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

ระบุคอลัมน์:
locations.plot(column='variable')
Choropleth พร้อม classification scheme:
locations.plot(column='variable', scheme='quantiles', k=7, cmap='viridis')
ตัวเลือกหลัก:
k)scheme)cmap)locations.plot(column='variable', scheme='Quantiles', k=7, cmap='viridis')
Choropleths จำเป็นต้องมีการสูญเสียข้อมูล (แต่ไม่เป็นไร)
ความตึงเครียดระหว่าง:
k สูง)k ต่ำ)หลักการทั่วไป: 3 ถึง 12 คลาส หรือ "bin"
locations.plot(column='variable', scheme='quantiles', k=7, cmap='viridis')
จัดสรรทุกค่าใน
variableลงในหนึ่งในkกลุ่มอย่างไร?
วิธีที่พบบ่อยสำหรับตัวแปรต่อเนื่อง:
'equal_interval')'quantiles')locations.plot(column='variable', scheme='equal_interval', k=7, cmap='Purples')

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

หมวดหมู่ ไม่มีลำดับ
locations.plot(column='variable',
categorical=True, cmap='Purples')
แบบไล่ระดับ ต่อเนื่อง
locations.plot(column='variable',
k=5, cmap='RdPu')
แบบไล่ระดับ แยกทิศทาง
locations.plot(column='variable',
k=5, cmap='RdYlGn')



สำคัญ: เลือกให้สอดคล้องกับจุดประสงค์ของคุณ
การทำงานกับข้อมูลเชิงพื้นที่ใน Python