GIS & Spatial Analysis in KOREA

Python의 Geopandas를 이용한 공간데이터 시각화 (1)

Borin78 — Tue, 19 Nov 2019 08:00:53 +0900

[Mapping with Python]

#Data Analysis #Spatial Data Analysis #Big Data #Machine Learning #AI #Data Visualization #Python

#데이터 분석 #공간데이터 분석 #빅데이터 #기계학습 #머신러닝 #인공지능 #데이터 시각화 #파이썬

[ 개요 ]

짧은 강의를 통해 공간 데이터를 시각화하고 여러 다른 방법으로 얽어내는 것을 배워보자.

최근 공간 빅데이터 분석 시도가 다양한 방법으로 이뤄지고 있으며, 현실 세계에서 공간 데이터 분석이 활용된 사례는 다음과 같다.

국제적인 비영리 단체가 필리핀 외곽 지역 어디서부터 확장해 나가야 하는지 공간데이터 분석을 시도한 사례
멸종 위기종인 암청색 큰 제비의 이동 경로(북미-남미, 보존구역 등) 분석 사례
지진 피해 방지를 위한 보강 지역 분석 사례
캘리포니아에서 Starbucks Reserve Roastery 매장 후보지역 중 위치적으로 가장 우수한 지점 분석 사례
뉴욕에서 차량 사고 발생 시 대응할 수 있는 병원 및 수요 부족 지역 분석 사례
보스턴 범죄 지도, 가나의 보건 시설 조사 분석, 미국 내 독성 화학 물질 배출 추적 분석 및 시각화도 해볼 예정이다.

이번 강의에서는 본격적인 강의에 앞서 기본적으로 알고 있어야 하는 내용들에 대해 다루고자 한다. 좀 더 깊이 있는 공부가 필요하다면 Pandas micro-course를 공부해볼 것을 추천한다.

[ 데이터 불러오기 ]

GeoPandas 라이브러리를 이용한 공간데이터를 불러들여보자.

Import geopandas as gpd

공간데이터는 shapefile, GeoJSON, KML, GPKG 등 다양한 포멧 형태의 데이터로 되어있다. 각각의 데이터 타입에 대해 논의할 것은 아니나,

Shapefile은 공간데이터 분석 시 가장 많이 활용하는 데이터 형태이며,
대부분의 공간 데이터들은 gpd.read_file() 기능을 이용해 쉽고 빠르게 로딩할 수 있다.

다음 코드 셀은 통계지리정보서비스(http://sgis.kostat.go.kr/view/index)의 행정동 정보가 들어있는 파일을 업로드한 예시이다. 이 후 데이터의 5줄만 불러와 살펴보자.

# Read in the data

full_data = gpd.read_file(""C:/Users/Borin78/Deskotop/EMD_2018/Z_SOP_BND_ADM_DONG_PG.shp")

# View the first five rows of the data

ful_data.head(n=5)

[ 사전학습 ]

이번에는 첨부한 실습용 데이터(뉴욕시 환경보호국 자료)를 이용해 실습해보자. 앞서 head() 방법을 사용해 데이터 5줄을 살펴봤다. 이런 방식으로 우리는 Pandas DataFrame을 미리 보는 데 사용함을 기억해야 한다. 사실, DataFrame과 함께 사용할 수 있는 모든 명령은 데이터와 같이 작동한다. 데이터가 (Pandas) DataFrame의 모든 기능을 가진 (GeoPandas) GeoDataFrame 객체에 모두 로드되었기 때문이다.

Type(full_data)

Geopandas.geodataframe.GeoDataFrame

예를 들어, 우리가 전체 데이터의 컬럼들을 모두 사용할 계획이 아니라면, 데이터의 하위 컬럼들을 선택할 수 있다.

Data = full_data.loc[:.["CLASS", ""COUNTY, "geometry"]].copy()

우리는 value_counts() 방법을 이용해 데이터 셋에서 나타나는 다른 토지 형태와 횟수를 확인할 수 있다.

# How many lands of each type are there?

Data.CLASS.value_counts()

loc(혹은 iloc)나 isin을 이용해 하위 데이터들을 선택할 수 있다.

