Visualiser la densité de population
Revenons à l'ensemble de données des arrondissements. Dans un exercice précédent, nous avons visualisé les arrondissements avec une couleur uniforme. Or, on veut souvent montrer la variation spatiale d'une variable et colorer les polygones en conséquence.
Dans cet exercice, nous allons visualiser la variation spatiale de la densité de population au centre de Paris. Pour ce faire, nous allons d'abord calculer la densité de population en divisant le nombre d'habitants par la superficie, puis l'ajouter comme nouvelle colonne au dataframe.
L'ensemble de données des arrondissements est déjà chargé dans districts, GeoPandas a été importé sous geopandas et matplotlib.pyplot sous plt.
Cette activité fait partie du cours
Travailler avec des données géospatiales en Python
Instructions de l’exercice
- Affichez les premières lignes de l'ensemble de données des arrondissements. Voyez-vous la colonne « population » ?
- Inspectez la superficie des géométries des arrondissements.
- Ajoutez une colonne « population_density » représentant le nombre d'habitants par kilomètre carré (Remarque : la superficie est donnée en mètre carré ; vous devrez donc multiplier le résultat par
10**6). - Tracez les arrondissements en utilisant « population_density » pour colorer les polygones.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Inspect the first rows of the districts dataset
print(districts.head())
# Inspect the area of the districts
print(districts.____)
# Add a population density column
districts['population_density'] = ____ / ____ * ____
# Make a plot of the districts colored by the population density
districts.____(____, legend=True)
plt.show()