Thuộc tính và phương thức của GeoSeries I

Trực quan hóa dữ liệu không gian địa lý bằng Python

Mary van Valkenburg

Data Science Program Manager, Nashville Software School

Thuộc tính và phương thức của Shapely

# cột geometry là một GeoSeries
type(school_districts.geometry)

geopandas.geoseries.GeoSeries

GeoSeries.area - trả về diện tích của từng hình học trong một GeoSeries
GeoSeries.centroid - trả về điểm trung tâm của từng hình học trong một GeoSeries
GeoSeries.distance(other) - trả về khoảng cách nhỏ nhất tới other

GeoSeries.area

trả về diện tích của từng hình học trong một GeoSeries

# diện tích của đa giác đầu tiên trong districts 
print(districts.geometry[0].area)

325.78

đa giác

Diện tích quận trường

GeoSeries.area

# in 4 dòng đầu của school districts và tổng số dòng
print(school_districts.head(4))
print('There are ', school_districts.shape[0], ' school districts.' )

first_name  last_name    position  district  geometry
Sharon      Gentry       Member       1      (POLYGON ((-86.771 36.383...)))
Jill        Speering     Vice-Chair   3      (POLYGON ((-86.753 36.404...)))
Jo Ann      Brannon      Member       2      (POLYGON ((-86.766 36.083...)))
Anna        Shepherd     Chair        4      (POLYGON ((-86.580 36.209...)))
There are  9  school districts.

# tính diện tích của từng quận trường
district_area = school_districts.area
# in diện tích và crs được dùng
print(district_area.sort_values(ascending = False))
print(school_districts.crs)

0    0.036641
4    0.023030
8    0.015004
1    0.014205
3    0.014123
5    0.010704
2    0.008328
7    0.007813
6    0.006415
dtype: float64
epsg:4326

# tạo bản sao của school_districts dùng EPSG:3857
school_districts_3857 = school_districts.to_crs(epsg = 3857)

# định nghĩa hệ số m^2 sang km^2 và lấy diện tích theo kilômét vuông
sqm_to_sqkm = 10**6
district_area_km = school_districts_3857.area / sqkm_to_sqm
print(district_area_km.sort_values(ascending = False))
print(school_districts_3857.crs)

0    563.134380
4    353.232132
8    230.135653
1    218.369949
3    216.871511
5    164.137548
2    127.615396
7    119.742279
6     98.469632
dtype: float64
epsg:3857

Cùng luyện tập nào!

Trực quan hóa dữ liệu không gian địa lý bằng Python