# Select lands that fall under the "WILD FOREST" or "WILDERNESS" category

wild_lands = data.loc[data.CLASS.isin(['WILD FOREST', 'WILDERNESS'])].copy()

wild_lands.head()

[ 지도 만들기 ]

plot() 방법을 이용해 빠르게 시각화를 해보자.

wild_lands.plot()

<matplotlib.axes._subplots.AxesSubplot at 0x2769e47ba58>

모든 GeoDataFrame은 특별한 “geometry” 컬럼을 가지고 있다. 공간정보를 담고 있다면 plot() 방법으로 호출할 때 표시되는 모든 기하학적 객체를 포함한다. 반면 이 칼럼은 다양한 종류의 데이터 타입들을 저장할 수 있으며, 일반적으로 각각의 엔트리는 점(Point), 선(LineString), 면(Polygon)이다.

예제로 활용하고 있는 데이터의 경우 총 2,983개의 각각 다른 폴리곤 형태의 데이터 셋을 포함하고 있으며, 위에 나온 이미지처럼 각각 다른 형태의 폴리곤이다. 아래 코드 셀은 캠핑장의 위치(Point), 트래킹 경로(LineString) 및 행정경계 (Polygon)을 포함하는 3개의 GeoDataFrame을 만드는 코드이다.

# Campsites in New York state (Point)

POI_data = gpd.read_file("../input/geospatial-learn-course data/DEC_pointsinterest/DEC_pointsinterest/Decptsofinterest.shp")

campsites = POI_data.loc[POI_data.ASSET=='PRIMITIVE CAMPSITE'].copy()

# Foot trails in New York state (LineString)

roads_trails = gpd.read_file("../input/geospatial-learn-course-data/DEC_roadstrails/DEC_roadstrails/Decroadstrails.shp")

trails = roads_trails.loc[roads_trails.ASSET=='FOOT TRAIL'].copy()

# County boundaries in New York state (Polygon)

counties = gpd.read_file("../input/geospatial-learn-course-data/NY_county_boundaries/NY_county_boundaries/NY_county_boundaries.shp")

이제 4개의 GeoDataFrame을 모두 이용해 지도를 그려보자. plot() 방법은 모양을 결정하는 몇 개의 변수를 선택적으로 정의해 입력해 사용 가능하다. 가장 중요한 것은 ax 값을 설정하면 모든 정보가 동일한 위치에 그려진다는 것이다.

# Define a base map with county boundaries
ax = counties.plot(figsize=(10,10), color='none', edgecolor='gainsboro', zorder=3)

# Add wild lands, campsites, and foot trails to the base map
wild_lands.plot(color='lightgreen', ax=ax)
campsites.plot(color='maroon', markersize=2, ax=ax)
trails.plot(color='black', markersize=1, ax=ax)

<matplotlib.axes._subplots.AxesSubplot at 0x7fbb7aef8f28>

뉴욕주의 북동부 지역은 캠핑 여행을 위한 훌륭한 지역이다.

[ 과제 ]

비영리 단체가 필리핀에서 사업을 확장할 때 외곽지역 어디서부터 시작해야 하는지 지도 시각화를 통해 확인해 보자.

10 Save and Export

Borin78 — Tue, 22 Jan 2019 08:00:00 +0900

[Kepler.gl]

#GIS #Web GIS #Web Mapping #Uber #Kepler.gl #Mapbox

#Data Analysis #Spatial Data Analysis #Big Data #AI #Data Visualization #Map #Mapping

#빅데이터 #인공지능 #데이터 분석 #공간데이터 분석 #데이터 시각화 #지도 #웹지도 #우버

[ Save and Export ]

Kepler.gl은 사용자를 위한 프로그램이다. 데모 앱에서 업로드한 데이터는 브라우저에 남아있다. 하지만, Uber는 모든 사용자들의 데이터를 백엔드로 보내 저장하지 않는다. 이 규칙으로 인해 지도를 저장하고 공유하는 방법이 제한적이다.

Export Image

현재 지도를 이미지로 내보낼 수 있다. 내보내기 윈도우는 현재지도 뷰포트를 사용하며, 미리 보기는 내보낼 지도 영역 전체를 보여줍니다. 보는 점을 조정하려면 내보내기 대화 상자를 닫아야 한다. 그림의 비율이나 해상도를 선택하거나 지도에 범례를 추가 할 수 있다.

