16  Vaje: GeoPandas

Objavljeno

23. oktober 2026

16.1 Cilji in priprava

Vaje spremljajo poglavje o vektorskih podatkih. Najprej izvedite podani primer, nato dopolnite samostojne naloge. Potrebujete osnove pandas, poglavje o CRS in jedro Python (python4geo). Beležnico odprite iz korenske mape knjige.

Uporabljamo arhivske občinske meje GURS in sintetične učne točke z izmišljenimi vrednostmi. Primer ne opisuje dejanskih meritev. Vir meja: Geodetska uprava Republike Slovenije, RPE, občine; datum stanja arhivske kopije ni dokumentiran. Priprava in pogoji uporabe so opisani v data/vektorji/README.md.

Ob koncu boste znali točke pripisati občinam, preveriti neujemanja, pripraviti povzetek in primerjati območja oddaljenosti. Podatki so lokalni; računi in spletne storitve niso potrebni.

from pathlib import Path
import geopandas as gpd
import pandas as pd
import matplotlib.pyplot as plt
from shapely.geometry import Point, box

DATA_DIR = Path("data/vektorji")
OUT_DIR = Path("_izhod/geopandas-vaje")
OUT_DIR.mkdir(parents=True, exist_ok=True)
plt.rcParams["figure.dpi"] = 140

16.2 1. Pregled podatkov

Preberite poligone in tabelo. Pred risanjem preverite število zapisov, tipe geometrij, CRS in enoličnost identifikatorjev.

obcine = gpd.read_file(DATA_DIR / "obcine.geojson")
tabela = pd.read_csv(DATA_DIR / "ucne_tocke.csv")
print(obcine[["ob_id", "ime"]].to_string(index=False))
print("Število točk:", len(tabela))
print("CRS:", obcine.crs)
print("Veljavne geometrije:", obcine.is_valid.all())
print("Enolični ID občin:", obcine["ob_id"].is_unique)
print("Enolični ID točk:", tabela["tocka_id"].is_unique)
 ob_id       ime
    23   Domžale
    61 Ljubljana
    71   Medvode
   138    Vodice
   186     Trzin
Število točk: 16
CRS: EPSG:4326
Veljavne geometrije: True
Enolični ID občin: True
Enolični ID točk: True

Preverite sami: pričakujemo pet občin in 16 točk. Izpišite še manjkajoče vrednosti ter najmanjšo in največjo koordinato v vsakem stolpcu. Ali vrstni red in obseg koordinat ustrezata dokumentaciji?

# Dodajte pregled manjkajočih vrednosti in obsega koordinat.

16.3 2. Ustvarjanje geometrije in pretvorba CRS

Koordinate CSV so v WGS 84. Ustvarite geometrijo z dolžino na mestu x, nato oba sloja pretvorite v D96/TM.

tocke = gpd.GeoDataFrame(
    tabela, geometry=gpd.points_from_xy(tabela["lon"], tabela["lat"]),
    crs="EPSG:4326",
)
obcine_m = obcine.to_crs(3794)
tocke_m = tocke.to_crs(obcine_m.crs)
obcine_m["pov_km2"] = obcine_m.area / 1_000_000
print(obcine_m[["ime", "pov_km2"]].round(2).to_string(index=False))
print("Prva točka v WGS 84:", tocke.geometry.iloc[0])
print("Ista točka v D96/TM:", tocke_m.geometry.iloc[0])
      ime  pov_km2
  Domžale    72.27
Ljubljana   275.03
  Medvode    77.66
   Vodice    31.36
    Trzin     8.61
Prva točka v WGS 84: POINT (14.6637531 46.1438632)
Ista točka v D96/TM: POINT (474023.3967901825 111620.46875488572)

Naloga: izberite občine, večje od 50 km², in jih uredite po površini. V besedilu pojasnite, zakaj površine ne računamo neposredno iz vhodnih koordinat. Ali sta se pri to_crs() spremenila tudi navadna stolpca lon in lat?

