GeoPandas-Beispiele#

In den folgenden Beispielen verwenden wir den nybb-Datensatz.

GeoPandas-Plot#

  1. Import

[1]:

import geopandas as gpd

from geodatasets import get_path

  1. Daten lesen

[2]:

nybb = get_path("nybb")

[3]:

df = gpd.read_file(nybb)

  1. Anzeigen der ersten Zeilen

[4]:

df.head()

[4]:
BoroCode BoroName Shape_Leng Shape_Area geometry
0 5 Staten Island 330470.010332 1.623820e+09 MULTIPOLYGON (((970217.022 145643.332, 970227....
1 4 Queens 896344.047763 3.045213e+09 MULTIPOLYGON (((1029606.077 156073.814, 102957...
2 3 Brooklyn 741080.523166 1.937479e+09 MULTIPOLYGON (((1021176.479 151374.797, 102100...
3 1 Manhattan 359299.096471 6.364715e+08 MULTIPOLYGON (((981219.056 188655.316, 980940....
4 2 Bronx 464392.991824 1.186925e+09 MULTIPOLYGON (((1012821.806 229228.265, 101278...

  1. Plotten

[5]:

ax = df.plot(figsize=(10, 10), alpha=0.5, edgecolor="k")
../../_images/matplotlib_geopandas_example_11_0.png

figsize gibt die Größe des Plots, alpha die Transparenz und edgecolor die Kantenfarbe an.

Plotten in Folium#

Folium oder genauer das mit Folium verwendete leaflet.js verwendet standardmäßig die Werte für Breiten- und Längengrade. Daher müssen wir unsere Werte erst konvertieren:

  1. Koordinaten bestimmen

    Um die Daten mit EPSG-Codes zu verwenden zu können, bietet GeoPandas geopandas.GeoDataFrame.crs (Coordination Reference System; deutsch: Koordinatenreferenzsystem).

[6]:

print(df.crs)

EPSG:2263

[7]:

df = df.to_crs(epsg=4326)
print(df.crs)
df.head()

EPSG:4326

[7]:
BoroCode BoroName Shape_Leng Shape_Area geometry
0 5 Staten Island 330470.010332 1.623820e+09 MULTIPOLYGON (((-74.05051 40.56642, -74.05047 ...
1 4 Queens 896344.047763 3.045213e+09 MULTIPOLYGON (((-73.83668 40.59495, -73.83678 ...
2 3 Brooklyn 741080.523166 1.937479e+09 MULTIPOLYGON (((-73.86706 40.58209, -73.86769 ...
3 1 Manhattan 359299.096471 6.364715e+08 MULTIPOLYGON (((-74.01093 40.68449, -74.01193 ...
4 2 Bronx 464392.991824 1.186925e+09 MULTIPOLYGON (((-73.89681 40.79581, -73.89694 ... 
[8]:

import folium

[9]:

m = folium.Map(
    location=[40.70, -73.94], zoom_start=10, tiles="CartoDB positron"
)
for _, r in df.iterrows():
    # without simplifying the representation of each borough, the map might not be displayed
    sim_geo = gpd.GeoSeries(r["geometry"]).simplify(tolerance=0.001)
    geo_j = sim_geo.to_json()
    geo_j = folium.GeoJson(
        data=geo_j,
    )
    folium.Popup(r["BoroName"]).add_to(geo_j)
    geo_j.add_to(m)
m

[9]:
Make this Notebook Trusted to load map: File -> Trust Notebook