Relations spatiales avec GeoPandas

Travailler avec des données géospatiales en Python

Dani Arribas-Bel

Geographic Data Science Lab (University of Liverpool)

Méthodes spatiales élément par élément

brussels.within(france)

False

paris.within(france)

True
Travailler avec des données géospatiales en Python

Méthodes spatiales élément par élément

brussels.within(france)

False

Pour un GeoDataFrame complet ?

cities.head()

           name                                      geometry
0  Vatican City   POINT (12.45338654497177 41.90328217996012)
1    San Marino     POINT (12.44177015780014 43.936095834768)
2         Vaduz   POINT (9.516669472907267 47.13372377429357)
3       Lobamba  POINT (31.19999710971274 -26.46666746135247)
...
Travailler avec des données géospatiales en Python

Méthodes spatiales élément par élément

L'opération within() pour chaque géométrie dans cities :

cities.within(france)

0      False
1      False
2      False
       ...  
240    False
241    False
242    False
Length: 243, dtype: bool

cities['geometry'][0].within(france)

False

cities['geometry'][1].within(france)

False

cities['geometry'][2].within(france)

False

...

Travailler avec des données géospatiales en Python

Filtrer par relation spatiale

Filtrer cities selon within() :

cities[cities.within(france)]

        name                                     geometry
10    Monaco  POINT (7.406913173465057 43.73964568785249)
13   Andorra    POINT (1.51648596050552 42.5000014435459)
235    Paris   POINT (2.33138946713035 48.86863878981461)
Travailler avec des données géospatiales en Python

Filtrer par relation spatiale

Quels pays l'Amazone traverse-t-elle ?

rivers = geopandas.read_file("ne_50m_rivers_lake_centerlines.shp")
rivers.head()

              type      name                                 geometry
0  Lake Centerline      Kama  LINESTRING (51.94 55.70, 51.88 55.69...
1            River      Kama  LINESTRING (53.69 58.21, 53.68 58.27...
2  Lake Centerline      Abay  LINESTRING (37.11 11.85, 37.15 11.89...
...

amazon = rivers[rivers['name'] == 'Amazonas'].geometry.squeeze()
mask = countries.intersects(amazon)
Travailler avec des données géospatiales en Python

Filtrer par relation spatiale

countries[mask]

         name      continent                                 geometry
22     Brazil  South America  POLYGON ((-57.63 -30.22, -56.29 -28....
35   Colombia  South America  POLYGON ((-66.88 1.25, -67.07 1.13, ...
124      Peru  South America  POLYGON ((-69.53 -10.95, -68.67 -12....
  • within
  • contains
  • intersects

Plus d'info : https://shapely.readthedocs.io/en/latest/

Travailler avec des données géospatiales en Python

Objets Shapely

paris.within(france)

True

GeoPandas

cities.within(france)

0      False
1      False
2      False
       ...

france.intersects(amazon)

False

countries.intersects(amazon)

0      False
1      False
2      False
       ...
Travailler avec des données géospatiales en Python

Passons à la pratique !

Travailler avec des données géospatiales en Python

Preparing Video For Download...