Export Data

옵션을 이용해 필터링 된 데이터만 내보내거나 데이터 셋 전체를 내보내는 것도 가능하며 데이터를 CSV 파일로 내보낼 수 있다.

Export Map Configuration

1. Export Current Config

현재 지도 구성을 json 파일로 내보낼 수 있다. 이는 Kepler.gl을 사용해 사전에 설정한 지도를 다시 불러올 때 유용하다. 저장한 지도 구성에는 현재 레이어, 필터, 지도 스타일 및 설정된 기능들이 포함된다.

* 주의: Kepler.gl 지도의 기능들은 데이터 셋과 결합된다. dataId 키는 레이어, 필터 및 설정을 특정 데이터 셋과 결합하는 데 사용된다. 자신의 kepler.gl에 데이터 셋이 포함 된 구성을 업로드하려면 데이터 셋 ID가 config의 dataId와 일치하는지 확인해야한다.

2. Save and Export Current Map

현재 지도를 저장하고 공유하려면 현재 지도 내보내기 확인란을 클릭하여 현재 구성 및 업로드 된 데이터를 단일 json 파일로 내보낸다. 이 json 파일을 kepler.gl에 다시 불러오려면 Add Data to Map 대화 상자에 파일을 가져다 놓으면 된다.

** 원문: https://github.com/uber/kepler.gl/blob/master/docs/b-kepler-gl-workflow/a-add-data-to-the-map.md (본문의 내용을 좀더 이해하기 쉽게 의역해 놓았습니다.)

- 끝 -

09 Time Playback

Borin78 — Thu, 17 Jan 2019 08:00:00 +0900

[Kepler.gl]

#GIS #Web GIS #Web Mapping #Uber #Kepler.gl #Mapbox

#Data Analysis #Spatial Data Analysis #Big Data #AI #Data Visualization #Map #Mapping

#빅데이터 #인공지능 #데이터 분석 #공간데이터 분석 #데이터 시각화 #지도 #웹지도 #우버

[ Time Playback ]

다음 단계에 따라 이벤트 재생 비디오를 만들 수 있다.

1. 타임 스탬프와 같은 시간 관련 필드를 기반으로 필터를 추가한다.

2. 데이터 재생 윈도우는 지도 하단에 나타난다. 막대 그래프는 모든 데이터 포인트의 시간대별 분포 그래프이다. 원하는 시간 창을 선택 할 수 있다.

3. 재생을 눌러 비디오를 시작한다. 재생 속도를 변경하려면 오른쪽 상단의 1x, 2x, 4x를 클릭한다.

4. 사용자 정의의 y 축을 선택한다. Y 축 선택을 클릭하여 기본 분포 그래프 설정을 선택한 열의 시간 간격으로 변경할 수 있다. 아래 이 기능을 사용한 사례로 주어진 점들의 ‘이동 속도 vs. 시간’을 그래프가 있다.

** 원문: https://github.com/uber/kepler.gl/blob/master/docs/b-kepler-gl-workflow/a-add-data-to-the-map.md (본문의 내용을 좀더 이해하기 쉽게 의역해 놓았습니다.)

- 끝 -

08 Map Settings

Borin78 — Wed, 16 Jan 2019 08:00:00 +0900

[Kepler.gl]

#GIS #Web GIS #Web Mapping #Uber #Kepler.gl #Mapbox

#Data Analysis #Spatial Data Analysis #Big Data #AI #Data Visualization #Map #Mapping

#빅데이터 #인공지능 #데이터 분석 #공간데이터 분석 #데이터 시각화 #지도 #웹지도 #우버

[ Map Settings ]

툴팁, 브러쉬 강조 표시, 지도 이미지(물, 공원 등) 등을 포함하여 지도에서 맞춤 설정 옵션을 껐다 켰다 할 수 있습니다.

Tooltips and Highlighting

맞춤형 옵션들을 지도에서 껐다 켰다 할 수 있다.

1. ‘Interaction’ 아이콘을 클릭해 ‘Interaction’ 메뉴를 연다.

2. 켜고 싶은 옵션의 스위치를 클릭해 켠다.

선택할 수 있는 Interaction에는 Tooltips와 Brush 두 가지 유형이 있다. 한 번에 하나씩 만 사용할 수 있다.

