После прохождения этих курсов я уверенно создаю профессиональные визуализации и дашборды.
Shoebur RahmanСпециалист по закупкам, Giz Bangladesh
Описание курса
Значительная часть данных в реальном мире имеет пространственную природу. От данных переписи населения до каждого магазина в вашем районе — большинство наборов данных содержат географическое измерение, которое можно использовать с максимальной пользой. Этот курс покажет вам, как интегрировать пространственные данные в рабочий процесс анализа данных на Python. Вы научитесь работать с реальными данными, манипулировать ими и обогащать их с помощью географического измерения. Вы освоите чтение табличных пространственных данных в наиболее распространённых форматах (например, GeoJSON, shapefile, geopackage) и их визуализацию на картах. Затем вы научитесь объединять данные из разных источников, используя местоположение как связующее звено. К концу курса вы поймёте, что делает географические данные уникальными, и сможете преобразовывать и применять их в разных контекстах.
Предварительные требования
Программа
План курса
1
Введение в геопространственные векторные данные
В этой главе вы познакомитесь с концепцией геопространственных данных и, в частности, векторных данных. Затем вы научитесь представлять такие данные в Python с помощью библиотеки GeoPandas, а также освоите основы чтения, исследования и визуализации подобных данных. Все эти навыки вы отработаете на наборах данных о Париже.
- Геопространственные данные50 XP
- Рестораны Парижа100 XP
- Добавление фоновой карты100 XP
- Введение в GeoPandas50 XP
- Исследование районов Парижа (I)100 XP
- Изучение округов Парижа (II)100 XP
- Рестораны Парижа в виде GeoDataFrame100 XP
- Анализ и визуализация пространственных данных50 XP
- Визуализация плотности населения100 XP
- Возможности pandas: groupby100 XP
- Построение нескольких слоёв100 XP
2
Пространственные отношения
Один из ключевых аспектов геопространственных данных — то, как они соотносятся друг с другом в пространстве. В этой главе вы изучите различные виды пространственных отношений и научитесь применять их в Python для запросов к данным и выполнения пространственных объединений. Вы также подробнее познакомитесь с хороплетными визуализациями.
3
Проекции и преобразования геометрий
В этой главе мы подробнее рассмотрим, как координаты геометрий выражаются в зависимости от системы координат (CRS). Вы узнаете о важности систем координат и научитесь работать с ними на практике с помощью GeoPandas. Кроме того, вы освоите создание новых геометрий на основе пространственных отношений, что позволит вам накладывать пространственные наборы данных друг на друга. И снова вы будете практиковаться на данных о Париже!
4
Всё вместе – практический пример: кустарные горнодобывающие объекты
В этой финальной главе мы оставляем данные о Париже позади и применяем всё изученное к новому набору данных о кустарных горнодобывающих объектах на востоке Конго. Помимо этого, вы познакомитесь с новыми пространственными операциями, научитесь применять пользовательские пространственные операции и получите первое представление о растровых данных.
Работа с геопространственными данными в Python
Курс
завершён
