinerai fonti diverse usando la posizione come ponte per metterle in relazione tra loro. Alla fine del corso, saprai cosa rende unici i dati geografici, così da trasformarli e riutilizzarli in contesti diversi.
Prerequisiti
Curriculum
Programma del corso
1
Introduzione ai dati vettoriali geospaziali
In questo capitolo conoscerai i concetti di dati geospaziali, e in particolare dei dati vettoriali. Vedrai poi come rappresentare questi dati in Python usando la libreria GeoPandas e le basi per leggere, esplorare e visualizzare tali dati. Metterai tutto in pratica con alcuni insiemi di dati sulla città di Parigi.
- Dati geospaziali50 XP
- Ristoranti a Parigi100 XP
- Aggiungere una mappa di sfondo100 XP
- Introduzione a GeoPandas50 XP
- Esplora i quartieri di Parigi (I)100 XP
- Esplora i distretti di Parigi (II)100 XP
- I ristoranti di Parigi come GeoDataFrame100 XP
- Esplorare e visualizzare i dati spaziali50 XP
- Visualizzare la densità di popolazione100 XP
- Usare le funzionalità di pandas: groupby100 XP
- Rappresentare più layer100 XP
2
Relazioni spaziali
Uno degli aspetti chiave dei dati geospaziali è il modo in cui si relazionano tra loro nello spazio. In questo capitolo imparerai le diverse relazioni spaziali e come usarle in Python per interrogare i dati o eseguire spatial join. Infine, approfondirai anche le visualizzazioni coropletiche.
3
Proiezione e trasformazione delle geometrie
In questo capitolo analizzeremo più a fondo come vengono espresse le coordinate delle geometrie in base al loro sistema di riferimento di coordinate (CRS). Imparerai l’importanza di questi sistemi di riferimento e come gestirli in pratica con GeoPandas. Inoltre, imparerai a creare nuove geometrie a partire dalle relazioni spaziali, il che ti permetterà di sovrapporre insiemi di dati spaziali. E continuerai ad esercitarti con i dataset di Parigi!
4
Mettere tutto insieme – Case study sui siti di estrazione artigianale
In questo capitolo finale lasciamo i dati su Parigi e applichiamo tutto ciò che abbiamo imparato finora a un nuovo insieme di dati sui siti di estrazione artigianale nell’Est del Congo. Inoltre, imparerai ancora alcune nuove operazioni spaziali, come applicare operazioni spaziali personalizzate e avrai un’anteprima dei dati raster.
Lavorare con i dati geospaziali in Python
Corso
completato
