Grandi dati

Analisi geospaziale | Introduzione a Folium

Questo articolo è stato pubblicato nell'ambito del Blogathon sulla scienza dei dati

introduzione

Spesso ci imbattiamo in alcune situazioni in cui è meglio visualizzare i dati su una mappa per una migliore comprensione. I dati che trattiamo nella nostra vita quotidiana sono generalmente limitati a righe e colonne, grafici a barre, grafici a torta e istogrammi.

Ma, oggi, con più risorse di raccolta dati e più potenza di calcolo, Le aziende possono anche utilizzare i dati sulla posizione e le mappe per soddisfare le proprie esigenze di dati e analisi.

Importanza di mappe e dati basati sulla posizione

Le mappe e i dati sulla posizione facilitano la visualizzazione di dati e schemi nascosti, che in precedenza poteva essere irriconoscibile nei fogli di calcolo / Eccellere.

Ad esempio, un set di dati contiene luoghi di consegna di cibo in una città, insieme ai costi degli ordini, gli articoli ordinati e altri parametri. Queste date, se visualizzato su una mappa, aiuterà a identificare fattori come la distanza, la vicinanza, i gruppi, eccetera.

I dati basati sulla posizione tracciati sulle mappe ti danno la possibilità di visualizzare molte più informazioni e con una visibilità più semplice.

Cos'è l'analisi geospaziale?

L'analisi geospaziale è una tecnica per creare e analizzare visualizzazioni basate su mappe da dati GPS, sensori, dispositivi mobili, immagini satellitari e altre fonti. Le immagini possono essere mappe, cartogrammi, grafica, eccetera.

Le mappe riconoscibili lo rendono facile da capire e da usare. Gli eventi basati sulla posizione sono facilmente comprensibili tramite l'analisi geospaziale. Gli aspetti della posizione spesso dettano varie tendenze.

Ad esempio, è probabile che un'area residenziale in una città che ha proprietà più costose abbia redditi più alti e spenderanno maggiori quantità di denaro.

Applicazioni e usi dell'analisi geospaziale

Ci sono diversi usi dell'analisi geospaziale.

Possono essere utilizzati per mappare le risorse naturali o tenere traccia di eventi meteorologici come la pioggia, neve o umidità, pressione dell'aria, eccetera. Con la posizione del fenomeno meteorologico passato, le tendenze possono essere analizzate e comprese / prevedere le istanze future.

Anche per i dati delle telecomunicazioni, possiamo usare l'analisi geospaziale e capire la forza della connessione, l'estensione degli abbonati e altri parametri. I punti di forza della rete variano nel tempo e l'utilizzo delle mappe per visualizzare i dati è il modo più efficiente.

Possiamo anche utilizzare le mappe per tracciare vari dati aziendali, le vendite di un negozio da parte dei punti vendita, ad esempio, tutti i Mc Donald in una città o regione possono tracciare le loro vendite sulla mappa. Ciò aiuterà ad analizzare le posizioni più redditizie e a prendere decisioni migliori..

L'urbanistica e l'urbanistica possono essere assistite anche da tecniche di analisi cartografica. La crescente popolazione nelle città ha spesso aumentato il fabbisogno di elettricità e acqua, e la domanda e l'offerta nelle grandi città continuano a variare.

I consigli comunali e le società municipali hanno i dati necessari in molti casi, ma non è un buon modo per visualizzare e analizzare i dati. Se hai la domanda di elettricità per regione in una città, disegnato su una mappa, puoi determinare quali regioni hanno bisogno di un aggiornamento urgente e più offerta. Tutti gli aspetti della pianificazione urbana possono essere facilmente realizzati con una corretta analisi geospaziale.

Introduzione al folio

Folium è una libreria Python che può essere utilizzata per visualizzare dati geospaziali. I semplici comandi di Folium lo rendono la scelta migliore per la grafica sulle mappe. Folium ha diversi set di tessere Mapbox integrate, OpenStreetMap e Stamen e supporta anche set di tessere personalizzati.

Installazione del foglio:

pip install folio

Ora, dopo aver installato Folium, abbiamo iniziato.

importa numpy come np
importa panda come pd

Importiamo NumPy e panda.

# Crea una mappa
kol = folium.Map(posizione=[22.57, 88.36], piastrelle="openstreetmap", zoom_start=12)
col

Creiamo una mappa di base di Calcutta in Python.

