Por defecto, geoplot viene con algunos conjuntos de datos que puedes probar. En mi experiencia, jupyter es el enfoque más fácil para esto. Hagamos girar un cuaderno y creemos nuestro primer ejemplo. Emite el siguiente comando:
1jupyter notebook
bash
Por defecto, su navegador debería abrir una nueva ventana con una página en blanco.
En el lado derecho, encontrarás un botón nuevo que te permite iniciar una nueva instancia de un cuaderno.
Este es el nuevo cuaderno en blanco que nos gustaría llenar.
Diseccionemos este ejemplo.
1%matplotlib inline
bash
Esta es una función mágica orientada a la línea en jupyter.
12importar geopandas como gpdimportar geotrazado como gplt
pitón
Se trata de declaraciones especiales de importación en pitón; el resultado de esas líneas de importación para que se pueda hacer referencia a las funcionalidades proporcionadas por los módulos con un nombre más corto. Por ejemplo, en lugar de geopandas.read_file() se puede decir gpd.read_file() . Esto es común en python, y los módulos populares también proporcionan ejemplos como este.
12cities = gpd.read_file(gplt.datasets.get_path($0027usa_cities$0027))gplt.pointplot(cities)
pitón
La variable cities contiene todas las coordenadas de las ciudades de EE.UU. . Esta es una llamada a una función anidada. Primero, obtenemos el conjunto de datos con la función gplt.datasets.get_path($0027usa_cities$0027) y luego se pasan a la función gpd.read_file() .
También queremos proyectar nuestros puntos en nuestro mapa. Así es como lo hacemos. Primero, creamos nuestro mapa:
Utilizamos el mismo método que para obtener el conjunto de datos de las ciudades . Luego usamos el polígrafo para hacerlo visible.
Esta vez, pasamos la trama de datos de las ciudades a la función pointplot , y especificamos que el argumento ax es la trama que hemos creado llamada contiguous_usa .