# Izberite in uredite občine. Uporabite kopijo, če boste dodajali stolpce.

16.4 3. Vodeni primer: pripis občine in povzetek

Izvedite prostorsko povezovanje in ohranite točke brez zadetka. Nato preverite število vrstic in večkratna ujemanja.

pripis = tocke_m.sjoin(
    obcine_m[["ob_id", "ime", "geometry"]],
    how="left", predicate="within",
)
print(pripis[["tocka_id", "ime"]].to_string(index=False))
print("Brez ujemanja:", pripis["ob_id"].isna().sum())
print("Podvojeni ID:", pripis["tocka_id"].duplicated().sum())
tocka_id       ime
     T01   Domžale
     T02 Ljubljana
     T03 Ljubljana
     T04   Medvode
     T05   Medvode
     T06   Medvode
     T07    Vodice
     T08    Vodice
     T09    Vodice
     T10    Vodice
     T11     Trzin
     T12     Trzin
     T13     Trzin
     T14     Trzin
     T15     Trzin
     T16       NaN
Brez ujemanja: 1
Podvojeni ID: 0

V tem naboru pričakujemo eno točko brez ujemanja in nobene večkrat pripisane točke. To ni univerzalna lastnost prostorskega povezovanja. Pred seštevanjem vedno preverimo, ali je ena točka dobila več zadetkov.

statistika = (
    pripis.dropna(subset=["ob_id"])
    .groupby("ob_id")
    .agg(st_tock=("tocka_id", "size"))
    .reset_index()
)
povzetek = obcine_m.merge(statistika, on="ob_id", how="left", validate="one_to_one")
povzetek["st_tock"] = povzetek["st_tock"].fillna(0).astype(int)
print(povzetek[["ime", "st_tock"]].to_string(index=False))
print("Skupaj pripisanih točk:", povzetek["st_tock"].sum())
      ime  st_tock
  Domžale        1
Ljubljana        2
  Medvode        3
   Vodice        4
    Trzin        5
Skupaj pripisanih točk: 15

Naloga: razširite agg() s povprečjem in največjo vrednostjo stolpca vrednost. Rezultat naj ima eno vrstico na občino. Pojasnite razliko med nič točkami in neznanim povprečjem. Ker so vrednosti izmišljene, ne podajajte sklepov o dejanskih razmerah v občinah.

# Pripravite razširjeni povzetek v novi spremenljivki.

16.5 4. Tematska karta

Prikažite število sintetičnih točk po občinah. Barvna lestvica predstavlja število, ne gostote in ne kakovosti občine.

fig, ax = plt.subplots(figsize=(7, 5))
povzetek.plot(
    column="st_tock", ax=ax, cmap="YlGnBu", edgecolor="gray", legend=True,
    legend_kwds={"label": "število učnih točk", "shrink": 0.7},
)
tocke_m.plot(ax=ax, color="darkred", markersize=18)
xmin, ymin, xmax, ymax = obcine_m.total_bounds
ax.set(xlim=(xmin - 1000, xmax + 1000), ylim=(ymin - 1000, ymax + 1000),
       title="Sintetični učni primer", xlabel="E [m]", ylabel="N [m]")
ax.ticklabel_format(style="plain", useOffset=False)
fig.tight_layout()
plt.show()
<Figure size 980x700 with 2 Axes>
Slika 16.1: Število sintetičnih učnih točk po izbranih občinah. Meje: arhivski RPE, GURS; datum stanja ni dokumentiran.

Naloga: dodajte imena občin in shranite karto v OUT_DIR. Nato pripravite karto števila točk na km². V dveh stavkih pojasnite, zakaj se lahko vrstni red občin spremeni. Omejitev osi skriva zunanjo točko; ne odstrani je iz podatkov.