Può essere ingrandito e rimpicciolito e spostato, Condividerò il link del taccuino live di Kaggle alla fine dell'articolo. Ora disegniamo alcuni luoghi interessanti. Ecco una foglia, tracciare le posizioni se conosci le coordinate della mappa è molto semplice.

#aggiungi un marcatore per un luogo

#memoria della vittoria
tooltip_1 = "Questo è il Victoria Memorial"
tooltip_2 ="Questo è Eden Gardens"

folium.Marker(
    [22.54472, 88.34273], popup="Victoria Memorial", tooltip=tooltip_1).aggiungere a(col)

folium.Marker(
    [22.56487826917627, 88.34336378854425], popup="Giardini dell'Eden", tooltip=tooltip_2).aggiungere a(col)

col

Andiamo a vedere la trama.

Ora, aggiungiamo un diverso tipo di marker alla nostra mappa.

folium.Marker(
    posizione=[22.55790780507432, 88.35087264462007],
    popup="Museo Indiano",
    icon=folium.Icon(colore="rosso", icona="info-segno"),
).aggiungere a(col)

col

Ecco i risultati del codice sopra. Per conoscere i tipi di marker, puoi consultare la documentazione.

Diamo ora un'occhiata a un diverso tipo di mappa, Stame Toner.

kol2 = folium.Map(posizione=[22.55790780507432, 88.35087264462007], piastrelle="Stame Toner", zoom_start=13)
kol2

Ora, vediamo l'output generato.

L'aggiunta di marcatori alla mappa viene utilizzata per etichettare e identificare qualcosa. Con etichetta, qualsiasi punto di interesse particolare può essere segnato sulla mappa.

Ora aggiungiamo i cerchi alla nostra mappa.

#aggiungendo cerchio

folium.Circle(
    posizione=[22.585728381244373, 88.41462932675563],
    raggio=1500,
    popup="Lago salato",
    colore="blu",
    fill=Vero,
).aggiungere a(kol2)

folium.Circle(
    posizione=[22.56602918189088, 88.36508424354102],
    raggio=2000,
    popup="Vecchia Calcutta",
    colore="rosso",
    fill=Vero,
).aggiungere a(kol2)


kol2

Diamo un'occhiata all'output.

La mappa può essere spostata e interagita. L'uso dei cerchi può essere utilizzato per scopi di zonizzazione e marcatura di zona nel caso di dati reali.

Ora lavoriamo sulla mappa dell'India.

# Crea una mappa
india = folium.Map(posizione=[20.180862078886562, 78.77642751195584], piastrelle="openstreetmap", zoom_start=5)
India

Per, scegli un luogo specifico sulla mappa, possiamo cambiare le coordinate e modificare il parametro zoom_start.

#aggiungendo 3 posizioni, Mumbai, Delhi e Calcutta
loc= [(19.035698150834815, 72.84981409864244),(28.61271068361265, 77.22359851696532) ,
      (22.564213404457185, 88.35872006950966)]

Prenderemo tre città dell'India e traccieremo una linea di confine.

folium.PolyLine(posizioni = loc,
                line_opacity = 0.5).aggiungere a(India)

India

Diamo un'occhiata all'output.

così, possiamo tracciare alcuni dati di base in base alle coordinate.

Ora, lavoriamo con un set di dati Kaggle, avente i centri abitati degli stati dell'India secondo i dati del censimento di 2011. Andiamo avanti.

df_state=pd.read_csv("/kaggle/input/indian-census-data-with-geospatial-indexing/state wise centroids_2011.csv")

df_state.head()

I dati sono così:

I dati hanno 35 Biglietti, ora graficiamo i dati.

#creando una nuova mappa per l'India, per tutti i centri abitati degli stati da tracciare
# Crea una mappa
india2 = folium.Map(posizione=[20.180862078886562, 78.77642751195584], piastrelle="openstreetmap", zoom_start=4.5)

#aggiungendo i marcatori

per io nel raggio d'azione (0,35):
    stato=df_state["Stato"][io]
    lat=df_state["Latitudine"][io]
    long=df_state["Longitudine"][io]
    folium.Marker(
    [anni, lungo], popup=stato, descrizione comando=stato).aggiungere a(india2)

india2

Ora, diamo un'occhiata alla trama.

La trama viene generata e la posizione di ciascuno degli indicatori è il centro abitato del rispettivo stato / FUORI.

conclusione

Quando si utilizzano le mappe, possiamo comprendere e analizzare i dati in modo più semplice ed efficiente. Con Foglia, otteniamo un modo semplice per tracciare punti sulla mappa e dare un senso ai nostri dati.