Tooltip: 툴팁은 데이터 위로 커서를 옮기면 설정한 항목을 표시한다. 설정 메뉴에서 표시 할 필드를 선택할 수 있다.

(* 팁: 포인트를 클릭하여 툴팁 정보를 고정한다. 툴팁 고정을 해제하려면 파란색 스위치를 누른다.)

Brush : Brush로 커서가 있는 영역을 강조 표시 할 수 있다. Brush가 켜지면 모든 레이어가 어두워진다. 마우스로 커서를 위치시켜 놓은 부분만 조명된다. Brush는 특히 Arc(호) 레이어와 잘 작동한다.

** 원문: https://github.com/uber/kepler.gl/blob/master/docs/b-kepler-gl-workflow/a-add-data-to-the-map.md (본문의 내용을 좀더 이해하기 쉽게 의역해 놓았습니다.)

- 끝 -

07 Map Style

Borin78 — Tue, 15 Jan 2019 08:00:00 +0900

[Kepler.gl]

#GIS #Web GIS #Web Mapping #Uber #Kepler.gl #Mapbox

#Data Analysis #Spatial Data Analysis #Big Data #AI #Data Visualization #Map #Mapping

#빅데이터 #인공지능 #데이터 분석 #공간데이터 분석 #데이터 시각화 #지도 #웹지도 #우버

[ Map Style ]

Base Map Styles

배경 지도의 색깔, 이미지와 라벨을 조절하기 위해서는 ‘Base Map Panel’를 클릭한다.

배경 지도의 색 스타일과 이미지 변경을 위해 배경 지도 드롭 다운 메뉴를 오픈한다. 옵션은 다음과 같다.

어둠: 어두운 배경 지도 위에 밝은 색 텍스트로 표현됨
밝음: 밝은 배경 지도 위에 어두운 색 텍스트로 표현됨

Map Layers

Map Layers에서 수변, 건물, 도로 등을 껐다 켰다 할 수 있다. 옵션들을 다움과 같다.

라벨: 도시들과 이웃 등을 라벨로 보여줌
도로: 선형의 도로를 투명한 형태로 보여줌
경계: 행정경계와 국가 경계를 보여줌
건물: 건물 모습을 보여줌
물: 수체계를 보여줌
토지: 공원, 산 그리고 특징적인 풍경을 보여줌

지도의 이미지 레이어를 순서대로 저정하기 위해서 윗쪽으로 이동시키는 아이콘을 껐다 켰다 한다.

(* 팁: 라벨이 가려지는 것을 피하기 위해 색상이 지정된 레이어가 있는 지도에서는 라벨을 맨 위로 이동합니다.)

Add Custom Mapbox Styles

맞춤 기본지도 스타일을 추가하려면 ‘Add Map Style’ 버튼을 클릭하여 맞춤 지도 스타일 모달을 열고 Mapbox의 Style Url을 붙여 넣는다. 만약, 맞춤 지도가 게시되지 않은 경우 Mapbox Access Token을 붙여 넣는다.

View Maps in 3D

지도의 오른쪽 상단에 있는 3D 아이콘을 클릭하면 지도를 3D로 볼 수 있다.

Display Legend

지도의 오른쪽 상단에 있는 범례 아이콘을 클릭하면 지도 범례를 볼 수 있다.

Split Maps

Split Map 기능을 사용하여 동일한 도면 영역을 둘로 나누어 나란히 비교할 수 있다.

1. 지도의 오른쪽 상단 모서리에 있는지도 분할 아이콘을 클릭하여 기능을 활성화한다.

2. 각 지도의 오른쪽 상단 모서리에 있는 레이어 아이콘을 사용하여 각 지도에 표시되는 레이어를 전환한다.

3. 한쪽 지도를 확대/축소하면 다른 지도가 자동으로 동일하게 변한다.

** 원문: https://github.com/uber/kepler.gl/blob/master/docs/b-kepler-gl-workflow/a-add-data-to-the-map.md (본문의 내용을 좀더 이해하기 쉽게 의역해 놓았습니다.)