# Dodajte karto gostote sintetičnih točk in opis primerjave.

16.6 5. Območje oddaljenosti, izbor in izrez

Okoli prve točke pripravimo pas 3 km. Primerjajte število izbranih občin s površino njihovih odrezanih delov.

pas = tocke_m.iloc[[0]][["tocka_id", "geometry"]].copy()
pas["geometry"] = pas.buffer(3000)
izbrane = obcine_m.loc[obcine_m.intersects(pas.geometry.iloc[0])].copy()
izrez = obcine_m.clip(pas)
presek = obcine_m.overlay(pas, how="intersection")
presek["presek_km2"] = presek.area / 1_000_000
print("Izbrane občine:", izbrane["ime"].to_list())
print(presek[["ime", "presek_km2"]].round(2).to_string(index=False))
Izbrane občine: ['Domžale']
    ime  presek_km2
Domžale       18.09

Naloga: ponovite analizo za 1, 3 in 5 km. Pripravite tabelo skupne površine preseka z izbranimi občinami za vsak polmer. Površina pri večjem polmeru ne sme biti manjša. Ali je lahko manjša od površine celotnega kroga? Zakaj?

Razširitev: naredite pasove okoli vseh notranjih točk. Primerjajte vsoto njihovih površin s površino geometrij, združenih z dissolve(). Pojasnite dvojno štetje prekrivajočih se delov.

# Primerjajte polmere in po želji združite več pasov.

16.7 6. Točka na meji

Za natančen preizkus uporabimo dve umetni kvadratni območji v metrih. Točka leži na skupni meji. Geometrije v tej nalogi so zgolj shema in ne predstavljajo občin.

kvadrata = gpd.GeoDataFrame(
    {"obmocje": ["A", "B"]},
    geometry=[box(460000, 100000, 461000, 101000),
              box(461000, 100000, 462000, 101000)],
    crs=3794,
)
mejna = gpd.GeoDataFrame(
    {"id": ["meja"]}, geometry=[Point(461000, 100500)], crs=3794,
)
for odnos in ["within", "intersects"]:
    zadetki = mejna.sjoin(kvadrata, how="inner", predicate=odnos)
    print(odnos, zadetki["obmocje"].to_list())
within []
intersects ['A', 'B']

Pojasnite: zakaj se rezultata razlikujeta? Predlagajte pravilo za obravnavo mejne točke pri štetju. Ali bi bilo primerno brez obrazložitve obdržati samo prvo vrstico?

16.8 7. Zapis in kontrola

Zapišemo povzetek v GeoPackage in ga ponovno preberemo. Ponovni zagon zamenja isto izhodno plast, zato svoje pomembne različice shranite pod ločenimi imeni.

pot = OUT_DIR / "povzetek.gpkg"
povzetek.to_file(pot, layer="obcine", driver="GPKG", index=False)
prebrano = gpd.read_file(pot, layer="obcine")
print("Vrstice:", len(prebrano))
print("CRS:", prebrano.crs)
print("Vsota točk:", prebrano["st_tock"].sum())
Vrstice: 5
CRS: EPSG:3794
Vsota točk: 15

16.9 Samostojni izziv

Pripravite kratko poročilo za izbrano učno točko in polmer, ki ga sami določite:

  1. Zapišite vprašanje, uporabljene podatke in CRS.
  2. Poiščite občine, ki jih območje oddaljenosti doseže.
  3. Izračunajte delež površine vsake občine znotraj območja.
  4. Pripravite karto z naslovom, legendo, navedbo vira in oznako sintetičnih točk.
  5. Shranite tabelo in geometrije ter preverite ponovno branje.
  6. V največ enem odstavku razložite rezultat in njegove omejitve.

Deleži morajo biti med 0 in 1 oziroma med 0 in 100 %, odvisno od izbranega zapisa. Ravninsko območje oddaljenosti ne opisuje dostopnosti po cestah.

Pred oddajo izvedite Restart Kernel and Run All Cells. Oddajte beležnico z razlago in karto; izvornih učnih datotek ne spreminjajte. Rešitev ne sme biti odvisna od spremenljivk iz druge beležnice.