Choroplethen: data op de kaart zetten

Werken met georuimtelijke data in Python

Dani Arribas-Bel

Geographic Data Science Lab (University of Liverpool)

Choroplethen

countries.plot(column='gdp_per_cap', legend=True)

Een kolom opgeven:

locations.plot(column='variable')

Choropleth met classificatieschema:

locations.plot(column='variable', scheme='quantiles', k=7, cmap='viridis')

Belangrijke keuzes:

locations.plot(column='variable', scheme='Quantiles', k=7, cmap='viridis')

Choroplethen impliceren noodzakelijkerwijs informatieverlies (dat is oké)

Spanning tussen:

Detail en granulariteit uit de bron behouden (hogere k)
Informatie abstraheren voor makkelijke verwerking en interpretatie (lagere k)

Vuistregel: 3–12 klassen of "bins"

locations.plot(column='variable', scheme='quantiles', k=7, cmap='viridis')

Hoe zetten we elke waarde in variable in één van de k groepen?

Twee (veelgebruikte) aanpakken voor continue variabelen:

locations.plot(column='variable', scheme='equal_interval', k=7, cmap='Purples')

locations.plot(column='variable', scheme='quantiles', k=7, cmap='Purples')

Categorieën, niet-geordend

locations.plot(column='variable', 
               categorical=True, cmap='Purples')

Gegradueerd, sequentieel

locations.plot(column='variable', 
               k=5, cmap='RdPu')

Gegradueerd, divergerend

locations.plot(column='variable', 
               k=5, cmap='RdYlGn')

BELANGRIJK: Stem af op je doel

Werken met georuimtelijke data in Python