kaggle地理空间分析-manipulating geospatial data(处理地理空间数据)<iv>

介绍

在本教程中，您将学习有关地理空间数据的两种常见操作：地理编码和表联接。

import pandas as pd
import geopandas as gpd
import numpy as np
import folium
from folium import Marker

Geocoding(地理编码)

地理编码是将地点或地址的名称转换为地图上的位置的过程。 例如，如果您曾经使用Google Maps，Bing Maps或Baidu Maps根据地标描述查找地理位置，那么您已经使用了地理编码器！

我们将使用geopandas进行所有的地理编码。

from geopandas.tools import geocode

要使用地理编码器，我们只需要提供：

• 名称或地址为Python字符串，以及
• 提供者的名称；为避免必须提供API密钥，我们将使用OpenStreetMap Nominatim geocoder(地理编码器)。

如果地理编码成功，则会返回包含两列的GeoDataFrame：

• “几何”列包含（纬度，经度）位置，以及
• “地址”列包含完整地址。

result = geocode("The Great Pyramid of Giza", provider="nominatim")
result

“geometry(几何)”列中的条目是一个Point对象，我们可以分别从y和x属性获得纬度和经度。

point = result.geometry.iloc[0]
print("Latitude:", point.y)
print("Longitude:", point.x)

Latitude: 29.9791264
Longitude: 31.13423837510151

通常，我们需要对许多不同的地址进行地理编码。 例如，假设我们想获得欧洲100所顶尖大学的位置。

universities = pd.read_csv("../input/geospatial-learn-course-data/top_universities.csv")
universities.head()

然后，我们可以使用lambda函数将地址解析器应用于DataFrame中的每一行。 （我们使用try / except语句来说明地理编码失败的情况。）

def my_geocoder(row):
    try:
        point = geocode(row, provider='nominatim').geometry.iloc[0]
        return pd.Series({'Latitude': point.y, 'Longitude': point.x, 'geometry': point})
    except:
        return None

universities[['Latitude', 'Longitude', 'geometry']] = universities.apply(lambda x: my_geocoder(x['Name']), axis=1)

print("{}% of addresses were geocoded!".format(
    (1 - sum(np.isnan(universities["Latitude"])) / len(universities)) * 100))

# Drop universities that were not successfully geocoded
universities = universities.loc[~np.isnan(universities["Latitude"])]
universities = gpd.GeoDataFrame(universities, geometry=universities.geometry)
universities.crs = {'init': 'epsg:4326'}
universities.head()

90.0% of addresses were geocoded!

接下来，我们将地理编码器返回的所有位置可视化。 请注意，其中一些位置肯定不准确，因为它们不在欧洲！

# Create a map
m = folium.Map(location=[54, 15], tiles='openstreetmap', zoom_start=2)

# Add points to the map
for idx, row in universities.iterrows():
    Marker([row['Latitude'], row['Longitude']], popup=row['Name']).add_to(m)

# Display the map
m

Table joins(表联接)

现在，我们将切换主题，并考虑如何合并来自不同来源的数据。

Attribute join(属性联接)

您已经知道如何使用pd.DataFrame.join（）将来自多个DataFrame的信息与共享索引组合在一起。我们将这种联接数据的方式（通过简化索引中的匹配值）称为属性联接。

使用GeoDataFrame执行属性联接时，最好使用gpd.GeoDataFrame.merge（）。 为了说明这一点，我们将使用一个包含欧洲每个国家边界的GeoDataFrame europe_boundaries。 此GeoDataFrame的前五行打印如下。

world = gpd.read_file(gpd.datasets.get_path('naturalearth_lowres'))
europe = world.loc[world.continent == 'Europe'].reset_index(drop=True)

europe_stats = europe[["name", "pop_est", "gdp_md_est"]]
europe_boundaries = europe[["name", "geometry"]]

europe_boundaries.head()

我们将其与一个DataFrame europe_stats一起加入，其中包含每个国家/地区的估计人口和国内生产总值（GDP）。

europe_stats.head()

我们在下面的代码单元中进行属性联接。on参数设置为列名，该列名用于将europe_boundaries中的行与europe_stats中的行进行匹配。

# Use an attribute join to merge data about countries in Europe
europe = europe_boundaries.merge(europe_stats, on="name")
europe.head()

Spatial join(空间连接)

连接的另一种类型是**spqtial join。通过空间连接，我们根据“几何”列中对象之间的空间关系来组合GeoDataFrame。 例如，我们已经有一个GeoDataFrameuniversities，其中包含欧洲大学的地理编码地址。
然后，我们可以使用空间连接将每所大学与其对应的国家/地区进行匹配。 我们使用gpd.sjoin（）完成此操作。

# Use spatial join to match universities to countries in Europe
european_universities = gpd.sjoin(universities, europe)

# Investigate the result
print("We located {} universities.".format(len(universities)))
print("Only {} of the universities were located in Europe (in {} different countries).".format(
    len(european_universities), len(european_universities.name.unique())))

european_universities.head()

We located 90 universities.
Only 85 of the universities were located in Europe (in 15 different countries).

上方的空间连接着眼于两个GeoDataFrames中的“geometry”列。 如果来自universitiesGeoDataFrame的Point对象与来自europe DataFrame的Polygon对象相交，则将相应的行合并并添加为europe_universitiesDataFrame的单行。否则，结果中将省略没有匹配大学的国家（和没有匹配国家的大学）。

可通过how和op参数为不同类型的联接定制gpd.sjoin（）方法。 例如，您可以通过设置how ='left'（或how ='right'）来进行SQL左（或右）联接的等效操作。 我们不会在此微型课程中进行详细介绍，但是您可以在文档中了解更多信息。

Your turn

使用地理编码和表联接来确定下一个星巴克储备烘焙所的合适位置。