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

Вказання стовпця:
locations.plot(column='variable')
Хороплет із схемою класифікації:
locations.plot(column='variable', scheme='quantiles', k=7, cmap='viridis')
Ключові вибори:
k)scheme)cmap)locations.plot(column='variable', scheme='Quantiles', k=7, cmap='viridis')
Хороплети неминуче спричиняють втрату інформації (і це нормально)
Компроміс між:
k)k)Практичне правило: від 3 до 12 класів або «бінів»
locations.plot(column='variable', scheme='quantiles', k=7, cmap='viridis')
Як розподілити кожне значення нашої
variableпо одному зkгруп?
Два (поширені) підходи для неперервних змінних:
'equal_interval')'quantiles')locations.plot(column='variable', scheme='equal_interval', k=7, cmap='Purples')

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

Категорії, непорядкові
locations.plot(column='variable',
categorical=True, cmap='Purples')
Градуйована, послідовна
locations.plot(column='variable',
k=5, cmap='RdPu')
Градуйована, дивергентна
locations.plot(column='variable',
k=5, cmap='RdYlGn')



ВАЖЛИВО: узгодьте з вашою метою
Робота з геопросторовими даними в Python