Рубрика «geopandas»
Как один мужик карту города рисовал
2022-07-16 в 18:30, admin, рубрики: geopandas, kepler.gl, Maps API, визуализация данных, Геоинформационные сервисы, Нижний Новгород
Преступность в США и России: сравнительный обзор
2022-01-27 в 1:24, admin, рубрики: geopandas, pandas, python, визуализация данных, Инфографика, открытые данные, преступления, Россия, статистика, статистический анализ, СШАМотивация и цель исследования
Цель исследования -- на основе анализа открытых статистических данных сравнить ситуацию с преступностью в США и России и попытаться понять:
-
какие преступления количественно преобладают;
-
как изменяется преступность по годам;
-
каков уровень преступности в удельном выражении (на 1 млн. населения);
-
как указанные параметры распределяются территориально -- по штатам США и регионам России.
Источники данных
Для анализа используются только открытые официальные данные:
-
Количество совершенных преступлений по основным преступлениям (Читать полностью »
Первые шаги в визуализации данных с использованием Geopandas и OSM
2020-08-16 в 11:55, admin, рубрики: geopandas, maps, OpenStreetMap, python
У многих хоть раз возникала необходимость быстро нарисовать карту города или страны, нанеся на нее свои данные (точки, маршруты, тепловые карты и т.д.).
Как быстро решить такую задачу, откуда взять карту города или страны для отрисовки — в подробной инструкции под катом.
Визуальное представление выборов в Санкт-Петербурге — магия накрутки голосов
2019-11-10 в 20:50, admin, рубрики: big data, data mining, data science, geopandas, pandas, python, анализ данных, визуализация данных, выборы, Геоинформационные сервисыПривет!
В сентябре этого (2019) года прошли выборы Губернатора Санкт-Петербурга. Все данные о голосовании находятся в открытом доступе на сайте избирательной комиссии, мы не будем ничего ломать, а просто визуализируем информацию с этого сайта www.st-petersburg.vybory.izbirkom.ru в нужном для нас виде, проведем совсем несложный анализ и определим некоторые «волшебные» закономерности.
Обычно для подобных задач я использую Google Colab. Это сервис, который позволяет запускать Jupyter Notebook'и, имея доступ к GPU (NVidia Tesla K80) бесплатно, это заметно ускорит пирсинг данных и их дальнейшую обработку. Мне понадобились некоторые подготовительные работы перед импортом.
%%time
!apt update
!apt upgrade
!apt install gdal-bin python-gdal python3-gdal
# Install rtree - Geopandas requirment
!apt install python3-rtree
# Install Geopandas
!pip install git+git://github.com/geopandas/geopandas.git
# Install descartes - Geopandas requirment
!pip install descartesДалее импорты.
import requests
from bs4 import BeautifulSoup
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import geopandas as gpd
import xlrdОписание используемых библиотек
- requests — модуль для запроса на подключение к сайту
- BeautifulSoup — модуль для парсинга html и xml документов; позволяет получить доступ напрямую к содержимому любых тегов в html
- numpy — математический модуль с базовым и необходимым набором математических функций
- pandas — библиотека для анализа данных
- matplotlib.pyplot — модуль-набор методов построения
- geopandas — модуль для построения карты выборов
- xlrd — модуль для чтения табличных файлов
Настал момент собирать сами данные, парсим. Избирком позаботился о нашем времени и предоставил отчетность в таблицах, это удобно.
Читать полностью »