Ga naar hoofdinhoud
HomePython

Cursus

Werken met georuimtelijke data in Python

GemiddeldVaardigheidsniveau
Bijgewerkt 06-2025
In deze cursus leer je hoe je ruimtelijke gegevens kunt integreren in je Python Data Science-werkstroom.
Start Cursus Kosteloos
PythonData Manipulation
4 u
16 videos
53 Opdrachten
4,500 XP
17,712
Bewijs van Prestatie

Maak je kosteloos account aan

Ga verder met GoogleMeer opties weergeven

of

Door verder te gaan accepteer je onze Gebruiksvoorwaarden, ons Privacybeleid en dat je gegevens worden opgeslagen in de VS.

Geliefd bij leerlingen van duizenden bedrijven

Group

Een team trainen?

Probeer voor bedrijven

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

Data Manipulation with pandas
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.
Hoofdstuk beginnen
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.
Hoofdstuk beginnen
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!
Hoofdstuk beginnen
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.
Hoofdstuk beginnen
Werken met georuimtelijke data in Python
Cursus
voltooid

Verdien een prestatieverklaring

Voeg deze referentie toe aan je LinkedIn-profiel, cv of curriculum vitae
Deel het op sociale media en in je functioneringsgesprekSchrijf je nu in

Sluit je aan bij meer dan 19 miljoen leerlingen en start vandaag nog met Werken met georuimtelijke data in Python!

Maak je kosteloos account aan

Ga verder met GoogleMeer opties weergeven

of

Door verder te gaan accepteer je onze Gebruiksvoorwaarden, ons Privacybeleid en dat je gegevens worden opgeslagen in de VS.

Ontwikkel je datavaardigheden met DataCamp voor Mobiel

Maak vooruitgang onderweg met onze mobiele cursussen en dagelijkse 5-minuten programmeeruitdagingen.

Download on the App StoreGet it on Google Play