鐵人賽2019 Day05 基本的資料聚合

Oct 20, 2018

1. spatial join
2. aggregation
3. dissolve
4. 後記

在Pandas可以使用groupby等方法進行資料聚合
例如先前第三天的路燈資料，如果想看一下不同的統計成果，除了空間上的展示外，可以用資料內的行政區欄位(district)做聚合

回顧這份資料，有district欄位表示行政區

1 2	light=gpd.read_file('output/light.shp',encoding='utf-8') light

Screen Shot 2018-10-19 at 23.37.11.png

我們可以很簡單的用groupy做資料的的聚合

1	light.groupby('district').size()

Screen Shot 2018-10-19 at 23.53.55.png

如果資料中沒有這樣的屬性呢？(例如第三天的另一份圖書館點為資料)
在GIS資料中，我們可以對資料做空間聚合，聚合的單元可以是面資料。

路燈及圖書館資料請參考及Day03 從Pandas到Geopandas的幾種方法

spatial join

首先我們下載村里界圖
新北市政府資料開放平台，試著把圖書館資料與其做連結

把村里界圖讀進來，稍作觀察

import geopandas as gpd
village=gpd.read_file('data/Village/Village.shp',encoding='utf-8')
village.crs= {'init' :'epsg:3826'} # 避免資料沒設，這邊再重新給一次
village.head(3)

Screen Shot 2018-10-20 at 10.26.46.png
可以看出來ADMIV及ADMIT是村里與行政區

把圖書館資料有讀進來

lib=gpd.read_file('output/library.shp',encoding='utf-8')
lib.crs= {'init' :'epsg:4326'} # 避免資料沒設，這邊再重新給一次
lib=lib.to_crs(epsg=3826)
lib.head(3)

Screen Shot 2018-10-20 at 10.26.52.png
從上面可以看到，這份圖書館沒有行政區的資訊，無法直接產出如前面的統計表，但是由於我們有村里的GIS資料，可利用資料間的空間關係整合，在此特別在提醒，請記得轉換空間坐標，讓兩者系統一致喔。

坐標轉換請參考前一天的文章： Day04 幾何資料基本運算

先把他們套疊
(ps.為了方便顯示，只選擇中和區)

1 2	base=village[village['ADMIT']=='中和區'].plot(color='yellow') lib[lib['address'].str.contains('中和區')].plot(ax=base)

Screen Shot 2018-10-20 at 10.35.02.png

從上得知，我們應該可以從空間關係取得我們要的東西，使用的是spatial join(sjoin)

1 2	result = gpd.tools.sjoin(lib, village[['ADMIV','ADMIT','geometry']], how="left") result

Screen Shot 2018-10-20 at 10.38.35.png

其中，how是選擇要left join或是right, inner join，op則是空間關聯的方法，有contains, within, intersects可以選擇，我們選within，因為我們想計算點被包含在哪些村里界中

spatial join完成後，我們就可以做groupy，達到前面的效果

1 2	group=result.groupby(['ADMIT','ADMIV']) group.size().reset_index(name='counts')

Screen Shot 2018-10-20 at 12.12.01.png

除了表格的展示，可以展點在圖上，並以行政區做上色

1	result.plot('ADMIT')

Screen Shot 2018-10-20 at 12.12.15.png

然而，如果要以地圖展示的話，可能不夠清楚，把村里的圖也納進來一起顯示吧！

aggregation

為了產生這樣的資訊，可以先計算village圖層涵蓋到的點數量，這之中會參考到昨天的幾何基本運算，這邊使用intersects，計算counts，也就是包含的點數量。

import numpy as np
counts=[np.sum(row['geometry'].intersects(lib.unary_union)) for idx, row in village.iterrows()]
village['count']=counts
aggre_v=village[['ADMIV','ADMIT','count','geometry']]
aggre_v[aggre_v['count']>0]

Screen Shot 2018-10-20 at 12.18.19.png