Python för GIS-kurs
Bemästra Python för GIS och ta full kontroll över dina spatiala dataarbetsflöden. Den här kursen tar dig från grundläggande Python-syntax till avancerad rasteranalys, geostatistik och automatiserade pipelines med branschstandardbibliotek. Oavsett om du arbetar med vektordata, satellitbilder eller spatiala databaser bygger du de tekniska färdigheter som krävs för att få verkligt arbete gjort.
Vad du kommer att lära dig:
Du kommer att lära dig att sätta upp en professionell Python GIS-miljö och arbeta tryggt med bibliotek som GeoPandas, Shapely, Fiona, rasterio och PySAL. Kursen täcker läsning och skrivning av vektor- och rasterformat, genomförande av spatiala joins och överlagringar, samt körning av terräng- och statistiska analyser. Du kommer att skapa både statiska och interaktiva kartor, automatisera batchbearbetningsarbetsflöden och ansluta till spatiala databaser. Avancerade ämnen inkluderar fjärranalys, maskininlärning för spatial prediktion, molnbaserade geospatiala format och att bygga REST API:er som levererar spatiala data. I slutet kommer du att utforma och leverera produktionsklara GIS-pipelines med Python.
Hur du studerar praktiskt Python för GIS-kurs
Hur du övar Python för GIS-kurs
För dig som är företag och vill utbilda ditt team
På Dedika för företag anpassas kursen med övningar och exempel från just din verksamhet, på det sätt som ditt företag behöver.
Kursinnehåll
8 Kapitlen • 39 LektionerVaraktighet mellan 4 och 360 timmar (du bestämmer)
Kapitel 1DöljDölj detaljerSe detaljerGrunderna i Python för GIS-yrkespersoner
Grunderna i Python för GIS-yrkespersoner
Lektion 1 • Konfigurera Python GIS-miljön
Installera och konfigurera Python, conda-miljöer och viktiga GIS-bibliotek. Etablerar den tekniska grund som varje efterföljande kapitel är beroende av.
Lektion 2 • Samlingar och kontrollflöde
Lär ut listor, lexikon, loopar och villkorssatser för att iterera över spatiala dataset. Möjliggör direkt batchbearbetning av geografiska objekt.
Lektion 3 • Funktioner och moduler
Definierar återanvändbara funktioner och importerar externa moduler för att organisera GIS-kod. Förbereder studenterna på att strukturera skript för spatial analys i flera steg.
Lektion 4 • Fil-I/O och felhantering
Läser och skriver text- och CSV-filer och hanterar körningstidsfel elegant. Möjliggör robusta skript som bearbetar verkliga, ofullständiga spatiala data.
Lektion 5 • Grundläggande Python-syntax och datatyper
Täcker variabler, operatorer, strängar, tal och booleans som de används i spatiala skript. Ger vokabulären för alla efterföljande kodningsuppgifter.
Kapitel 2DöljDölj detaljerSe detaljerSpatiala datastrukturer och geometri
Spatiala datastrukturer och geometri
Lektion 1 • Multi-geometrier och samlingar
Hanterar typerna MultiPoint, MultiLineString, MultiPolygon och GeometryCollection. Förbereder studenterna för verkliga dataset där objekt har komplexa, flerdelade former.
Lektion 2 • Geometriska mätningar och predikat
Beräknar area, längd, avstånd och spatiala relationer mellan geometrier. Kopplar geometrisk matematik till verkliga GIS-analysfrågor.
Lektion 3 • Geometri primitiver med Shapely
Skapar Point-, LineString- och Polygon-objekt och kommer åt deras egenskaper. Introducerar den geometrimodell som ligger till grund för alla vektorbaserade GIS-operationer.
Lektion 4 • Geometrioperationer och transformationer
Utför union, snitt, differens och förenkling på geometrier. Bygger färdigheter för överlagringsanalys och datageneralisering.
Kapitel 3DöljDölj detaljerSe detaljerLäsa och skriva spatiala data
Läsa och skriva spatiala data
Lektion 1 • Arbeta med GeoJSON och KML
Tolkar och genererar GeoJSON- och KML-format för webb- och skrivbords-GIS-utbyte. Breddar formatkompetensen bortom binära format.
Lektion 2 • Rasterdata med rasterio
Läser rasterband, profiler och transformationer och skriver bearbetade arrayer till disk. Kopplar NumPy-arrayoperationer till georefererade rasterdata.
Lektion 3 • Spatiala databaser och OGR
Ansluter till PostGIS- och SpatiaLite-databaser och läser lager via OGR. Möjliggör arbetsflöden som hämtar data från spatiala företagsdatabaser.
Lektion 4 • Vektordata med Fiona
Öppnar shapefiler och GeoJSON-filer, läser objekt och skriver nya dataset. Etablerar läs-/skrivmönstret som används genomgående i vektorarbetsflöden.
Lektion 5 • Koordinatreferenssystem
Definierar, inspekterar och omprojicerar CRS med hjälp av pyproj och rasterio. Säkerställer justering av spatiala data inför alla analys- eller visualiseringssteg.
Kapitel 4DöljDölj detaljerSe detaljerGeoPandas för vektoranalys
GeoPandas för vektoranalys
Lektion 1 • Attributfrågor och datarensning
Filtrerar rader, hanterar saknade värden och byter namn på och typomvandlar attributkolumner. Förbereder attributdata för tillförlitlig spatial analys.
Lektion 2 • Närhets- och avståndsanalys
Beräknar buffertar, närmaste-granne-avstånd och avståndsmatriser mellan objektsamlingar. Möjliggör analyser för platsval, serviceområden och tillgänglighet.
Lektion 3 • Etablerar den primära databehållaren för alla GeoPandas-arbetsflöden.
Skapar GeoDataFrames från filer, lexikon och databaser och inspekterar deras struktur. Etablerar den primära datacontainern för alla GeoPandas-arbetsflöden.
Lektion 4 • Visar professionell arbetsflödesdesign och utdatadokumentation.
Kedjar samman flera GeoPandas-operationer till reproducerbara, heltäckande geoprocessningsskript. Demonstrerar professionell arbetsflödesdesign och utdatadokumentation.
Lektion 5 • Spatiala joins och överlagringar
Utför spatiala joins, överlagringar och dissolves för att kombinera och aggregera objekt. Täcker de vanligaste vektoranalysoperationerna i GIS-arbetsflöden.
Kapitel 5DöljDölj detaljerSe detaljerRasteranalys med NumPy och rasterio
Rasteranalys med NumPy och rasterio
Lektion 1 • Terränganalys från DEM
Härleder lutning, aspekt och terrängskuggning från digitala höjdmodeller med hjälp av arraygradienter. Bygger grundläggande terrängprodukter som används inom hydrologi och markanalys.
Lektion 2 • Raster-vektorintegration
Klipper raster till vektorgränser och extraherar pixelvärden vid punktpositioner. Överbryggar raster- och vektorarbetsflöden för kombinerad analys.
Lektion 3 • Rasteromsampling och omprojicering
Omsamplar raster till nya upplösningar och omprojicerar dem till mål-CRS med hjälp av rasterio. Säkerställer rasterjustering för analys med flera källor.
Lektion 4 • NumPy-arrayer för rasterdata
Läser in rasterband i NumPy-arrayer och tillämpar elementvis matematik och maskning. Kopplar arrayberäkningar till spatial rasteranalys.
Lektion 5 • Rasterklassificering och omklassificering
Tillämpar tröskelregler och uppslagstabeller för att klassificera kontinuerliga rastervärden. Producerar marktäcke- och lämplighetskartor från råa rasterindata.
Kapitel 6DöljDölj detaljerSe detaljerVisualisering av spatiala data
Visualisering av spatiala data
Lektion 1 • Interaktiva kartor med Folium
Bygger interaktiva Leaflet-kartor i Python med Folium med popup-fönster och lagerkontroller. Möjliggör delbara webbaserade spatiala utdata.
Lektion 2 • Rastervisualisering och styling
Renderar enkelbands- och flerbandsrastrar med anpassade färgkartor och sträckningsalternativ. Producerar tydliga visuella representationer av höjd, bilddata och klassificerade data.
Lektion 3 • Interaktiv visualisering med Plotly och Kepler.gl
Skapar animerade och 3D-spatiala diagram med Plotly och storskaliga kartor med Kepler.gl. Utökar visualisering till utforskande- och presentationssammanhang.
Lektion 4 • Tematisk kartografi och koropletkartor
Tillämpar klassificeringsscheman och färgramper för att skapa koroplet- och proportionella symbolkartor. Kommunicerar spatiala mönster i attributdata effektivt.
Lektion 5 • Statiska kartor med Matplotlib och GeoPandas
Plottar vektor- och rasterlager med Matplotlib och GeoPandas plot-metoder. Etablerar grunden för all Python-kartografisk utdata.
Kapitel 7DöljDölj detaljerSe detaljerSpatial analys och geostatistik
Spatial analys och geostatistik
Lektion 1 • Spatiala interpolationsmetoder
Interpolerar kontinuerliga ytor från punktexempel med hjälp av IDW och kriging. Producerar uppskattade rasterytor från glesa mätdata.
Lektion 2 • Utforskande spatial dataanalys (ESDA)
Beräknar spatial autokorrelation, Morans I och LISA-statistik med hjälp av PySAL. Identifierar klustrings- och spridningsmönster före djupare analys.
Lektion 3 • Punktmönsteranalys
Analyserar punktfördelnings med hjälp av kärndensitetsuppskattning och närmaste-granne-statistik. Upptäcker spatial klustring i händelse- och incidentdataset.
Lektion 4 • Nätverksanalys med OSMnx
Laddar ned gatunätverk, beräknar kortaste vägar och beräknar centralitetsmått. Möjliggör ruttplanerings- och tillgänglighetsanalys på verkliga vägnätverk.
Lektion 5 • Hotspot- och klusterdetektion
Tillämpar Getis-Ord Gi* och DBSCAN-klustring för att identifiera statistiskt signifikanta spatiala hotspots. Stöder brottsanalys, epidemiologi och resursfördelningsbeslut.
Kapitel 8DöljDölj detaljerSe detaljerAutomation, skriptning och arbetsflödesdesign
Automation, skriptning och arbetsflödesdesign
Lektion 1 • Schemaläggning och övervakning av pipelines
Schemalägger återkommande spatiala datajobb med cron och övervakar körning med loggning. Levererar operativa pipelines som körs utan manuell inblandning.
Lektion 2 • Arbetsflödesorkestrering med Snakemake
Definierar reproducerbara flerstegspipelines som Snakemake-regler med beroendespårning. Säkerställer att endast inaktuella steg körs om när indata ändras.
Lektion 3 • Batchbearbeta spatiala data
Bearbetar hela kataloger med spatiala filer med hjälp av loopar och multiprocessing. Skalar arbetsflöden för enstaka filer till stora datasetsamlingar effektivt.
Lektion 4 • Testa och validera GIS-arbetsflöden
Skriver enhetstester för spatiala funktioner och validerar utdatakvalitet automatiskt. Förhindrar att tysta fel sprids genom produktionspipelines.
Lektion 5 • Kommandoradsbaserade GIS-skript
Konverterar Jupyter-anteckningsböcker till kommandoradsskript med argumenttolkning. Möjliggör att skript kan köras i automatiserade server- och batchmiljöer.
Ditt giltiga slutförandecertifikat
Den här kursen är för dig:
GIS-analytiker: redo att ersätta manuella skrivbordsarbetsflöden med repeterbara Python-skript.
Miljövetare: som behöver bearbeta raster- och vektorfältdata programmatiskt.
Stadsplanerare: som vill automatisera geografiska analyser och producera datadrivna kartutdata.
Dataanalytiker: som övergår till geografiska roller och bygger platsspecifika kompetenser.
Fjärranalytiker: som vill hantera satellitbilder och spektralindex i kod.
Geografistuderande: som förbereder sig för tekniska roller som kräver Python vid sidan av geografisk teori.
Vad våra elever säger
Era lektioner är perfekta. Jag köpte årspaketet och har äntligen möjlighet att följa olika ämnen som intresserar mig utan att behöva byta plattform... tack för allt ni gör, jag har redan rekommenderat er till andra...
Jag gillar hur lektionerna går rakt på sak och hur jag kan byta kapitel och hoppa över innehåll som jag inte behöver.
Jag gillar innehållet och presentationssättet samt transkriptionen av videorna, vilket påskyndar processen!
Plattformen är snabb och enkel att använda. Mångfalden av innehåll och de kompletterande videorna hjälper mycket i inlärningen.
Viktigaste kompetenserna
FAQ
Vem är Dedika?
Är intyget giltigt i Sverige?
Är kurserna gratis?
Vad är kursens arbetsinsats?
Hur ser kurserna ut?
Hur fungerar kurserna?
Hur lång tid tar kurserna?
Vad kostar kurserna?
Vad är en EAD- eller onlinekurs och hur fungerar den?
PDF-kurs