- 끝 -

06 Add Filters

Borin78 — Mon, 14 Jan 2019 08:00:00 +0900

[Kepler.gl]

#GIS #Web GIS #Web Mapping #Uber #Kepler.gl #Mapbox

#Data Analysis #Spatial Data Analysis #Big Data #AI #Data Visualization #Map #Mapping

#빅데이터 #인공지능 #데이터 분석 #공간데이터 분석 #데이터 시각화 #지도 #웹지도 #우버

[ Filters ]

화면에 표시되는 데이터를 조절하기 위해 지도에 필터를 설치 할 수 있다. 필터는 반드시 데이터 셋의 열(Column)에 연결되어야 한다.

필터를 설치하는 방법은 다음과 같다.

1. 오른쪽 내비게이션 창에서 필터를 선택한다.

2. 필터 패널에서 가능한 필터들을 보여주며, 데이터 셋은 색깔로 구분된다. 새로운 필터를 만들려면 ‘Add Filter’를 클릭한다.

3. 데이터셋을 선택하고, 필터링하고 싶은 데이터 필드를 선택한다. 필터의 값은 데이터 필드의 타입(숫자, 텍스트, 시간 등)에 의해 결정된다.

4. 필드와 값을 지정하자 마자 필터가 적용된다.

5. 오른쪽 옆에 있는 쓰레기통을 클릭해 필터를 언제든 삭제 할 수 있다.

(* 주의: 필터는 동일한 데이터 셋에 있는 데이터 전체에 적용된다.)

** 원문: https://github.com/uber/kepler.gl/blob/master/docs/b-kepler-gl-workflow/a-add-data-to-the-map.md (본문의 내용을 좀더 이해하기 쉽게 의역해 놓았습니다.)

- 끝 -

05 Layer Attributes

Borin78 — Wed, 9 Jan 2019 08:00:00 +0900

[Kepler.gl]

#GIS #Web GIS #Web Mapping #Uber #Kepler.gl #Mapbox

#Data Analysis #Spatial Data Analysis #Big Data #AI #Data Visualization #Map #Mapping

#빅데이터 #인공지능 #데이터 분석 #공간데이터 분석 #데이터 시각화 #지도 #웹지도 #우버

[ Layer Attributes ]

No.	레이어 속성	설명	가능한 레이어
1	Color/Color based on	레이어 색상을 선택하거나 데이터 셋의 필드에 기반해 색을 선택한다.	All layers
2	High-precision rendering	레이어를 확대했을때 정교한 시각화를 제공한다. 정교한 시각화는 성능에 따라 다르다.	Point, Arc, Line, Icon, GeoJSON, Hexagon, Grid
3	Radius/Radius based on	포인트(점)의 크기를 변경하거나 혹은 데이터 셋의 필드에 기반해 반경을 결정한다.	Point, Icon, GeoJSON
4	Opacity	레이어의 투명도를 조절한다. 1 = 투명도 없음, 0 = 완전 투명	All layers
5	Cluster size	클러스터의 세밀한 정도를 변경한다. 수치가 낮을수록 클러스터를 집계하는 데 사용하는 지형 공간의 반경이 작아진다.	Cluster
6	Radius range	적용된 반경의 크기에 대한 최대 최소 값을 설정한다.	Point, Icon, Geojson, Cluster
7	Stroke width/stroke width based on	선, 호의 굵기를 변경하거나, 데이터 셋의 필드에 기반해 변경할 수 있다.	Arc, line, Geojson
8	Stroke width range	적용된 선 굵기의 최대 최소 값을 설정한다.	Arc, Line, Geojson
9	Grid size	각 격자들의 평방킬로미터의 수를 변경할 수 있다.	Grid
10	Color Palette	레이어의 색을 미리 정의된 여러 색상 팔레트 중에서 선택할 수 있다. 색상표는 Uber 또는 ColorBrewer의 색깔들이다.	All layers
11	Color Scale	Quantile 혹은 Quantize된 색상 스케일을 선택할 수 있다. Quantile 색생 스케일은 순서로 결정되고 Quantized 색상 스케일은 값으로 결정된다.	All layers
12	Height based on	격자 사각형의 높이를 데이터 셋의 필드에 기반해 변경할 수 있다.	Grid, Hexagon
13	Filter by count percentile	표시 할 백분위 범위를 선택해 격자의 수를 늘리거나 줄일 수 있다.	Grid, Hexagon
14	Coverage	색으로 덮여있는 격자형 셀의 비율을 변화시킬 수 있다.	Grid, Hexagon
15	Height Scale	3D 모드에서 격자 혹은 육각형의 높이를 변경 할 수 있다.	Grid, Hexagon
16	Stroked	활성화 시 주형 주변으로 외곽선을 그린다.	GeoJSON, Point
17	Filled	활성화 되면 지형을 색상으로 재운다.	GeoJSON
18	Extruded	3D 모드에서 데이터 셋의 일부 값을 이용해 다각형의 높이를 지정할 수 있다.	GeoJSON
19	Wireframe	돌출된 다각형 주변으로 윤곽성을 그린다.	GeoJSON
20	Stroke or radius based on	GeoJSON 라인 및 포인트의 반경 및 두께를 제어한다.	GeoJSON

