After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Opis kursu
Znaczna część danych dostępnych w rzeczywistym świecie ma charakter przestrzenny. Od danych demograficznych w spisach powszechnych po każdy sklep w twoim sąsiedztwie – większość zbiorów danych zawiera komponent lokalizacyjny, który możesz wykorzystać, by wydobyć z nich jak najwięcej. Ten kurs pokaże ci, jak włączyć dane przestrzenne do swojego przepływu pracy z nauką o danych w Pythonie. Nauczysz się, jak pracować z danymi rzeczywistymi, manipulować nimi i wzbogacać je, korzystając z ich wymiaru geograficznego. Dowiesz się, jak wczytywać tabelaryczne dane przestrzenne w najpopularniejszych formatach (np. GeoJSON, shapefile, geopackage) i wizualizować je na mapach. Następnie połączysz różne źródła danych, używając lokalizacji jako wspólnego mianownika. Pod koniec kursu będziesz rozumieć, co sprawia, że dane geograficzne są wyjątkowe – i będziesz potrafić przekształcać je oraz wykorzystywać w różnych kontekstach.
Wymagania wstępne
Program kursu
Plan kursu
1
Wprowadzenie do wektorowych danych geoprzestrzennych
W tym rozdziale poznasz podstawowe pojęcia związane z danymi geoprzestrzennymi, a w szczególności z danymi wektorowymi. Dowiesz się, jak reprezentować takie dane w Pythonie przy użyciu biblioteki GeoPandas, oraz opanujesz podstawy wczytywania, eksplorowania i wizualizowania danych. Przećwiczysz to wszystko na zbiorach danych dotyczących Paryża.
- Dane geoprzestrzenne50 XP
- Restauracje w Paryżu100 XP
- Dodawanie mapy podkładowej100 XP
- Wprowadzenie do GeoPandas50 XP
- Eksploracja dzielnic Paryża (I)100 XP
- Eksploracja dzielnic Paryża (II)100 XP
- Restauracje Paryża jako GeoDataFrame100 XP
- Eksploracja i wizualizacja danych przestrzennych50 XP
- Wizualizacja gęstości zaludnienia100 XP
- Korzystanie z funkcjonalności pandas: groupby100 XP
- Rysowanie wielu warstw100 XP
2
Relacje przestrzenne
Jednym z kluczowych aspektów danych geoprzestrzennych są relacje między nimi w przestrzeni. W tym rozdziale poznasz różne rodzaje relacji przestrzennych i nauczysz się, jak używać ich w Pythonie do odpytywania danych oraz wykonywania złączeń przestrzennych. Dowiesz się też więcej o wizualizacjach choropleth.
3
Odwzorowania i transformacje geometrii
W tym rozdziale przyjrzymy się bliżej temu, jak współrzędne geometrii są wyrażane w oparciu o układ odniesienia współrzędnych (CRS). Poznasz znaczenie tych układów i nauczysz się, jak obsługiwać je w praktyce za pomocą GeoPandas. Dowiesz się również, jak tworzyć nowe geometrie na podstawie relacji przestrzennych, co pozwoli ci nakładać na siebie przestrzenne zbiory danych. Całość przećwiczysz na zbiorach danych o Paryżu!
4
Wszystko razem – studium przypadku: rzemieślnicze kopalnie
W ostatnim rozdziale porzucamy dane o Paryżu i stosujemy wszystko, czego się nauczyłeś, na zupełnie nowym zbiorze danych dotyczącym rzemieślniczych kopalni we wschodnim Kongu. Poznasz też nowe operacje przestrzenne, nauczysz się stosować niestandardowe operacje przestrzenne i zajrzysz w świat danych rastrowych.
Praca z danymi geoprzestrzennymi w Pythonie
Kurs
ukończony
