(数据科学学习手札152)geopandas 0.13版本更新内容一览

这篇具有很好参考价值的文章主要介绍了(数据科学学习手札152)geopandas 0.13版本更新内容一览。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

本文示例代码已上传至我的Github仓库https://github.com/CNFeffery/DataScienceStudyNotes

1 简介

  大家好我是费老师,昨天晚上geopandas正式发布了其0.13.0版本,距离其上一个版本更新已经过去了5个多月,在这一次更新中除了日常的bug修复以外,还为我们带来了多项新功能,今天的文章中,费老师我就将带大家一起学习其中主要的更新内容😉。

(数据科学学习手札152)geopandas 0.13版本更新内容一览

2 geopandas 0.13版本主要更新内容一览

  推荐使用conda管理的虚拟环境,我们在激活相应环境后,执行下列命令即可进行0.13.0新版本的安装,这里为了加速使用到南方科技大学的conda-forge源:

conda install geopandas=0.13.0 -c https://mirrors.sustech.edu.cn/anaconda/cloud/conda-forge -y

  检查是否已成功安装:

(数据科学学习手札152)geopandas 0.13版本更新内容一览

  更新完成~下面我们来一起学习geopandas新版本中的主要更新内容:

2.1 新增要素坐标快速提取方法get_coordinates()

  从0.13.0开始,针对GeoSeries新增方法get_coordinates(),可用来从矢量列中快速提取坐标对为数据框形式:

  • 针对点要素
(数据科学学习手札152)geopandas 0.13版本更新内容一览
  • 针对线要素
(数据科学学习手札152)geopandas 0.13版本更新内容一览
  • 针对面要素
(数据科学学习手札152)geopandas 0.13版本更新内容一览

2.2 导出GeoJSON字符串支持自定义坐标系

  在之前的版本中,利用geopandas导出矢量数据为geojson字符串时,无论原本的坐标系是什么,都会在导出后丢失坐标系信息,而从0.13.0版本开始,则不会再有这种问题:

(数据科学学习手札152)geopandas 0.13版本更新内容一览

2.3 新增要素最小外切圆计算相关方法

  0.13.0中针对矢量列新增方法minimum_bounding_circle()minimum_bounding_radius(),分别用于计算要素的最小外切圆和最小外切圆半径:

(数据科学学习手札152)geopandas 0.13版本更新内容一览

2.4 新增随机点采样方法sample_points()

  针对面要素和线要素新增随机点采样方法sample_points(),当作用于面要素时,可以在各个面要素内随机生成固定数量,或分要素单独设定采样数量:

  • 固定数量
(数据科学学习手札152)geopandas 0.13版本更新内容一览
  • 分要素单独设定采样数量
(数据科学学习手札152)geopandas 0.13版本更新内容一览

  而sample_points()作用于线要素时,则效果会变成从线要素上进行随机采样:

(数据科学学习手札152)geopandas 0.13版本更新内容一览

  更多更新内容请移步官网了解更多(https://geopandas.org/en/stable/docs/changelog.html)。


  以上就是本文的全部内容,欢迎在评论区与我进行讨论~文章来源地址https://www.toymoban.com/news/detail-435845.html

到了这里,关于(数据科学学习手札152)geopandas 0.13版本更新内容一览的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 【C++学习手札】一文带你认识C++虚继承​​

                                            食用指南:本文在有C++基础的情况下食用更佳                                           🍀 本文前置知识:C++虚函数(很重要,内部剖析)                                        ♈️ 今日夜电波 : 僕

    2024年02月12日
    浏览(76)
  • geopandas 笔记: datasets 数据集

    geopandas 自带的几个数据集 pop_est 人口数量 continent 国家所在的大陆 name 国家的名称 iso_a3 国家的三个字母的ISO代码 gdp_md_est 国家的估计GDP(以百万为单位) geometry 国家的地理边界。这可以是POLYGON(多边形)或MULTIPOLYGON(多个多边形的集合,常用于有多个岛屿的国家)

    2024年02月09日
    浏览(63)
  • 迁移学习——ResNet152

    2024年02月09日
    浏览(59)
  • 【C++学习手札】-引用与内联函数以及C++中对const拓展详解(超详细!)

                                           食用指南:本文在有C基础的情况下食用更佳                                        🔥 这就不得不推荐此专栏了:C语言                                        🍀 内联函数前置知识 :宏函数

    2024年02月14日
    浏览(49)
  • Gradio 机器学习和数据科学开源 Python 库

            Gradio是一个开源的 Python 库,MIT的开源项目,用于构建机器学习和数据科学演示和 Web 应用。         Gradio的定位类似于Streamlit,但是更轻量,因为它推荐的应用场景都是对“单个函数”进行调用的应用,并且不需要对组件进行回调。比如下列场景(以下代码参

    2024年02月06日
    浏览(47)
  • 数据仓库的数据科学与机器学习:实现智能化的数据分析

    数据仓库是一种用于存储和管理大量结构化数据的系统,它通常用于企业和组织的业务分析和决策支持。数据科学和机器学习是数据分析的两个重要领域,它们可以帮助企业和组织从大量数据中发现隐藏的知识和模式,从而提高业务效率和竞争力。 在过去的几年里,随着数据

    2024年04月13日
    浏览(198)
  • 数据科学家对AI和机器学习的认知

    作者:禅与计算机程序设计艺术 数据科学家的角色如今已经越来越重要,越来越多的人选择从事这一职业。尽管数据科学家可能并不一定会涉及到所有具体的机器学习或深度学习技术,但他们肩负着许多核心责任,包括收集、分析、理解和处理海量数据、设计并实施有效的数

    2024年02月08日
    浏览(63)
  • Python数据科学:Scikit-Learn机器学习

    Scikit-Learn使用的数据表示:二维网格数据表 鸢尾花数据集说明: sepal_length:萼片长度 sepal_width:萼片宽度 petal_length:花瓣长度 petal_width:花瓣宽度 species:鸢尾花类型,Iris-setosa(山鸢尾),Iris-versicolor(变色鸢尾),Iris-virginica(维吉尼亚鸢尾) df_iris.head() 样本:鸢尾花数据集矩阵,矩阵

    2024年02月21日
    浏览(50)
  • 7个用于机器学习和数据科学的基本 Python 库

    推荐:使用 NSDT场景编辑器 助你快速搭建3D应用场景 这篇文章针对的是刚开始使用Python进行AI的人,以及那些有经验的人,但对下一步要学习什么有疑问的人。我们将不时花点时间向初学者介绍基本术语和概念。如果您已经熟悉它们,我们鼓励您跳过更基本的材料并继续阅读

    2024年02月11日
    浏览(106)
  • AI:152- 利用深度学习进行手势识别与控制

    本文收录于专栏:精通AI实战千例专栏合集 从基础到实践,深入学习。无论你是初学者还是经验丰富的老手,对于本专栏案例和项目实践都有参考学习意义。 每一个案例都附带关键代码,详细讲解供大家学习,希望可以帮到大家。正在不断更新中~ 随着人工智能技术的不断发

    2024年04月15日
    浏览(68)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包