Lucrul cu date geospațiale în Python
Dani Arribas-Bel
Geographic Data Science Lab (University of Liverpool)
countries.plot(column='gdp_per_cap', legend=True)

Specificarea unei coloane:
locations.plot(column='variable')
Coropletă cu schemă de clasificare:
locations.plot(column='variable', scheme='quantiles', k=7, cmap='viridis')
Alegeri cheie:
k)scheme)cmap)locations.plot(column='variable', scheme='Quantiles', k=7, cmap='viridis')
Coropletele implică în mod necesar pierdere de informație (dar este acceptabil)
Tensiune între:
k mai mare)k mai mică)Regulă generală: 3 până la 12 clase sau „intervale"
locations.plot(column='variable', scheme='quantiles', k=7, cmap='viridis')
Cum alocăm fiecare valoare din
variableunuia dintre celekgrupuri?
Două abordări frecvente pentru variabile continue:
'equal_interval')'quantiles')locations.plot(column='variable', scheme='equal_interval', k=7, cmap='Purples')

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

Categorii, neordonate
locations.plot(column='variable',
categorical=True, cmap='Purples')
Graduat, secvențial
locations.plot(column='variable',
k=5, cmap='RdPu')
Graduat, divergent
locations.plot(column='variable',
k=5, cmap='RdYlGn')



IMPORTANT: Aliniați cu scopul dvs.
Lucrul cu date geospațiale în Python