Na het volgen van deze cursussen voel ik me zeker genoeg om professionele visualisaties en dashboards te maken
Shoebur RahmanInkoopspecialist, Giz Bangladesh
Cursusbeschrijving
Een aanzienlijk deel van de data in de echte wereld is van nature ruimtelijk. Van de bevolkingscijfers uit de nationale volkstelling tot elke winkel in je buurt: de meeste gegevenssets hebben een locatiecomponent die je kunt benutten om er meer uit te halen. In deze cursus leer je hoe je ruimtelijke data opneemt in je Python Data Science-workflow. Je leert hoe je met echte data werkt, ze manipuleert en verrijkt via hun geografische dimensie. Je leert tabelvormige ruimtelijke data in de meest gangbare formaten (bijv. GeoJSON, shapefile, geopackage) in te lezen en op kaarten te visualiseren. Daarna combineer je verschillende bronnen door hun locatie te gebruiken als de schakel die ze met elkaar verbindt. Aan het einde van de cursus begrijp je wat geografische data uniek maakt, zodat je ze kunt transformeren en hergebruiken in verschillende contexten.
Vereisten
Lesprogramma
Cursusoverzicht
1
Introductie tot georuimtelijke vectorgegevens
In dit hoofdstuk maak je kennis met georuimtelijke data en meer specifiek met vectorgegevens. Je leert vervolgens hoe je zulke data in Python kunt representeren met de GeoPandas-bibliotheek, en de basis om deze data te lezen, te verkennen en te visualiseren. Je oefent dit alles met een paar gegevenssets over de stad Parijs.
- Georuimtelijke data50 XP
- Restaurants in Parijs100 XP
- Een achtergrondkaart toevoegen100 XP
- Introductie tot GeoPandas50 XP
- Verken de Parijse wijken (I)100 XP
- Verken de Parijse wijken (II)100 XP
- De Parijse restaurants als GeoDataFrame100 XP
- Ruimtelijke data verkennen en visualiseren50 XP
- De bevolkingsdichtheid visualiseren100 XP
- Pandas-functionaliteit gebruiken: groupby100 XP
- Meerdere lagen plotten100 XP
2
Ruimtelijke relaties
Een van de kernaspecten van georuimtelijke data is hoe ze zich ruimtelijk tot elkaar verhouden. In dit hoofdstuk leer je de verschillende ruimtelijke relaties kennen en hoe je die in Python gebruikt om data te bevragen of ruimtelijke joins uit te voeren. Tot slot leer je ook meer in detail over choropleth-visualisaties.
3
Projecteren en transformeren van geometrieën
In dit hoofdstuk duiken we dieper in hoe de coördinaten van geometrieën worden uitgedrukt op basis van hun Coordinate Reference System (CRS). Je leert waarom deze referentiesystemen belangrijk zijn en hoe je er in de praktijk mee omgaat met GeoPandas. Verder leer je ook hoe je nieuwe geometrieën maakt op basis van ruimtelijke relaties, zodat je ruimtelijke gegevenssets kunt overlappen. En je oefent dit alles verder met datasets over Parijs!
4
Alles samenbrengen – Casestudy naar artisanale mijnbouwlocaties
In dit laatste hoofdstuk laten we de Parijse data achter ons en passen we alles wat we tot nu toe hebben geleerd toe op een gloednieuwe gegevensset over artisanale mijnbouwlocaties in Oost-Congo. Daarnaast leer je nog enkele nieuwe ruimtelijke bewerkingen, hoe je aangepaste ruimtelijke operaties toepast, en krijg je een eerste kijkje in rasterdata.
Werken met georuimtelijke data in Python
Cursus
voltooid
