python 空间分析,python数据分析模型有哪些

  python 空间分析,python数据分析模型有哪些

  皮萨尔和软件很相似。一个通过编写脚本实现空间分析,另一个通过软件操作实现空间分析。

  皮萨尔官网介绍了一个开源、跨平台的地理数据分析库。

  皮萨尔能做什么?

  空间分析可视化就足够了。

  一。皮萨尔安装

  安装非常简单,把相关的包都放进去。

  点安装皮萨尔

  点安装设计自动化

  点安装地质公园

  点安装点

  或者,打开py charm ——文件——设置—— python解释器。

  找到皮萨尔和esda、geopandas和splot,然后单击安装包进行安装。

  设计自动化进行连接分析,地质公园对几何学进行矩阵处理,splot是绘图。

  二。官方网站范例

  皮萨尔官方网站,最上面有三个例子106 .http://pysal.org/

  如果沿着这3个例子进行操作,也可以认为已经入门了空间分析。

  最初柏林的房价是莫兰指数。

  二是分析局部空间自相关的集合图丽莎是空间关联的本地指示。

  三是计算空间权重。

  三。测试数据

  四。演示脚本

  我们使用geopython-master\data的数据柏林-lists . CSV和柏林街区编写了简单的脚本。

  空间权重:

  fromlibpysal。重量。contiguityimportqueen

  导入库

  从利比萨尔导入示例

  将matplotlib.pyplot作为血小板计数导入

  导入地理熊猫作为gallonsperday每日加仑数

  弗洛姆的情节。libpysalimportplot _ spatial _ weights

  GDF=GPD.read _ file(数据/柏林-邻里s.geo JSON))

  print(GDF.head))

  权重=queen.from _数据框(GDF)

  绘图空间权重(权重,gdf).

  plt.show())

  房价分布情况:

  导入设计自动化

  进口熊猫作为螺纹中径

  导入地理熊猫作为gallonsperday每日加仑数

  fromgeopandasimportgeodataframe

  将利比萨尔作为低气压(low pressure的缩写)导入

  将数组作为铭牌导入

  将matplotlib.pyplot作为血小板计数导入

  来自shapely.geometryimportpoint

  # %matplotlib内联

  GDF=GPD.read _ file(数据/柏林-邻里s.geo JSON))

  bl _ df=PD.read _ CSV(数据/柏林-列表. CSV)

  几何图形=[点(xy ) forxyinzip(bl_df。经度,bl_df。纬度)]

  CRS={ init : epsg :4326 }

  bl _ GDF=地理数据框架(bl_df,crs=crs,geometry=geometry))。

  bl _ GDF [价格]=bl _ GDF [价格]。作为类型[浮点32 ]

  SJ_GDF=GPD.sjoin(GDF,bl_gdf,how=inner ,op=intersects ,lsuffix=left ,rsuffix=right)

  median _ price _ GB=SJ _ GDF [价格]。分组依据[SJ _ GDF[邻里_团体]].平均(

  打印(中位数_价格_ GB)。

  GDF=GDF.join(median_price_GB,on= neighborhood _ group )))))))))))660)

  GDF。rename(columns={ price : median _ pri },inplace=True))

  打印(GDF.head ) 15)。

  PD .为空(GDF [ median _ pri ]).sum)))))))))))))))))))))。

  GDF [中值优先级]。填写北美(GDF [ median _ pri ].均值),原地=真) )

  gdf.plot(column=median_pri )。

  plt.show())

  伊丽莎白的昵称聚合图:

  导入库

  将数组作为铭牌导入

  来自giddy.directionalimportrose

  将matplotlib.pyplot作为血小板计数导入

  f=打开(libpysal。例子。获取路径(SPI下载.CSV), r ))

  lines=f.readlines(

  f.close()

  lines=[line.strip().拆分),),用于行中的行]

  names=[line[2]for line inlines[1:-5]]

  数据=NP .Array([list(map,line[3:])]for line in lines[1:-5]])

  SIDS=list(range(60))))))

  out=[ 美国3/,

  《阿拉斯加3/》,

  "哥伦比亚特区",

  《夏威夷3/》,

  "新英格兰","中东",

  "五大湖",

  "平原,

  "东南",

  "西南方",

  《落基山》,

  "远西3/"

  snames=[namefornameinnamesifnamenotinout]

  sid=[names。snames中名称的索引(名称]

  状态=数据[sid,]

  us=data[0]

  年=NP.arange (1969,2009)))))))。

  REL=国家/(美国*1。) ) )。

  gal=libpysal。io。打开(libpysal。例子。get _ path(状态48。gal))

  w=gal.read()

  w.transform=r

  Y=rel[:[0,-1]]

  # Y。形状

  # Y

  NP .随机种子(100)).

  R4=罗斯(y,w,k=4))。

  r4.plot())

  plt.show())

  五。总结

  可以使用空间分析Geoda和pysal。只要达到目标,就可以用软件,也可以写程序。

郑重声明:本文由网友发布,不代表盛行IT的观点,版权归原作者所有,仅为传播更多信息之目的,如有侵权请联系,我们将第一时间修改或删除,多谢。

相关文章阅读

  • 2020年高考成绩分布表,2020年高考成绩统计,数据分析2020年全国各省高考成绩分布情况
  • ,,python实现数据分析与建模
  • python3 数据分析,python数据分析课堂
  • 《数据思维》,数据分析的思维导图
  • python数据分析就业方向,python数据分析毕业论文
  • python数据分析数据清洗,python中数据清洗
  • 基于Python的数据可视化,python数据分析及可视化处理的第三方库
  • 利用python进行数据分析豆瓣,python数据分析基础和利用python进行数据分析
  • python数据分析数据清洗,用python进行数据清洗
  • python对excel表格数据的统计和分析,python进行excel数据分析
  • 从零开始学Python数据分析与挖掘,自学python数据分析
  • python数据分析结构思维导图,python组合数据类型思维导图
  • 关联规则分析案例,关联规则数据分析题,关联规则的实际案例数据
  • 数据分析与商业数据分析,120个Excel商业数据分析实战案例
  • python数据分析excel读写,python 读取excel数据
  • 留言与评论(共有 条评论)
       
    验证码: