Как установить geopandas windows 10

Обновлено: 08.07.2024

В интересах того, чтобы рабочее решение было принято на Stack overflow с как можно большим количеством информации о проблемах, возникающих при использовании pip для установки Geopandas или пакета типа OSMnx, который зависит от него, используя pip на Windows 10, я опубликую свой рабочий процесс ниже

1 ответ

Я пытаюсь установить подушку 3.1 на Windows. Согласно инструкциям , я должен быть в состоянии просто ввести: pip install Pillow Но я получаю: ValueError: jpeg is required unless explicitly disabled using --disable-jpeg, aborting Потому что теперь (начиная с версий после 3.0, я думаю?) для.

Три возможные проблемы, и они имеют отношение к разнице между pip и conda, обсуждаемой здесь

Во-первых, pip требует Visual C++ для компиляции пакетов, в то время как conda этого не делает.

Самый простой способ убедиться, что у вас есть Visual C++, - это установить дистрибутив сообщества Visual Studio . В зависимости от выбранных параметров это потенциально несколько gbs, так что хорошее подключение к интернету очень помогает.

Во-вторых, используйте pip для установки колес GDAL версии 2.4, а не 3.0, Fiona Shapely и, возможно, Rtree . Их можно найти здесь .

Если у вас уже установлен GDAL через OSGeoW64 , вам нужно будет удалить его, удалив всю папку OSGEo4w на диске C:

Выберите версию для архитектуры python, которую вы установили, NOT-для архитектуры вашего компьютера. Проверьте, используя эту умную линию , которая предлагает указание на то, в чем на самом деле заключается разница между архитектурами.

Наконец, вам может потребоваться задать переменные окружения . Важно знать, что gdal-config и GDAL_CONFIG специфичны для linux на основе OS, а для windows вы ищете GDAL_VERSION и GDAL_DATA .

Наконец, там уже есть много полезной информации, но она не собрана в одном месте, так что если чего-то не хватает, конечно, отредактируйте ответ, чтобы включить его.

edit: просто попробовал это с окружением python, используя 64-битную версию python 3.7.4, и это также сработало.

Одно замечание, изначально установка не удалась, OSError: could not find or load spatialindex_c.dll

Чтобы решить эту и, возможно, другие ошибки, pip uninstall и pip install колеса для numpy GDAL Rtree Shapely и Fiona во второй раз. Либо я изначально не устанавливал их в правильном порядке, либо это циклическая зависимость, которая разрешает установку всего дважды.

Похожие вопросы:

У меня python 3.7.0 установлен на Windows 10, и я не могу установить Vowpalwobbit. Когда я использую команду: pip install vowpalwabbit Я получаю: Building wheels for collected packages: vowpalwabbit.

Я попытался установить geopandas через I python, запустив !pip установите geopandas, но это не удается с python setup.py egg_info не удалось с кодом ошибки 1, а затем путь к длинному каталогу. Я.

Я использую WinPython с Python 3.6 на Windows 10, и через долгий и извилистый курс мне удалось установить geopandas и правильно работать в моей системе. Это требовало ручной установки различных.

Я пытался установить opencv для Python 3.8.0 на свежую установку Windows 10. Вот команда, которую я выполнил: C:\Windows\system32>py -m pip install opencv-python Однако я столкнулся с этой.

У меня возникли проблемы с установкой пакетов для python с использованием pip с python 3.7.3 на windows 10. Я установил pip и использовал команду pip install emaildata --user, чтобы получить пакет.

Когда я пытаюсь установить tkinter с помощью команды pip install tkinter в windows 10, я получаю эту ошибку: Не удалось найти версию, удовлетворяющую требованию tkinter(из версий: ) Совпадающих.

В интересах принятия рабочего решения по переполнению стека с как можно большей информацией о проблемах, возникающих при использовании pip для установки Geopandas или пакета, подобного OSMnx, который зависит от него с помощью pip в Windows 10, я выложу свой рабочий процесс ниже

Три возможные проблемы, и они связаны с разницей между pip и conda, которые обсуждались здесь here

Во-первых, pip требует Visual C++ для компиляции пакетов, а conda - нет.

Самый простой способ убедиться в наличии Visual C++ - это установить дистрибутив сообщества Visual Studio. В зависимости от выбранных опций, это потенциально несколько гигабайт, поэтому хорошее интернет-соединение очень помогает.

Во-вторых, используйте pip для установки колес версии GDAL версии 2.4, а не 3.0, Fiona Shapely и, возможно, Rtree . Их можно найти здесь.

Если у вас уже установлен GDAL через OSGeoW64 , вам нужно удалить его, удалив всю папку OSGEo4w на диске C:

Выберите версию для архитектуры Python, которую вы установили, а не архитектуру вашего компьютера. Проверьте, используя эту умную строку, которая показывает, в чем на самом деле разница между архитектурами.

Наконец, вам может потребоваться установить переменные среды. Важно знать, что gdal-config и GDAL_CONFIG специфичны для ОС на основе Linux, а для Windows вы ищете GDAL_VERSION и GDAL_DATA .

