After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Опис курсу
Відчутна частка реальних даних за своєю природою є просторовою. Від чисельності населення в національному переписі до кожної крамниці у вашому районі — більшість наборів даних мають просторову складову, яку можна використати, щоб отримати з них більше користі. Цей курс покаже, як інтегрувати просторові дані у ваш робочий процес Data Science на Python. Ви навчитеся взаємодіяти з реальними даними, обробляти їх і збагачувати з урахуванням їхнього географічного виміру. Ви опануєте читання табличних просторових даних у найпоширеніших форматах (напр., GeoJSON, shapefile, geopackage) і їх візуалізацію на мапах. Далі ви поєднаєте різні джерела, використовуючи місцеположення як «міст», що встановлює між ними зв'язок. Наприкінці курсу ви зрозумієте, що робить географічні дані особливими, і зможете трансформувати їх та застосовувати в різних контекстах.
Попередні вимоги
Навчальний план
Зміст курсу
1
Вступ до геопросторових векторних даних
У цьому розділі ви познайомитеся з поняттями геопросторових даних, а точніше — векторних даних. Далі ви дізнаєтеся, як представляти такі дані в Python за допомогою бібліотеки GeoPandas, а також опanuєте основи читання, дослідження та візуалізації цих даних. Усе це ви відпрацюєте на наборах даних про місто Париж.
- Геопросторові дані50 XP
- Ресторани в Парижі100 XP
- Додавання фонової мапи100 XP
- Вступ до GeoPandas50 XP
- Дослідимо райони Парижа (I)100 XP
- Дослідіть райони Парижа (ІІ)100 XP
- Ресторани Парижа як GeoDataFrame100 XP
- Дослідження та візуалізація просторових даних50 XP
- Візуалізація густоти населення100 XP
- Використання можливостей pandas: groupby100 XP
- Побудова кількох шарів100 XP
2
Просторові відношення
Один із ключових аспектів геопросторових даних — це те, як вони пов'язані між собою у просторі. У цьому розділі ви вивчите різні просторові відношення та дізнаєтеся, як застосовувати їх у Python для запитів до даних або виконання просторових з'єднань. Нарешті, ви також детальніше розглянете хороплет-карти.
3
Проєктування та перетворення геометрій
У цьому розділі ми глибше розглянемо, як координати геометрій задаються залежно від їхньої системи координат (CRS). Ви дізнаєтеся, чому ці системи важливі, і як працювати з ними на практиці в GeoPandas. Крім того, ви навчитеся створювати нові геометрії на основі просторових відношень, що дасть змогу накладати просторові набори даних один на один. І все це ви далі відпрацюєте на даних про Париж!
4
Об'єднуємо все — кейс про кустарний видобуток
У фінальному розділі ми відкладаємо дані про Париж і застосовуємо все, що вивчили, до нового набору даних про місця кустарного видобутку на сході Конго. Крім того, ви опanuєте ще кілька просторових операцій, дізнаєтеся, як застосовувати власні просторові процедури, і отримаєте короткий огляд растрових даних.
Робота з геопросторовими даними в Python
Курс
завершено
