鐵人賽2019 Day05 基本的資料聚合

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()

鐵人賽2019 Day02 Geopandas初探

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。

鐵人賽2019 Day01 前言

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。