Choropleth met gelijke intervallen
In de vorige oefening maakten we een kaart van de boomdichtheid. Nu we meer weten over choropleths, gaan we deze visualisatie verder verkennen.
Laten we eerst het effect bekijken van het gebruik van alleen het aantal bomen versus het aantal bomen genormaliseerd naar de oppervlakte van het district (de boomdichtheid). Vervolgens maken we een versie met gelijke intervallen in plaats van een doorlopende kleurenschaal. Dit classificatie-algoritme verdeelt het waardebereik in gelijke klassen en kent aan elke klasse een kleur toe.
De district_trees GeoDataFrame, het eindresultaat van de vorige oefening, is al ingeladen. Deze bevat de variabele n_trees_per_area, die de boomdichtheid per district meet (let op: de variabele is vermenigvuldigd met 10.000).
Deze oefening maakt deel uit van de cursus
Werken met georuimtelijke data in Python
Oefeninstructies
- Maak een plot waarbij je de polygonen inkleurt met de variabele
'n_trees'. Zorg er ook voor dat je een legenda weergeeft met delegend-keyword. - Herhaal hetzelfde met de variabele
'n_trees_per_area'. Zie je het verschil? - Genereer een choropleth met de variabele
'n_trees_per_area'met een classificatieschema met gelijke intervallen. Voeg opnieuw een legenda toe.
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# Print the first rows of the tree density dataset
print(districts_trees.head())
# Make a choropleth of the number of trees
districts_trees.plot(____, ____)
plt.show()
# Make a choropleth of the number of trees per area
districts_trees.plot(____, ____)
plt.show()
# Make a choropleth of the number of trees
districts_trees.plot(____, ____, ____)
plt.show()