Arbeta med geospatial data i Python
Dani Arribas-Bel
Geographic Data Science Lab (University of Liverpool)
countries.plot(column='gdp_per_cap', legend=True)

Ange en kolumn:
locations.plot(column='variable')
Koropletkarta med klassificeringsschema:
locations.plot(column='variable', scheme='quantiles', k=7, cmap='viridis')
Viktiga val:
k)scheme)cmap)locations.plot(column='variable', scheme='Quantiles', k=7, cmap='viridis')
Koropletkartor innebär alltid informationsförlust (men det är OK)
Spänning mellan:
k)k)Tumregel: 3 till 12 klasser eller "bins"
locations.plot(column='variable', scheme='quantiles', k=7, cmap='viridis')
Hur tilldelar vi varje värde i
variabletill en av dekgrupperna?
Två vanliga metoder för kontinuerliga variabler:
'equal_interval')'quantiles')locations.plot(column='variable', scheme='equal_interval', k=7, cmap='Purples')

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

Kategorier, oordnade
locations.plot(column='variable',
categorical=True, cmap='Purples')
Graduerad, sekventiell
locations.plot(column='variable',
k=5, cmap='RdPu')
Graduerad, divergerande
locations.plot(column='variable',
k=5, cmap='RdYlGn')



VIKTIGT: Anpassa efter ditt syfte
Arbeta med geospatial data i Python