Skapa ett polerat geopandas-choropleth

Efter att du har slagit samman counts_df med permits_by_district skapar du en kolumn med normaliserad permit_density genom att dividera antalet bygglov i varje kommundistrikt med distriktets area. Sedan plottar du ditt slutgiltiga geopandas-choropleth över byggprojekten i varje kommundistrikt.

Den här övningen är en del av kursen

Visualisering av geospatial data i Python

Visa kurs

Övningsinstruktioner

Slå samman permits_by_district och counts_df på district för att skapa districts_and_permits.
Använd apply() och ett lambda-uttryck för att beräkna en ny kolumn i districts_and_permits som kallas permit_density. Dividera antal med area.
Plotta ett choropleth av districts_and_permits med permit_density, färgskalan OrRd och svarta konturer.
Lägg till axeletiketter (longitud och latitud) samt den angivna titeln. Visa din plot.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Merge permits_by_district and counts_df
districts_and_permits = pd.merge(____, ____, on = ____)

# Create permit_density column
districts_and_permits['permit_density'] = districts_and_permits.apply(lambda row: row.____ / row.____, axis = 1)
print(districts_and_permits.head(2))

# Create choropleth plot
districts_and_permits.plot(column = ____, ____ = 'OrRd', ____ = 'black', legend = True)

# Add axis labels and title
plt.xlabel(____)
plt.ylabel(____)
plt.title('2017 Building Project Density by Council District')
plt.show()

Redigera och kör kod