政府統計の総合窓口e-StatのデータをAPI(Aplication Programing Interface)を利用して、DownLoad and Plotに挑戦します。冒頭の日本地図は全人口に占める各都道府県の人口の比率(割合)を示したグラフです。 参考にさせていただいたWEBPageは以下のとおりです。 URL:https://note.com/kiyo_ai_note/n/nac8c77768c07 (Kiyo-noteさんのPythonでやってみた12:APIで統計情報取得(e-Stat)) こうしてみると、東京都に日本人口の10%程度が集中し、関東圏の都道府県と大阪は5から7%程度、北海道も比較的高め、同等程度で愛知、神戸、福岡が並び、その他の都道府県は軒並み4%程度以下というか、大部分が2%程度以下であるという印象です。 グラフ化までのPythonコードを掲載します。 1
Mac民にとってはめちゃくちゃ朗報かも GISをやる人ならわかってくれると思うんですが、MacでPythonを使ってGIS(主にgeopandasなど)をやる時依存関係の解決にかかる時間ヤバすぎ問題っていうのがありまして… 主にGDLAとかGDALとかがかなりやばくて偉大なる先人様のお知恵を拝借して鼻血出しながらなんとかかんとか実行環境を整えていました。 が!!!!!もうそんな必要はないのかもしれませんね!!!!!! 早速インストール Anacondaがインストールされている前提ですので、こちらの記事を参考にするなどしてインストールお願いします。 MacでGISデータ分析を始めるためにサクッとAnacondaとjupyter labをインストールしてみる で、インストールはこれだけ。 - python >=3.7 - black-jupyter - bump2version - carto
使用するデータ こちらの記事と同じデータを使用して、実装を進めます 必要ライブラリのインストール トラブルシューティング含め、こちらの記事を参照ください 具体的な実装例 Shapefileの読込、処理、保存、表示に分けて、 各ユースケースの実装法を解説します 読込1:Shapefileの読込 Shapefileの読込には、read_fileメソッドを使用します。 # 必要ライブラリの読込(読込以外で使用するライブラリも含みます) import geopandas as gpd from shapely.geometry import Point import pyproj import pandas as pd import numpy as np import re # 入力ファイルのパス DAM_PATH = './W01-14_GML/W01-14-g_Dam.shp' # 国交省ダ
登壇者 小川 英幸 合同会社 長目 代表社員 https://chomoku.com/ 登壇者略歴 滋賀大学経済学部卒。証券会社でトレーダー・アナリストを経て、データテクノロジー企業合同会社長目を設立。証券アナリストの資格を持つ。 経済、企業関連のデータ分析から、位置データを活用しての気象、衛星データの分析まで、幅広い分野のデータが分析できる。 執筆: - Python インタラクティブデータビジュアライゼーション入門 -Plotly/Dashによるデータ可視化とWebアプリ構築- (朝倉書店) - WEB+DB PRESS VOL.118(特集2 Pythonデータ可視化入門) 登壇: - PyConJP 2019、PyCon China 北京 2019、PyCon mini Hiroshima 2020 スピーカー。 - PyConJP 2020 チュートリアル担当 「オープンデータを
Pythonと地理データ 飛ぶ鳥を落とす勢いで利用が広がるPythonですが、地理データに関してもその傾向は同様です。 Pythonの主用途であるデータ分析と地理、一見関連が薄そうですが、 日本地図を作った伊能忠敬が偉人と言われるように、地理データは古来から重要な情報として活用され、現在では公的機関のサイトから良質のデータが無料で手に入るため、データ源として極めて有用です。 というわけで意気揚々と公的機関のサイトに乗り込み、ダウンロードしたファイルを解凍すると、多くの人は以下の困難にぶつかるかと思います。 「拡張子が・・・・わからん…」 こんな方のために、本記事では地理データの主要な形式であるShapefile(.shpファイル)をPythonで扱う方法を、実装例(GitHub)を交えて解説しようと思います。 本記事を読めばShapefileはひととおり扱えるというような、ポータルサイト的