** 원문: https://github.com/uber/kepler.gl/blob/master/docs/b-kepler-gl-workflow/a-add-data-to-the-map.md (본문의 내용을 좀더 이해하기 쉽게 의역해 놓았습니다.)

- 끝 -

04 Layer Control

Borin78 — Tue, 8 Jan 2019 08:00:00 +0900

[Kepler.gl]

#GIS #Web GIS #Web Mapping #Uber #Kepler.gl #Mapbox

#Data Analysis #Spatial Data Analysis #Big Data #AI #Data Visualization #Map #Mapping

#빅데이터 #인공지능 #데이터 분석 #공간데이터 분석 #데이터 시각화 #지도 #웹지도 #우버

[ Layer Control ]

Hide, Edit and Delete Layers

각각의 데이터 레이어들은 해당 탭이 있다.

아래 방향 화살표를 클릭하면 레이어 세팅 메뉴를 볼 수 있다. 쓰레기통을 클릭하면 해당 레이어를 삭제할 수 있다. 눈 모양을 클릭하면 레이어를 껏다 켰다 할 수 있다.

*주의: 레이어 탭 좌측에 위치한 색은 데이터 셋이 어디에 속해 있는지 보여준다.

Bland and Rearrange Layers

레이어를 재위치 시키려면 레이어 패널에서 해당 레이어를 끌어다가 순서를 조정하면 된다. 맨 위에 위치한 레이어가 지도에서 가장 위에 표시 된다.

레이어 패널의 아래쪽에 있는 드롭 다운에서 옵션을 선택하여 레이어를 혼합하면 된다.

Normal(일반), Addictive(누적) 및 Subtractive(제외) 세가지 혼합 방식이 있다.

Normal Blending

일반 혼합 방식은 데이터 포인트가 누적되더라도 색이나 값에 변화가 없는 것을 의미한다. (다른 여러 레이어가 적층 되었으나 동일한 색상의 점으로 하나의 레이어 처럼 표현됨)

Addictive Blending

누적 혼합 장식은 데이터가 누적될수록 값과 색도 누적해 변화한다. 어두운 색 배경의 지도에서 특히 고밀도 영역을 쉽게 시각화 할 수 있다.

Subtractive Blending

제외 방식의 혼합에서는 레이어에서 겹치는 데이터 포인트의 색상 값을 변경하지는 않는다. (레이어의 순서에 따라 색상의 농도 변화는 있으나 적층된 지점의 색을 변화 시키지는 않는다)

** 원문: https://github.com/uber/kepler.gl/blob/master/docs/b-kepler-gl-workflow/a-add-data-to-the-map.md (본문의 내용을 좀더 이해하기 쉽게 의역해 놓았습니다.)

- 끝 -

03 Adding Data Layer

Borin78 — Mon, 7 Jan 2019 08:00:00 +0900

[Kepler.gl]

#GIS #Web GIS #Web Mapping #Uber #Kepler.gl #Mapbox

#Data Analysis #Spatial Data Analysis #Big Data #AI #Data Visualization #Map #Mapping

#빅데이터 #인공지능 #데이터 분석 #공간데이터 분석 #데이터 시각화 #지도 #웹지도 #우버

[ Adding Data Layer ]

‘레이어’라는 용어의 의미는 데이터 시각화의에 이용되는 데이터들을 의미한다. 예를 들어, 아래 뉴욕시 지도처럼 택시가 출발한 모든 사례를 시각화하기 위해 포인트(점) 레이어를 추가 할 수 있다.

