Visualisera befolkningstätheten
Nu återvänder vi till distrikts-datamängden. I en tidigare övning visualiserade vi distrikten med en enhetlig färg. Men ofta vill vi visa den rumsliga variationen hos en variabel och färgsätta polygonerna därefter.
I den här övningen visualiserar vi variationen i befolkningstäthet inom centrala Paris. Vi börjar med att beräkna befolkningstätheten genom att dividera befolkningsantalet med arean, och lägger sedan till resultatet som en ny kolumn i dataramen.
Distrikts-datamängden är redan inläst som districts, GeoPandas har importerats som geopandas och matplotlib.pyplot som plt.
Den här övningen är en del av kursen
Arbeta med geospatial data i Python
Övningsinstruktioner
- Skriv ut de första raderna i distrikts-datamängden. Ser du kolumnen
'population'? - Undersök arean för distriktens geometrier.
- Lägg till en kolumn
'population_density'som representerar antalet invånare per kvadratkilometer (Obs: Arean anges i kvadratmeter, så du behöver multiplicera resultatet med10**6). - Plotta distrikten och använd
'population_density'för att färgsätta polygonerna.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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()