Наконец, есть много полезной информации, которая уже существует, но не собрана в одном месте, поэтому, если чего-то не хватает, конечно, отредактируйте ответ, чтобы включить его.

редактировать: только что попробовал это с Python Environement с использованием 64-битной версии Python 3.7.4, и это также сработало.

Одно замечание: изначально установка не удалась, OSError: could not find or load spatialindex_c.dll

Чтобы устранить эту и, возможно, другие ошибки, pip uninstall и pip install колеса для numpy GDAL Rtree Shapely и Fiona во второй раз. Либо я изначально не устанавливал их в правильном порядке, либо это круговая зависимость, которая разрешает установку всего дважды.

Довольно часто в работе аудитора возникает необходимость анализировать геоданные различного рода (местоположение объектов, маршруты поездок и т.д ). Для наиболее наглядной работы с такими данными хотелось бы осветить возможности таких библиотек, как geopandas и folium.

Для начала необходимо установить все необходимые библиотеки, для этого запустим команду: pip install folium geopandas. Стоит отметить, что установка модуля geopandas на компьютеры с операционной системой Windows может быть сопряжена с рядом проблем. К счастью, в решении данной проблемы нам поможет «всезнающий» Stackoverflow, стоит только изучить этот вопрос по следующей ссылке.

После установки необходимых библиотек, импортируем их внутри нашего проекта:

Для дальнейшей работы необходимо определиться с тестовой задачей. В рамках обучения работе с данными библиотеками, будем выводить статистику жалоб жителей Москвы по районам.

Для этого нам необходимо загрузить файл в формате geojson с данными по Москве. Данный формат предназначен для хранения различных географических структур в формате JSON.

Откроем наш файл с помощью модуля geopandas:

Объект карты будет храниться как объект класса GeoMap. Класс Geomap на данный момент должен выглядеть следующим образом:

Внутри конструктора создаётся объект карты folium.Map, где указываются следующие аргументы:

location – координаты центра карты;

zoom_start – стартовое значение зума (приближения) на карте;

tiles – использование тайлов карты;

Далее, к созданному объекту добавляем объект тайла TileLayer («подложки») нашей карты.

Теперь добавим возможность разграничения районов на нашей карте с помощью метода create_coropleth.

Создадим объект класса и вызовем реализованный метод:

Теперь, когда перед глазами карта, появляется желание добавить больше интерактивности и возможностей. Так приступим. Реализуем возможность просмотра статистики по количеству обращений при наведении на конкретный район на карте.

Запустим новый метод и посмотрим на полученный результат:

Теперь при наведении курсора на интересующий район будет выводиться подробная информация о количестве нарушений. С помощью реализованного метода можно добавлять на карту информацию различного рода (количество нарушений, имена управляющих, списки компаний на территории и т.д), т.е ограничений для предоставления статистики нет.

В результате изучения данных библиотек были выявлены и реализованы такие возможности, как:

Моя цель на этой неделе состояла в том, чтобы узнать, как сделать интерактивную карту, а затем создать учебник о том, как сделать эту карту. Карты могут быть действительно полезны для визуализации географических данных и изменения во времени. Они могут обеспечить хороший способ буквально уменьшить масштаб и увидеть изменения макроуровня. Сначала я предоставлю обзор двух основных используемых пакетов: GeoPandas и bokeh. Затем я расскажу, как перейти от определенного набора данных к определенной интерактивной карте. Созданная карта ни в коем случае не является полной или совершенной. Итак, в заключение я рассмотрю некоторые потенциальные улучшения и предоставлю список ресурсов, в которых я нашел свою информацию, и некоторые отправные точки, если вы заинтересованы в боке, геопандах или интерактивном картографировании.

Изучить основы создания интерактивной карты с использованием боке и GeoPandas.
Понимать применение упаковок для целей картирования уровней содержания свинца в пробах воды, отобранных по всей территории США в 2018 году
Чтобы знать, куда идти, если у вас есть вопросы о боке и GeoPandas

Этот пост был вдохновлен множеством постов о картографировании и визуализации. Все источники, используемые для вдохновения и другие полезные ссылки, размещены ниже в разделе ресурсов.

Код можно найти намой репозиторий GitHub,

GeoPandas - это пакет с открытым исходным кодом, который помогает пользователям работать с геопространственными данными. GeoPandas имеет ряд зависимостей. На чем мы сконцентрируемся, так это на стройном пакете, на котором GeoPandas полагается на выполнение геометрических операций. В нашем случае форма каждого штата США будет закодирована в виде многоугольника или мультиполигона через фигурный пакет. Затем используется через GeoPandas для понимания геопространственных данных.

Установка

Для запуска GeoPandas ему необходимо установить несколько пакетов. Это может быть трудно обеспечить. Но если вы уверены, вы можете установить его с помощью pip. В противном случае использование Anaconda для установки GeoPandas позаботится о зависимостях за вас.