각각의 파란색 점(위도, 경도)들은 위치를 의미한다. 레이어는 마치 페인트를 칠하는 것과 같으며, 여러 레이어를 만들어 캔버스의 외형을 바꿀 수도 있다. 뿐만 아니라 아래 지도처럼 택시에서 하차한 위치 레이어를 만들어 추가 할 수도 있다.

Create a Layer

1. 왼쪽 네비게이션 바에 있는 Data Layers 아이콘을 클릭한다.

2. 레이어 패널에 현재 있는 모든 레이어들이 표시되며 레이어들이 어느 데이터 셋에 속하는지 명칭이 나타난다. (아래의 여행 샘플 데이터 참조) 새로운 레이어를 추가하기 위해서는 메뉴의 하단에 있는 ‘Add Layer’를 클릭한다.

3. 만약 작업중인 지도에 다양한 데이터 셋을 올려 놓았다면 새 레이어를 올리기 위해 데이터 소스를 선택하라고 물어볼 것이다.

4. 레이어의 타입에 대해서는 블로그 글 [Type of Layers]에서 확인 할 수 있다.

5. 요구하는 열에 대한 내용을 채워 넣고 원하는 경우 옵션을 조정한다.

6. 완료 후 레이어 설정 메뉴를 닫는다.

** 원문: https://github.com/uber/kepler.gl/blob/master/docs/b-kepler-gl-workflow/a-add-data-to-the-map.md (본문의 내용을 좀더 이해하기 쉽게 의역해 놓았습니다.)

- 끝 -

02 Types of Layers

Borin78 — Fri, 4 Jan 2019 08:00:00 +0900

[Kepler.gl]

#GIS #Web GIS #Web Mapping #Uber #Kepler.gl #Mapbox

#Data Analysis #Spatial Data Analysis #Big Data #AI #Data Visualization #Map #Mapping

#빅데이터 #인공지능 #데이터 분석 #공간데이터 분석 #데이터 시각화 #지도 #웹지도 #우버

[ Types of Layers ]

1. Point

Point 레이어는 주어진 이벤트 또는 객체에 대한 Point를 그립니다.

2. Arc

호(Arc) 레이어는 두 점을 중심으로 호를 그린다. 두 점 사이의 거리를 시각화하고 3D로 거리를 비교하는데 유용하다. 호(Arc) 레이어는 두 점 사이의 경로를 나타내지 않으며 단순히 두 점 사이의 거리를 나타낸다. 가장 큰 호가 가장 긴 거리를 나타낸다. 호를 그리려면 데이터 셋에 각 호에 대해 서로 다른 두 점의 경위도 값이 있어야 한다.

3. Line

선 레이어는 호 레이어의 2D 버전이다. 둘 다 거리를 나타내기 위해 두 점 사이에 선을 그으나 선 레이어는 호와 달리 선이 평면에 놓인다.

4. Grid

그리드 레이어는 히트맵과 유사하다. 점들의 밀도를 보여준다. 여러 종류의 서로다른 히트맵 레이어가 있는 지도에서는 시각적 불일치가 발생한다.

5. GeoJSON

GeoJSON 레이어는 경로나 폴리곤을 표시 할 수 있다. 예를 들어 경로 GeoJSON 레이어는 여행 경로와 같은 데이터를 표시 할 수 있다. 폴리곤 GeoJSON 레이어는 본질적으로 Choropleth(단계구분도) 레이어이며 지오펜스 (실제 위치에 기반한 가상 경계나 구역) 렌더링에 가장 적합하다. GeoJSON 레이어를 추가하려면 데이터 셋에 지오메트리 데이터가 있어야 한다.

6. Cluster

클러스터 레이어는 지리공간적 반경을 중심으로 데이터들의 군집 정도를 시각화한다.

7. Icon

아이콘 레이어는 점 레이어의 한 유형이다. 필드를 기반으로 점에 아이콘을 지정하여 점을 구별 할 수 있다. 예를 들어, 아이콘을 사용하여 경기장 유형과 관심 장소를 구별 할 수 있다. 아이콘 메뉴를 보려면 새 아이콘 레이어를 만들고 아이콘 레이어를 그리는 방법을 클릭하면 된다.

** 원문: https://github.com/uber/kepler.gl/blob/master/docs/b-kepler-gl-workflow/a-add-data-to-the-map.md (본문의 내용을 좀더 이해하기 쉽게 의역해 놓았습니다.)

- 끝 -