جلسه ۲-وکتور

مفاهیم¶

مقایسه لیست و دیکشنری در پایتون¶

ویژگی	🧾 `list`	🗂️ `dict`
تعریف	`my_list = [1, 2, 3]`	`my_dict = {'a': 1, 'b': 2}`
دسترسی به داده	`my_list[0] → 1`	`my_dict['a'] → 1`
افزودن عنصر	`my_list.append(4)`	`my_dict['c'] = 3`
حذف عنصر	`my_list.remove(2)`	`del my_dict['b']`
بررسی وجود	`if 2 in my_list:`	`if 'a' in my_dict:`
پیمایش	`for x in my_list:`	`for k, v in my_dict.items():`
تعداد عناصر	`len(my_list) → 3`	`len(my_dict) → 2`
ترتیب	مرتب است	از ۳.۷ به بعد، ترتیب درج حفظ می‌شود
تکرار	مقادیر می‌توانند تکراری باشند	کلیدها باید یکتا باشند
مرتب‌سازی	`my_list.sort()`	ندارد (باید کلیدها جداگانه مدیریت شود)

نکته

استفاده از list زمانی مفید است که ترتیب و تکرار عناصر مهم باشد.
استفاده از dict زمانی مفید است که به ساختار «کلید-مقدار» برای نگهداری داده نیاز باشد.
برای جستجوی سریع، dict مناسب‌تر است.

برای درک بهتر تفاوت لیست و دیکشنری حدوداً می‌توان گفت که در جدول ستون‌ها به صورت لیست می‌توان فراخواند و ردیف‌ها را به صورت دیکشنری. برای مثل در جدول زیر:

Name	Age	City
Alice	25	New York
Bob	30	London

# Columns
Name = ['Alice', 'Bob']
Age = [25,30]
City = ['New York', 'London']

#Rows
alice = {'Name':'Alice', 'Age': 25, 'City': 'New York'}
bob = {'Name':'Bob', 'Age': 30, 'City': 'London'}

کار با Pandas¶

۱. نصب¶

برای نصب کتابخانه Pandas بعد از فعال کردن محیط مجازی پرژه دستور زیر را در ترمینال وارد کنید:

pip install pandas

نکته

در محیط Jupyter Notebook با قرار دادن علامت تعجب قبل از دستور فوق کتابخانه در محیط فعال Jupyter نصب می‌شود

! pip install pandas

۲. استفاده از دستورهای Pandas¶

برای استفاده از دستورهای کتابخانه Pandas در کد پایتون باید ابتدا آن را با دستور زیر فرا بخوانید

import pandas as pd

از این پس هرجا از مخفف pd استفاده می‌کنید، دستورهای pandas فراخوانده می‌شود.

۳. کار با پایگاه‌های داده¶

دانلود فایل نمونه

داده مربوط به زمین‌لرزه‌های یک ماه اخیر را از طریق این لینک با فرمت csv دانلود و در آدرس repo خود ذخیره کنید.
خواندن فایل

با دستور زیر می‌توانید فایل csv دانلود شده را در قالب یک DataFrame ذخیره کنید.
```
df = pd.read_csv('query.csv')
```
3. اطلاعات کلی درباره فایل

با دستورهای زیر می‌توانید اطلاعات کلی از DataFrame تعریف شده دریافت کنید.
```
df.head()
df.columns
df.shape
df.describe()
df.info()
df.iloc[0]
```
4. گزارش گیری

با دستورهای زیر می‌توانید از جدول مدنظر خود گزارش بگیرید.
```
df.groupby('magSource').mean('mag')
df.sort_values('mag', ascending=False)
df['rank']=df['mag'].rank(ascending=False)
```
5. فیلتر کردن

با دستورهای زیر می‌توانید جدول خود بر اساس مشخصات مدنظر فیلتر کنید.
```
filrered = df[df['mag']>5]
filrered = df[df['place'].str.contains('Iran')]
```
6. خروجی گرفتن

با دستور زیر می‌توانید از DataFrame مدنظرتان خروجی بگیرید.
```
filrered.to_csv('alert.csv', index=False)
```

کار با Shapely¶

۱. نصب و فراخواندن¶

برای نصب کتابخانه‌ Shapely بعد از فعال کردن محیط مجازی پرژه دستور زیر را در ترمینال وارد کنید:

pip install shapely

برای فراخوانی بخشی از یک کتابخانه می‌توانید از قالب دستوری from استفاده کنید.

