Python 中的地理空间分析

Question

我一直在做一些调查，以找到一个可以安装和用于地理空间分析的软件包

我最接近的是https://github.com/harsha2010/magellan - 但是它只有 scala 接口，没有文档如何在 Python 中使用它。

我希望有人知道我可以使用的包吗？

我要做的是分析 Uber 的数据并将其映射到实际的邮政编码/郊区，然后通过 SGD 运行它来预测前往特定郊区的旅行次数。

这里已经有很多数据信息 - http://hortonworks.com/blog/magellan-geospatial-analytics-in-spark/#comment-606532，我正在寻找用 Python 实现它的方法。

Answer 1

在 Python 中，我会看一下 GeoPandas。它提供了一个名为 GeoDataFrame 的数据结构：它是一个特征列表，每个特征都有一个几何图形和一些可选属性。您可以根据几何相交将两个 GeoDataFrame 连接在一起，并且可以聚合单个几何（例如邮政编码）内的行数（例如行程）。

1. 我不熟悉 Uber 的数据，但我会尝试找到一种方法将其放入 GeoPandas GeoDataFrame。
2. 同样，邮政编码可以从美国人口普查、OpenStreetMap[1] 等地方下载，然后强制转换为 GeoDataFrame。
3. 根据几何相交将#1 连接到#2。您需要一个新的 GeoDataFrame，每次 Uber 行程只有一行，但每个都附有邮政编码。 Another StackOverflow post discusses how do to this，目前比应有的要难。
4. 按邮政编码汇总并计算每个行程。代码将类似于 joined_dataframe.groupby('postcode').count()。

我对上述过程的担心是，如果您有数十万个非常复杂的行程几何形状，它可能会在一台机器上花费很长时间。您发布的链接使用 Spark，您最终可能希望将其并行化。您可以针对 Spark 集群编写 Python（！），但我不是帮助您使用此组件的人。

最后，对于预测组件（例如 SGD），请查看 scikit-learn:，它是一个功能非常齐全的机器学习包，具有非常简单的 API。

[1]：有一个名为 geopandas_osm 的单独包，它抓取 OSM 数据并返回一个 GeoDataFrame：https://michelleful.github.io/code-blog/2015/04/27/osm-data/

Answer 2

我意识到这是一个老问题，但要建立在 Jeff G 的答案之上。

如果您在访问此页面时寻求帮助，在 python 中整合一套地理空间分析工具 - 我强烈推荐本教程。

https://geohackweek.github.io/vector

在第 3 部分中，它真的很火。

它展示了如何集成

1. 地理熊猫
2. 后地理信息系统
3. 大叶
4. 光栅统计

添加 scikit-learn、numpy 和 scipy，你真的可以完成很多事情。您也可以从nDarray tutorial 获取信息