概要 ヘルシンキ大学のGIS講座「Automating GIS」の講義ノートを読む輪読会です。 こちらの講座の内容はオンライン上の公式サイトとGithubに講義の詳細が公開されています。 また実際の講義動画もYoutubeの公式チャンネルに上がっており、GIS初学者が学びやすい環境が整っています。 これらの教材を読みながら、地理空間データをPythonを使って解析する手法を学んでいきます。 今回の内容 今回からLesson 3 空間結合などのGeopandasを使った高度な地理空間情報の処理について学んでいきたいと思います。 公式サイト から Lesson 3 Spatial join Nearest Neighbour Analysis Spatial index - How to boost spatial queries? Nearest neighbor analysis with
さまざまなデータを地理空間情報として重畳する上で有用なPythonのライブラリであるGeoPandas。前編ではGeoPandasを用いたデータの描画方法など基礎的な扱い方を紹介し、後編では衛星データと組み合わせて解析結果を可視化する方法を紹介します。 Pythonで地理空間情報を行う場合、GeoPandasの使い方を覚えておくととても便利です。 例えば、都道府県別の気象データを持っていたとします。そのテーブルデータ(csv)には地理情報と言えば、都道府県の名称くらいしかありません。このような場合、これを日本地図の上に重畳して可視化することはできません。 しかし、このデータに地図上に描画できる情報を与えることさえできれば、好きなデータを地図の上に重ねることができます。このようなことをしたい場合に、GeoPandasの使い方を知っておけば助けになります。 今回は、簡単な例を通じて、GeoPa
さて、本日はPythonで国土地理院の標高API を使ってみようと思います。 標高API とは 緯度経度を送るとその地点の標高を返してくれるサービス。この仕組みを利用すれば、WEBサイト上の地図でクリックした地点の標高を取得したりすることができます。こんな便利なものを提供していただけるなんて、本当にありがたいですね。 仕様 地理院地図|標高APIをご参照ください。すごく簡単に使えますね。 例えば、このようなリクエストを投げると http://cyberjapandata2.gsi.go.jp/general/dem/scripts/getelevation.php?lon=140.08531&lat=36.103543&outtype=JSON このような結果が返ってきます。 「elevation」が標高ですね。 「hsrc」は標高データのデータソースみたいです。今回はこの値は無視します。
本日は PythonでGISデータを扱う際に便利なライブラリについてまとめてみようと思います。ほとんどが過去のエントリーで紹介しているものですが、これからGISデータを扱おうと思っている方やたくさんライブラリがある中でどういったものを選択していいのか迷っている方はぜひ参考にしてみてください。 メジャーなライブラリ まずはこれを使っておけば間違いないというライブラリを紹介します。 GDAL PythonのGIS系ライブラリと言えばまずGDALを思い浮かべるくらいメジャーなライブラリです。ベクターからラスター、また、データの読み込みから書き込みまで基本的なことは何でもできると考えて大丈夫です。過去のエントリーでもGDALに関していくつかの機能を紹介しています。 www.gis-py.com www.gis-py.com www.gis-py.com www.gis-py.com GeoPand
今回は数値標高モデル(DEM)の解析を行ってみたいと思います。数値標高モデル(DEM)とは地形のデジタル表現のことで我らが国土地理院が公開しています。参考までにですが、これは火星のティトニウム・カズマの数値標高モデル(DEM)を三次元表示した画像です。 基盤地図情報(数値標高モデル)データのダウンロード 以下サイトでダウンロードできます。ユーザー登録が必要です。 基盤地図情報ダウンロードサービス 横須賀が含まれるデータをダウンロードします。 こんな感じで任意のフォルダにXMLのみを格納してください。承認申請のXMLは不要です。また、GeoTiff出力用のフォルダも作成してください。 基盤地図情報(数値標高モデル)データを解析する ファイル名について 基盤地図情報(数値標高モデル)データには 5mメッシュと10mメッシュがありますが、今回はより細かい 5mメッシュを使用します。 ファイル名は
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く