Вы можете прочитать больше об установке GeoPandasВот,

В то время как GeoPandas позволяет строить графики, боке позволяет нам создавать более сложные графики. bokeh - это многофункциональный пакет с открытым исходным кодом, предназначенный для помощи пользователям в создании красивых интерактивных визуализаций. Впервые Bokeh был выпущен в апреле 2013 года, а последний выпуск - в октябре 2019 года. После этого последнего выпуска Python 2.7, Python 3.5 или более ранние версии больше не поддерживаются. Вы можете найти полную галерею сюжетов, которые вы можете сделать в Боке.Вот,

Установка

Боке опирается на несколько пакетов. Вы все еще можете использовать pip для установки Bokeh, но у вас могут возникнуть проблемы с точки зрения зависимостей. В моем случае я использовал Anaconda для установки bokeh, так как он заботится о том, чтобы зависимости были в порядке.

Более подробную информацию для установки можно найтиВота такжеВот,

Создайте карту смежных США, которая показывает население штата. В каждом штате покажите, где был обнаружен свинец в 2018 году.

Создание смежных США

Для создания карты вам понадобится шейп-файл (.shp). В этом случае я скачал шейп-файл из Бюро переписей США.Вот, Файл сообщает Geopandas, какие фигуры мы намечаем. В нашем случае нам нужен файл с описанием каждого штата в смежных штатах США. Мы используем столбец геометрии, чтобы пакет Geopandas знал, где искать информацию для форм каждого состояния. В этом случае фигуры являются стройными объектами Polygon.

Выполнение следующей строки кода в блокноте Jupyter вернет изображение Мэриленда.

Запуск только первой записи в столбце геометрии, которая представляет стройную геометрию, необходимую для создания изображения Мэриленда

Но мы можем привести элемент геометрии в виде строки, чтобы увидеть, как представлен геометрический объект:

Возвращает длинную строку, представляющую многоугольники, составляющие Мэриленд:

Данные: Государство Население

Теперь, когда у нас есть представление о том, как мы будем составлять карту США, нам нужно объединить геометрию каждого штата с данными, которые мы хотим построить. В этом случае нам нужно подключить каждый штат к его населению в 2018 году. Вы можете найти оценки населения США по штатам и годамВотчерез Бюро переписей США.

Теперь мы знаем, что и шейп-файл, и csv для населения штата имеют столбец с именем «NAME», который мы можем сопоставить вместе. Так что теперь мы можем объединить файлы с помощью панд

Теперь, когда мы объединили данные и ограничили их смежными США, мы можем преобразовать данные в формат, способствующий отображению:

Теперь, когда данные были преобразованы в соответствующий формат, мы можем построить карту населения штатов, выполнив следующие шаги:

Создать объект фигуры
Добавьте рендерер патчей на фигуру
Создать инструмент наведения
Показать фигуру

Теперь, когда мы создали карту, мы можем добавить цветную полосу, которая будет указывать население штата.

Данные: уровни свинца

Теперь, когда у нас есть основная карта, мы можем добавить информацию о водных объектах, где был обнаружен свинец. Данные, которые я использовал, были взяты изДанные о качестве воды, Из имеющихся данных я скачал два набора данных:

Все водные объекты в США в 2018 году
Результаты для каждого образца воды, который был испытан на содержание свинца в США в 2018 году

После того, как мы загрузили данные, нам нужно проверить и очистить данные. В этом случае, Избавьтесь от точек без результатов для свинца, или 0 мкг / л свинца. В этом случае мы только хотим построить участки, где тест измерялся в мкг / л или мг / л. Мы конвертируем мг / л в уг / л, чтобы иметь постоянные единицы.

После очистки данных мы можем объединить водные объекты с образцами свинца. Затем мы сортируем сайты, удаляем дубликаты, сопоставляя как сайт, так и день. Затем мы можем установить подгруппу для водных объектов, которые находятся в пределах смежных США, на основе широты и долготы. Затем мы создаем столбец месяца для построения графиков. Наконец, мы создаем геометрическую строку, создавая геометрические объекты Point.

Теперь, когда мы создали подходящий столбец геометрии, мы можем указать систему координат координат (crs) и преобразовать данные в геоданные. Затем мы извлекаем координаты x и y для построения графиков и преобразуем их в источник данных. Более подробную информацию об источниках данных боке можно найтиВот,

Слайдер Инструмент

Существует много точек данных (более 10000), и, возможно, имеет смысл просматривать данные за определенный период времени. Поэтому для этого примера я разделил данные по месяцам и создал инструмент-слайдер, чтобы вы могли просматривать каждый водный объект в течение любого месяца в 2018 году.

Теперь, когда мы создали объект слайдера, нам нужно обновить его на основе пользовательского ввода. Мы делаем это, написав функцию обратного вызова и CustomJSFilter.

Теперь, когда мы написали наши функции, мы можем построить участки отбора проб воды, инструмент для наведения курсора для сайтов, а также ползунок.

Читайте также: