در این مطلب، ویدئو آموزش پایتون: مقدمه ای بر GeoPandas با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید.اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 00:04:40
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,760 –> 00:00:03,450
در این ویدیو ما شروع به معرفی
2
00:00:03,450 –> 00:00:07,299
کتابخانه های اختصاصی پایتون خواهیم کرد در
3
00:00:07,299 –> 00:00:10,660
آخرین تمرینی که از پانداها برای خواندن یک
4
00:00:10,660 –> 00:00:13,419
فایل CSV با مختصات نقاط
5
00:00:13,419 –> 00:00:16,780
استفاده کردیم و از کلیپ فلزی برای ترسیم
6
00:00:16,780 –> 00:00:20,860
نقشه پاسخ استفاده کردیم اما در ویدیوی قبلی نیز یاد گرفتیم
7
00:00:20,860 –> 00:00:22,690
که در علاوه بر
8
00:00:22,690 –> 00:00:25,960
دادههای نقطهای، دادههای مکانی میتوانند
9
00:00:25,960 –> 00:00:29,830
از خطوط یا چند ضلعیها تشکیل شوند، سپس هر شی
10
00:00:29,830 –> 00:00:33,190
از چندین نقطه تشکیل شده است و به این ترتیب،
11
00:00:33,190 –> 00:00:35,740
ما نمیتوانیم به راحتی
12
00:00:35,740 –> 00:00:38,800
آن را در یک فایل CSV یا در چارچوب داده
13
00:00:38,800 –> 00:00:41,500
با دو ستون برای x و y نمایش دهیم.
14
00:00:41,500 –> 00:00:45,130
مختصات بنابراین در بقیه
15
00:00:45,130 –> 00:00:47,920
دوره ما از فرمتهای فایل خاصی
16
00:00:47,920 –> 00:00:52,210
برای دادههای مکانی مانند فایلهای geo json
17
00:00:52,210 –> 00:00:54,760
به فایلهای بسته شما یا
18
00:00:54,760 –> 00:00:57,970
فایلهای شکلی که در ذخیره
19
00:00:57,970 –> 00:01:00,870
دادههای مکانی علاوه بر
20
00:01:00,870 –> 00:01:03,320
دادههای سنتی جدولی
21
00:01:03,320 –> 00:01:06,320
و خواندن چنین فایلهایی در کار با آنها تخصص دارند، استفاده خواهیم کرد.
22
00:01:06,320 –> 00:01:09,290
چنین دادههای مکانی در پاتان
23
00:01:09,290 –> 00:01:13,280
ما میخواهیم از کتابخانه دارایی باز G استفاده کنیم G
24
00:01:13,280 –> 00:01:15,560
openness یک کتابخانه برای کار با
25
00:01:15,560 –> 00:01:18,830
دادههای برداری فضایی جدولی q است که
26
00:01:18,830 –> 00:01:21,770
چارچوب داده پانداها را گسترش میدهد، اما بیایید
27
00:01:21,770 –> 00:01:25,490
با وارد کردن برخی از دادهها برای این کار شروع کنیم، میتوانیم
28
00:01:25,490 –> 00:01:29,690
از تابع geo pandas read file استفاده
29
00:01:29,690 –> 00:01:33,740
کنیم که مسیر فایل را به آن منتقل میکنیم.
30
00:01:33,740 –> 00:01:36,020
31
00:01:36,020 –> 00:01:39,190
32
00:01:39,190 –> 00:01:41,680
33
00:01:41,680 –> 00:01:44,260
کشورهای
34
00:01:44,260 –> 00:01:48,040
جهان با استفاده از روش head برای نشان دادن
35
00:01:48,040 –> 00:01:51,040
پنج سطر اول میبینید که ما
36
00:01:51,040 –> 00:01:53,490
اکنون یک ستون با هندسهها در
37
00:01:53,490 –> 00:01:56,680
این مورد چندضلعیهایی داریم که
38
00:01:56,680 –> 00:01:59,320
کشورها را نشان میدهند و ستونهای دیگر
39
00:01:59,320 –> 00:02:02,280
ویژگیهایی هستند که آن کشورها را توصیف میکنند،
40
00:02:02,280 –> 00:02:05,590
اجازه دهید به سرعت دادهها را تجسم کنیم تا
41
00:02:05,590 –> 00:02:07,300
بتوانیم ببینید که ما واقعاً همه
42
00:02:07,300 –> 00:02:10,930
کشورهای جهان را برای این کار داریم، میتوانیم
43
00:02:10,930 –> 00:02:13,390
از روش نمودار استفاده کنیم که یک
44
00:02:13,390 –> 00:02:16,300
تجسم اساسی از هندسه
45
00:02:16,300 –> 00:02:19,410
مجموعه داده کشورها ایجاد میکند،
46
00:02:19,410 –> 00:02:22,500
اما هدف این