from shapely.geometry import Point, LineString, Polygon

۲. ایجاد عوارض جغرافیایی¶

برای ایجاد عوارض جغرافیایی به صورت نقطه، خط، یا سطح می‌توانید از دستورهای زیر استفاده کنید:

p1 = Point(0, 0)
p2 = Point(10, 20)

ln = LineString([(0, 0), (1, 2), (2, 0)])

pg = Polygon([(0, 0), (1, 1), (1, 0)])

۳. محاسبه ویژگی‌های هندسی¶

برای محاسبه ویژگی‌های هندسی عوارض ساخته شده می‌توانید از دستورهای زیر استفاده کنید:

print(p.x, p.y)            # Coordinates
print(ln.length)         # Length of line
print(pg.area)           # Area of polygon
print(pg.bounds)         # Bounding box (minx, miny, maxx, maxy)

نکته

سایر دستورات کاربری Shapely

#Distance
print(p1.distance(p2))     # → 5.0

#Buffer
circle = p1.buffer(1.0)     # Radius 1 around point p

#Intersection / Union / Difference:

pg1 = Polygon([(0, 0), (2, 0), (1, 2)])
pg2 = Polygon([(1, 1), (3, 1), (2, 3)])

intersection = pg1.intersection(pg2)
union = pg1.union(pg2)
difference = polpg1y1.difference(pg2)

# Select by location
# Contains / Within / Intersects
if pg.contains(p):           # True/False
if p.within(pg):             # True/False
if pg.intersects(line):      # True/False

کار با GeoPandas و MatPlotLib¶

۱. نصب و فراخواندن¶

برای نصب کتابخانه‌های GeoPandas و MatPlotLib بعد از فعال کردن محیط مجازی پرژه دستور زیر را در ترمینال وارد کنید:

pip install geopandas
pip install matplotlib

برای استفاده از دستورهای کتابخانه GeoPandas در کد پایتون باید ابتدا آن را با دستور زیر فرا بخوانید

import geopandas as gpd
import matplotlib.pyplot as plt

۲. خواندن فایل‌های مکانی¶

با دستور زیر می‌توانید فایل‌های مکانی را به عنوان GeoDataFrame در کد خود فرا بخوانید.

sample_shp = gpd.read_file(r"smaple.shp")

۳. تبدیل جدول دارای طول و عرض چغرافیایی به نقاط جغرافیایی¶

df = pd.read_csv('eq.csv')

geometry = []
for xy in zip(df['longtitude'],df['latitude']):
    geometry.append(xy)

gdf = gpd.GeoDataFrame(df, geometry=geometry)
gdf.set_crs(epsg=4326, inplace=True)

نکته

دستور zip تناظر یک به یک بین عناصر هم جایگاه در دو tuple را ایجاد می‌کند.

۴. گرفتن خروجی تصویری از نقشه¶

با دستور زیر می‌توانید از DataFrame مدنظر خود خروجی نقشه به صورت عکس بگیرید و به صورت عکس ذخیره کنید.

gdf.plot("mag", cmap="Reds")
plt.savefig('eq_map.jpg')

نکته

سایر دستورهای GIS با GeoPandas

Spatial Join

joined_data = gpd.sjoin(parcels1,parcels2)

Summerize

علاوه بر groupby می‌توانید با دستور زیر از قابلیت pivot برای گزارش‌گیری استفاده کنید.
```
parcels.pivot_table(index='Landuse', columns='Area', aggfunc='sum')
```

تمرین¶

در کد زیر x و y چه چیز ویژگی از قطعه را در خود ذخیره می‌کنند.

import geopandas as gpd
import shapely
import math
parcels = gpd.read_file("parcel.shp")
for idx, feature in parcels.iterrows():
    parcel = feature['geometry'].simplify(tolerance=0.05)
    coords = list(parcel.boundary.coords)
    temp = []
    for a, b in zip(coords,coords[1:]):
        c = shapely.LineString([a,b]).length
        d = math.degrees(math.atan2(b[1]-a[1], b[0]-a[0]))
        temp.append({'c': c, 'd':d})    
    e = max(temp, key=lambda x: x['c'])
    parcels.loc[idx, 'x']= e['c']
    parcels.loc[idx, 'y']= e['d']
parcels.to_file('parcelx.shp')

نکته

کتابخانه math برای انجام محاسبات ریاضی استفاده می‌شود. این کتابخانه از کتابخانه‌های درونی پایتون است و همراه با پایتون نصب می‌شود.