Scribd
Cargar
5 vistas2 páginas

GEOPANDAS

El documento describe el uso de la biblioteca Geopandas para importar y visualizar datos geoespaciales en Python, incluyendo la creación de gráficos y la manipulación de archivos shapefile. Se explican operaciones como la intersección de geometrías, la creación de nuevas columnas en un GeoDataFrame y la verificación de contención de objetos espaciales. Además, se menciona la diferencia entre LineString y MultiString, así como recomendaciones sobre el uso de entornos de desarrollo para trabajar con datos geoespaciales.

Cargado por

ESTHIVEN KIM CRUZ AYTE
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como TXT, PDF, TXT o lee en línea desde Scribd
5 vistas2 páginas

GEOPANDAS

El documento describe el uso de la biblioteca Geopandas para importar y visualizar datos geoespaciales en Python, incluyendo la creación de gráficos y la manipulación de archivos shapefile. Se explican operaciones como la intersección de geometrías, la creación de nuevas columnas en un GeoDataFrame y la verificación de contención de objetos espaciales. Además, se menciona la diferencia entre LineString y MultiString, así como recomendaciones sobre el uso de entornos de desarrollo para trabajar con datos geoespaciales.

Cargado por

ESTHIVEN KIM CRUZ AYTE
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como TXT, PDF, TXT o lee en línea desde Scribd
Está en la página 1/ 2

GEOPANDAS

import geopandas as gpd

Aqui podemos importar archivos layer y shp de modo que la data me genera graficos
GEOESPACIALES.

y para ver en graficos simplemente hacemos lo siguiente.

EJM
#OJITO si no funciona el shape o layer se agrega este extracto
import os
os.environ['SHAPE_RESTORE_SHX'] = 'YES'
---------------------------------------------------------------
p = gpd.read_file("/content/SHPCensoDepartamento INEI 2007 geogpsperu
SuyoPomalia.shp")

p.plot() #Para ver en grafico ,ojito debe haberse importado PRIMERO el matplotlib.

p.plot(cmap ="nombre de color" #Puede ser Cooper ,inferno hsv ,, column="nombre de


la columna respecto a la cual qeremos que se discrimine los colores. "

Tambien podemos modificar el tamaño y juntar dos shps

fig,ax=plt.subplot(figsize=(6,6))

p.plot(ax=ax,cmap="rainbow",column="Departamento")
# El shape de elementos es solo un circulo que esta dentro del mapa ,para fines de
educacion.
elements.plot(ax=ax,facecolor="yellow"

#Para realizar una interseccion

interseccion=gpd.overlay(p,elements,how="intersection") #Aqui el orden de los


shapes depende de la interseccion ,el primero es el shape principal y el lugar.

interseccion.plot()

#Intersection es interesante ya que este nuevo archivo tiene informacion de


ambos ,bueno asi que se puede hacer lo mismo que se hizo en el archivo p

#Asignar una nueva columna a ese archivo ,en este caso puede ser un codigo o un
area.

okey supongamosq que tenemos el archivo "interseccion" y tengamos como columna a


la columna "area(km2)"

interseccion["area(km2)"]=interseccion.area/1000000

listo columna creada.

Ahora para guardar un gdf

interseccion.to_file("colocamos una ruta")

#Uso de iterrows() ,se usa en cilo for


for index,row in df.iterrows():

#Uso de contains()
Se utiliza para verificar si un objeto espacial (por ejemplo, un polígono) contiene
otro objeto espacial (por ejemplo, un punto). Devuelve una serie de valores
booleanos indicando si cada elemento del objeto espacial contiene el otro objeto
espacial.

#Geopandas tambien se usa para crear shp como poligonos ,polilineas ,puntos)

import geopandas as gpd


from shapely.geometry import Polygon, Point

polygon = Polygon([(0, 0), (2, 0), (2, 2), (0, 2)])

# Crear un GeoDataFrame con el polígono


gdf_polygon = gpd.GeoDataFrame(geometry=[polygon])

point_inside = Point(1, 1)

point_outside = Point(3, 3)

contains_inside = gdf_polygon.contains(point_inside) #TRUE Puesto que el


poligono esta compuesto por esos vectores nos imaginamos que creamoas un cuadrado
de vertices (0, 0), (2, 0), (2, 2), (0, 2) y bueno un punto (1,1) ,en este caso si
seria correcto que esta DENTRO de dicho poligono

#Ojito ,cuando vamos a observar las columnas es mucho mucho mejor usar jupiter que
colab ,como que con colab solo llegan a importarse la geometria , en cambio en
jupiter TODO

Un linestring puede componerse por mas de dos vertices ,eso NO lo diferencia de un


multistring ,lo que los diferencia es que uno engloba a otro ,es decir multistrign
seria un conjunto de linestring.

También podría gustarte