ข้ามไปยังเนื้อหาหลัก

คอร์ส

การทำงานกับข้อมูลเชิงพื้นที่ใน Python

ระดับกลาง4 ชม.

คอร์สนี้จะแสดงวิธีผสานข้อมูลเชิงพื้นที่เข้ากับเวิร์กโฟลว์ Python Data Science ของคุณ

Python4 ชม.16 วิดีโอ53 แบบฝึกหัด4,500 XP17,859ใบแสดงความสำเร็จ

สร้างบัญชีฟรีของคุณ

ดำเนินการต่อด้วย Google
หรือ
การดำเนินการต่อหมายความว่าคุณยอมรับ เงื่อนไขการใช้งาน, ของเรา นโยบายความเป็นส่วนตัว และข้อมูลของคุณถูกจัดเก็บไว้ในสหรัฐอเมริกา

ได้รับความไว้วางใจจากผู้เรียนในหลายพันบริษัท

รายละเอียดคอร์ส

ข้อมูลจำนวนมากในโลกจริงมีมิติเชิงพื้นที่อยู่ในตัว ตั้งแต่ข้อมูลประชากรในสำมะโนแห่งชาติ ไปจนถึงร้านค้าทุกแห่งในย่านที่อยู่อาศัย ชุดข้อมูลส่วนใหญ่ล้วนมีองค์ประกอบด้านตำแหน่งที่สามารถนำมาใช้ให้เกิดประโยชน์ได้ คอร์สนี้จะแสดงวิธีนำข้อมูลเชิงพื้นที่เข้าสู่กระบวนการทำงาน Data Science ด้วย Python โดยจะเรียนรู้วิธีโต้ตอบ จัดการ และเสริมข้อมูลจริงโดยใช้มิติทางภูมิศาสตร์ รวมถึงการอ่านข้อมูลเชิงพื้นที่แบบตารางในรูปแบบที่พบบ่อย เช่น GeoJSON, shapefile และ geopackage แล้วแสดงผลบนแผนที่ จากนั้นจะเรียนรู้การรวมข้อมูลจากหลายแหล่งโดยใช้ตำแหน่งเป็นตัวเชื่อม และเมื่อจบคอร์ส จะเข้าใจสิ่งที่ทำให้ข้อมูลภูมิศาสตร์มีความพิเศษ พร้อมนำไปแปลงและประยุกต์ใช้ในบริบทต่าง ๆ ได้

ข้อกำหนดเบื้องต้น

หลักสูตร

โครงสร้างคอร์ส

1

ความรู้เบื้องต้นเกี่ยวกับข้อมูลเวกเตอร์เชิงพื้นที่

ในบทนี้ จะได้รู้จักกับแนวคิดของข้อมูลเชิงพื้นที่ โดยเฉพาะข้อมูลเวกเตอร์ จากนั้นจะเรียนรู้วิธีแทนข้อมูลดังกล่าวใน Python ด้วยไลบรารี GeoPandas รวมถึงพื้นฐานการอ่าน สำรวจ และแสดงผลข้อมูล โดยฝึกปฏิบัติกับชุดข้อมูลของกรุงปารีส
เริ่มบทเรียน
2

ความสัมพันธ์เชิงพื้นที่

หนึ่งในแง่มุมสำคัญของข้อมูลเชิงพื้นที่คือความสัมพันธ์ระหว่างข้อมูลในเชิงพื้นที่ ในบทนี้ จะเรียนรู้ความสัมพันธ์เชิงพื้นที่ประเภทต่าง ๆ และวิธีนำไปใช้ใน Python เพื่อสืบค้นข้อมูลหรือทำ spatial join นอกจากนี้ยังจะได้เรียนรู้เกี่ยวกับการแสดงผลแผนที่แบบ choropleth อย่างละเอียดอีกด้วย
เริ่มบทเรียน
3

การฉายและแปลงรูปทรงเรขาคณิต

ในบทนี้ จะเจาะลึกวิธีที่พิกัดของรูปทรงเรขาคณิตถูกแสดงตามระบบอ้างอิงพิกัด (CRS) จะเรียนรู้ความสำคัญของระบบอ้างอิงเหล่านี้และวิธีจัดการในทางปฏิบัติด้วย GeoPandas รวมถึงการสร้างรูปทรงเรขาคณิตใหม่จากความสัมพันธ์เชิงพื้นที่ ซึ่งช่วยให้ซ้อนทับชุดข้อมูลเชิงพื้นที่ได้ และยังได้ฝึกปฏิบัติกับชุดข้อมูลปารีสอีกครั้ง
เริ่มบทเรียน
4

รวมทุกอย่างเข้าด้วยกัน – กรณีศึกษาแหล่งเหมืองแร่ขนาดเล็ก

ในบทสุดท้ายนี้ จะทิ้งข้อมูลปารีสไว้เบื้องหลัง แล้วนำทุกสิ่งที่ได้เรียนมาประยุกต์ใช้กับชุดข้อมูลใหม่เกี่ยวกับแหล่งเหมืองแร่ขนาดเล็กในคองโกตะวันออก นอกจากนี้ยังจะได้เรียนรู้การดำเนินการเชิงพื้นที่เพิ่มเติม วิธีประยุกต์ใช้การดำเนินการเชิงพื้นที่แบบกำหนดเอง และภาพรวมเบื้องต้นของข้อมูลแบบ raster
เริ่มบทเรียน

การทำงานกับข้อมูลเชิงพื้นที่ใน Python

เรียนจบแล้ว

รับใบรับรองความสำเร็จ

ลงทะเบียนเลย

พัฒนาทักษะด้านข้อมูลของคุณด้วย DataCamp บนมือถือ

ก้าวหน้าได้ทุกที่ด้วยคอร์สมือถือและแบบฝึกหัดการเขียนโค้ด 5 นาทีประจำวันของเรา