folium是基於leaflet.js的python地圖套件，讓使用者可以很快速的使用python產生一些可互動的地圖。
我們可以很方便把加工後的GIS資料丟進去，並完成一個網頁地圖。
leaflet: [Day 13] WebGIS中的向量資料-在Leaflet實作 - iT 邦幫忙::一起幫忙解決難題，拯救 IT 人的一天
以下我們就快速來試一試
另外一個GIS資料畫圖的利器是Geoplot，它擴充了cartopy與matplotlib，讓GIS資料的視覺化更方便，當然，他也設計給Geopandas作為其資料的端口。
有關geoplot的安裝，使用annaconda：
conda install geoplot -c conda-forge
前幾天我們也有利用Geopandas裡面包的matplotlib做一些基本的繪圖
GIS資料很常出現在日常生活的資訊視覺化，除了在資料工程上用在Data wrangling外，資料視覺化扮演著資訊發布的重任，GIS或是地圖的視覺化的學習與資源非常的多，今天我們以matplotlib，討論一下GIS資料視覺化的一些要素。
今天的主題是延續Day04 幾何資料基本運算，記錄一下在GIS向量資料中，可能會碰到但比較進階的幾何處理，今天的測試主要是圍繞在shapely的應用，shapely在Geopandas也有依賴，因此相關操作可以互相延伸。
前一天的資料聚合，所舉的應用例是行政區村里，實作簡單的點資料與空間單元做結合，然而事實上，聚合的單元不限於行政區村里，以台灣來說，可以使用內政部最小統計區的空間單元來做資料聚合，最小統計區與其發佈區的劃設主要是根據人口，有關最小統計區請參考最小統計區圖｜MOI Open Data。
另外，也有特別針對其他用途的統計區：經濟統計區圖資| 政府資料開放平臺，或是如集水區等都可以採用前一天的方法，與點資料做整合，相關資料請自行參閱。
今天要介紹的也與昨日的資料聚合有一點關係-geohash
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 | light=gpd.read_file('output/light.shp',encoding='utf-8') |
我們可以很簡單的用groupy做資料的的聚合1
light.groupby('district').size()
GeoDataFrame使操作GIS資料分析時更有彈性
我們可以很快對GIS的屬性資料的分析與過濾
當然，也包括一些幾何空間的運算
坐標轉換
坐標轉換幾乎是GIS第一門課，可以參考[Day10] 坐標系統及WebGIS常用的坐標轉換有大致的說明。
Geopandas可以讀取各GIS格式進行空間運算，
然而實際上我們可能拿到的資料不見得是GIS的格式
不是GIS格式，但它可能是有坐標資訊的資料
比較常見的會是一個csv,Excel含有經緯度或xy的資料，對於這樣的資料，我們可以把它轉為Geopandas的GeoDataFrame。
Pandas是資料分析熱門且好用的工具，相信熟悉資料分析的各路英雄好漢都不陌生
在Python中，與GIS相關的套件滿坑滿谷，這邊我們選定Geopandas作為資料操作的基礎
它與Pandas有很接近的操作體驗，並且依賴了許多GIS常用的Python套件。
Geopandas介紹
在Python上處理空間資料有許多套件們，這些套件都有不同的使用場景，例如shapely用在向量資料的處理、fiona則是幫助使用Python上操作OGR(支援超多格式的資料轉換)，pyproj做坐標投影的轉換等等。
地理空間資料或簡稱GIS資料，無論是學術研究、資料科學、商業分析、或是各種資料採集等，或多或少都需要與空間資料相處。
或許各路GIS相關的工作者，常會覺得明明空間資料與非空間資料差異只在於有無坐標資料，但實際處理起來卻常常遇到各種坑苦。
有感於此，希望藉由這次鐵人賽的砥礪，攻略實務上處理GIS資料時更進階及更自動化的工具與技巧。
這次30天的任務，主要以
Python為主軸，配合QGIS及空間資料庫，熟悉GIS工作的自動化流程，解決空間資料分析或是資料工程上的問題。