├── Notebooks ├── Seance2_Manipulation_donnees_spatiales.ipynb ├── Seance3_AnalyseSpatiale.ipynb ├── Seance4_AnalyseSpatiale_Urbanisme.ipynb └── Séance_1_(intro_Pandas).ipynb ├── README.md ├── Seance2_Manipulation_donnees_spatiales.ipynb └── python4.jpg /README.md: -------------------------------------------------------------------------------- 1 | # 🌐 Introduction à la manipulation, l'analyse et la représentation de données spatiales avec Python 📒 🐍 2 | 3 | Cette page centralise 4 séances de cours de M2 SIGAT autour de la prise en main de Pandas (https://pandas.pydata.org) et Geopandas (https://geopandas.org) dans l'environnement Python pour la manipulation, l'analyse et la représentation de données géographiques. 4 | 5 | Les 4 séances de cours sont structurées autour de **4 notebooks documentés** permettant à la fois de comprendre les logiques sous-jacentes et de disposer de syntaxes commentées et fonctionnelles. 6 | 7 | Ce cours se base sur Google Collab (https://colab.research.google.com) comme environnement de travail. Cet environnement de travail distribué permet d'écrire et d'exécuter du code Python dans votre navigateur Web. Il offre de nombreux avantages d'un point de vue pédagogique comme aucune configuration requise, un accès gratuit aux GPU comme à des espaces disques et surtout un partage et une documentation facile grâce notamment à des passerelles avec GitHub. 8 | 9 | 10 | ## 📊 Séance 1 : Introduction à Pandas pour la manipulation de données 11 | 12 | 13 | 14 |

15 | alt tag 16 |

17 | 18 | * Importer un jeu de données 19 | * Créer un dataframe 20 | * Faire des sélections et des filtres 21 | * Calculer des descriptives basiques 22 | * Faire des agrégations statistiques 23 | * Faire des visualisations de données simple 24 | 25 | 📒 **Notebook** https://github.com/bmericskay/GeoPandas/blob/main/S%C3%A9ance_1_(intro_Pandas).ipynb 26 | 27 | 28 |
29 | 30 | ## 🌍 Séance 2 : Introduction à GeoPandas pour la manipulation de données spatiales 31 | 32 |

33 | alt tag 34 |

56 | alt tag 57 |

58 | 59 | 60 | * Jointure spatiales et agrégations spatiales 61 | * Calcul de distance, de surface et zones tampons 62 | * Opérateur de recouvrement (intersect, difference, union,...) 63 | * Création d'index spatial 64 | * Analyse du plus proche voisin 65 | * Carroyage classique 66 | * Carroyage basé sur le Uber H3 67 | 68 | 📒 **Notebook** : [https://github.com/bmericskay/GeoPandas/blob/main/Seance3_AnalyseSpatiale.ipynb](https://github.com/mastersigat/GeoPandas/blob/main/Notebooks/Seance3_AnalyseSpatiale.ipynb) 69 | 70 |
71 | 72 | 73 | ## 🏬 Séance 4 : Mise en application autour de données urbanistiques 74 | 75 |

76 | alt tag 77 |

78 | 79 | 80 | * Jointure spatiales et agrégations spatiales 81 | * Opérateur de recouvrement (intersect, difference, union,...) 82 | * Analyses de recouvrement 83 | * Création d'index spatial 84 | * Analyses spatiales à différentes échelles 85 | * Travailleravec un volume important de données (sur un département) 86 | * Mettre en place une chaîne de traitment automatisée et reproductible 87 | 88 | 📒 **Notebook** : [https://github.com/bmericskay/GeoPandas/blob/main/Seance4_AnalyseSpatiale_Urbanisme.ipynb](https://github.com/mastersigat/GeoPandas/blob/main/Notebooks/Seance4_AnalyseSpatiale_Urbanisme.ipynb 89 | ) 90 | 91 | 92 | -------------------------------------------------------------------------------- /python4.jpg: -------------------------------------------------------------------------------- https://raw.githubusercontent.com/mastersigat/GeoPandas/f7146ecc1240f27e4861e317fd48ef343c1d71ad/python4.jpg --------------------------------------------------------------------------------