[英]Calculate Density based on Lat/Lon
很抱歉,我沒有此問題的任何示例代碼。 原因是,我一直在尋找一種方法來做到這一點,但我沒有任何想法。 我不是在尋找具體的代碼幫助,更像是一些關於從哪里開始的一般指導。
我為居住在加利福尼亞附近的人們提供緯度/經度。 根據這些數據的地理分組(縣、市、zip 等),我應該算出密度分數。 基本上,每平方英里有多少點,或者沿着這些線。 我一直在尋找方法來做到這一點,不幸的是我還沒有找到任何似乎正確的方法。 我的數據中有緯度/經度/地理邊界列,因此我可以按各種地理類型進行分組,但我想依靠緯度/經度進行密度評分。
再次,很抱歉我沒有任何具體的代碼可以分享。 任何有關此問題的軟件包或工具的建議將不勝感激!
我對 R 和 Python 都很滿意,但我的同事更喜歡 python 驅動的解決方案。
下面是一些使用 zip 代碼和 lon/lat(按此順序)的示例數據。
Zip Longitude Latitude
95223 -120.045063 38.467308
95223 -120.040889 38.465436
95223 -120.072499 38.454202
95223 -120.049251 38.462058
95223 -120.041697 38.462194
95223 -120.045757 38.470637
96120 -119.959615 38.703965
96120 -119.937276 38.741337
96120 -119.9382 38.739344
96120 -119.901794 38.776584
96120 -119.936094 38.741865
96120 -119.957587 38.707533
96120 -119.93456 38.74194
95646 -120.072087 38.687061
95646 -120.066752 38.684097
95646 -120.069591 38.684193
95646 -120.071754 38.699738
95646 -120.066111 38.685164
95646 -120.067082 38.683881
95646 -120.070923 38.696049
95646 -120.068004 38.683615
95646 -120.07161 38.699309
95646 -120.07385 38.690719
95646 -120.066131 38.685019
95646 -120.071263 38.686228
從此處的人口普查映射的 Pyviz 示例頁面:映射人口密度的示例代碼: https://examples.pyviz.org/census/census.html
創建邊界:這個問題的答案很好地涵蓋了這一點,給出了邊界檢測算法列表: https://gis.stackexchange.com/questions/5426/finding-boundary-co-ordinates-from-given-set-點坐標
查找多邊形的面積(AreaOfZipcode): 如何使用 python 計算地球表面多邊形的面積?
使用累加器算法計算郵政編碼人口。
然后:PopDensity = PopOfZipcode/AreaOfZipcode
定義您的高密度/中密度/低密度邊界,然后將您的郵政編碼分配給每個存儲桶。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.