After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Kursbeskrivning
En stor del av all data i världen är i grunden spatial. Från befolkningsdata i nationella folkräkningar till varje butik i ditt kvarter – de flesta datamängder har en geografisk dimension som du kan utnyttja för att få ut så mycket som möjligt av dem. Den här kursen visar hur du integrerar spatial data i ditt Python-arbetsflöde för datavetenskap. Du lär dig att interagera med, bearbeta och berika verkliga data med hjälp av deras geografiska dimension. Du lär dig att läsa tabellbaserad spatial data i de vanligaste formaten (t.ex. GeoJSON, shapefile, geopackage) och visualisera dem i kartor. Sedan kombinerar du olika datakällor med hjälp av deras geografiska läge som gemensam nämnare. I slutet av kursen förstår du vad som gör geografisk data unik och hur du kan omvandla och återanvända den i olika sammanhang.
Förkunskapskrav
Kursplan
Kursöversikt
1
Introduktion till geospatial vektordata
I det här kapitlet introduceras du till begreppen geospatial data, och mer specifikt vektordata. Du lär dig sedan hur du representerar sådan data i Python med biblioteket GeoPandas, och grunderna för att läsa, utforska och visualisera den. Du övar på allt detta med datamängder om staden Paris.
- Geospatial data50 XP
- Restauranger i Paris100 XP
- Lägga till en bakgrundskarta100 XP
- Introduktion till GeoPandas50 XP
- Utforska Parisdistrikten (I)100 XP
- Utforska Parisdistrikten (II)100 XP
- Restaurangerna i Paris som en GeoDataFrame100 XP
- Utforska och visualisera rumsliga data50 XP
- Visualisera befolkningstätheten100 XP
- Pandas-funktionalitet: groupby100 XP
- Plotta flera lager100 XP
2
Rumsliga relationer
En av de viktigaste aspekterna av geospatial data är hur olika datamängder förhåller sig till varandra i rummet. I det här kapitlet lär du dig de olika rumsliga relationerna och hur du använder dem i Python för att söka i data eller utföra rumsliga sammanfogningar. Slutligen lär du dig också mer om koropleth-visualiseringar.
3
Projicering och transformering av geometrier
I det här kapitlet tittar vi närmare på hur koordinaterna för geometrier uttrycks utifrån deras koordinatreferenssystem (CRS). Du lär dig varför dessa referenssystem är viktiga och hur du hanterar dem i praktiken med GeoPandas. Du lär dig även att skapa nya geometrier utifrån rumsliga relationer, vilket gör det möjligt att lägga samman spatiala datamängder. Och du fortsätter att öva på allt detta med Parisdatamängder!
4
Allt samlat – fallstudie om hantverksmässiga gruvplatser
I det här sista kapitlet lämnar vi Parisdatan bakom oss och tillämpar allt vi har lärt oss hittills på en helt ny datamängd om hantverksmässiga gruvplatser i östra Kongo. Du lär dig även några nya rumsliga operationer, hur du tillämpar anpassade rumsliga operationer, och du får en försmak av rasterdata.
Arbeta med geospatial data i Python
Kurs
slutförd
