Capítulo 6 - Explicación

GeoJSON es un formato basado en JSON para representar simples elementos geográficos junto con atributos no espaciales. Este formato es ampliamente usado en entornos web porque es ligero y fácil de procesar.  

{
    "type": "FeatureCollection",
    "features": [
        {
            "type": "Feature",
            "geometry": {
                "type": "Point",
                "coordinates": [102.0, 0.5]
            },
            "properties": {
                "prop0": "value0"
            }
        }
    ]
}

La función siguiente convierte un ESRI shapefile a un GeoJSON

Input[1]:

import shapefile
from json import dumps

def shape2json(fname, outfile):
    reader = shapefile.Reader(fname)
    fields = reader.fields[1:]
    field_names = [field[0] for field in fields]
    data = []
    for sr in reader.shapeRecords():
        atr = dict(zip(field_names, sr.record))
        geom = sr.shape.__geo_interface__
        data.append(dict(type="Feature", geometry=geom, properties=atr))
    keys = ['NUTS_NAME']
    for b in data:
        b['properties']['NUTS_NAME'] = b['properties']['NUTS_NAME'].strip('\u0000')
    with open(outfile, "w") as geojson:
        geojson.write(dumps({"type": "FeatureCollection",
                             "features": data}, indent=2) + "\n")

Para usarla, solo necesitas introducir el directorio del archivo de entrada y salida

Input[3]:

input_data = "datos/nuts2/NUTS_RG_01M_2016_4326_LEVL_2.shp"
output_data = "datos/nuts2.json"

shape2json(input_data, output_data)

Folium tiene un buen soporte para crear mapas con GeoJSON.

Solo necesitamos la localización del archivo

Input[4]:

import folium
mapa = folium.Map(zoom_start=3,location=[41.6563,-0.8811])
folium.GeoJson("datos/nuts2.json").add_to(mapa)

Output[4]:

<folium.features.GeoJson at 0x234bea71608>

Folium crea un archive HTML con todo el código de JavaScript necesario y los datos en GeoJSON.

De esta manera podemos resusar los mapas.

La siguiente función guarda este HTML y lo visualiza en Jupyter.

Input[5]:

def embed_map(m, name):
    from IPython.display import IFrame
    file_name = 'datos/'+name + '.html'
    m.save(file_name)
    return IFrame(file_name, width=900,height=350)

Solo necesitamos usarlo

Input[6]:

embed_map(mapa, "nuts2")

Output[6]:

Folium te permite crear mapas de coropletas en una manera muy flexible.

Primero necesitamos los datos.

Input[3]:

import pandas as pd
file = 'datos/animalEurostatNuts2_corrected.xlsx'
data = pd.read_excel(file, sheet_name='Data', index_col=0)
data.head(5)

Output[3]:

Después necesitamos una rampa de color.

Asumamos que los datos están entre 0 y 4000.

Input[4]:

from branca.colormap import linear

colormap = linear.YlGn_09.scale(0, 4000)
colormap

Output[4]:

Y ahora usamos la rampa de color para asociar cada NUTS con un color.

Input[5]:

color_dict = data['1991'].map(colormap)
color_dict.get('ES11')

Output[5]:

'#e1f4a9ff'

Y para asegurar que dependiendo de cada geometría del NUTS_IS se les da el color correcto.

Usaremos el color rojo para indicar la ausencia de datos.

Input[6]:

def computar_color(feature):
    return  {
        'fillColor' : color_dict.get(feature["properties"]["NUTS_ID"], '#ff0000'),
        'fillOpacity': 1
    }  

Ahora visualizaremos la información aplicando el color.

Input[7]:

import folium
mapa = folium.Map(zoom_start=3)
folium.GeoJson(
    "datos/nuts2.json",
    name = "Datos 1991",       
    style_function = computar_color
).add_to(mapa)
folium.LayerControl().add_to(mapa)
colormap.caption = "Miles"
mapa.add_child(colormap)
mapa.fit_bounds([[43.7483377142, 3.03948408368],
                 [35.946850084, -9.39288367353]])

Input[8]:

def embed_map(m, name):
    from IPython.display import IFrame
    file_name = 'datos/'+name + '.html'
    m.save(file_name)
    return IFrame(file_name, width=900,height=350)
embed_map(mapa, "choropleth1")

Output[8]:

Podemos visualizar en capas datos de diferentes años.

Para hacer esto tienes que cambiar el código.

Input[9]:

def computar_color_columna(mapColor):
    def computar(feature):
        return  {
            'fillColor' : mapColor.get(feature["properties"]["NUTS_ID"], '#ff0000'),
            'fillOpacity': 1
        }
    return computar

Ahora creamos múltiples capas.

Input[10]:

mapa = folium.Map(zoom_start=3)
for column in ['1991', '2001', '2011', '2019']:
    folium.GeoJson("datos/nuts2.json",
        name = "Datos " + column,       
        style_function = computar_color_columna(data[column].map(colormap))
    ).add_to(mapa)
folium.LayerControl().add_to(mapa)
colormap.caption = "Miles"
mapa.add_child(colormap)
mapa.fit_bounds([[43.7483377142, 3.03948408368],
                 [35.946850084, -9.39288367353]])

Input[11]:

embed_map(mapa, "choropleth2")

Output[11]: