Pythonを用いた地理空間分析の基本

Pythonで学ぶ空間データサイエンス入門: 地域の特徴を発見する方法

ポチップ

Shapely
Shapelyは地理空間オブジェクトの作成、操作、分析を行うライブラリです。点、線、ポリゴンなどの基本的な地理空間オブジェクトを扱い、距離計算や交差判定などの空間解析が可能です。

著:植杉　大

¥1,500 （2025/04/03 20:20時点 | Amazon調べ）

ポチップ

Fiona
FionaはジオメトリデータをGDAL（Geospatial Data Abstraction Library）から読み込むためのライブラリです。GeoPandasが内部で使用しています。

Geoprocessing with Python (English Edition)

著:Garrard, Christine

¥6,573 （2025/04/03 20:11時点 | Amazon調べ）

Python Data Visualization Essentials Guide: Become a Data Visualization expert by building strong proficiency in Pandas, Matplotlib, Seaborn, Plotly, Numpy, and Bokeh (English Edition)

ポチップ

Folium
FoliumはJavaScriptのleaflet.jsをPythonで使えるようにしたライブラリで、インタラクティブな地図の作成が可能です。

著:Rahman, Kalilur

¥2,439 （2025/04/03 20:11時点 | Amazon調べ）

PythonとShapelyを利用した地理空間情報入門 – Qiita

ポチップ

その他のライブラリ

PyProj：座標系の変換
xarray：ラスターデータの処理
matplotlib：静的な地図の可視化

基本的な地理空間データ操作

環境設定

まずは必要なライブラリをインストールします：

pip install geopandas shapely folium pyproj matplotlib

データの読み込み

GeoPandasを使って地理空間データを読み込みます：

import geopandas as gpd

# シェープファイルの読み込み
gdf = gpd.read_file('filename.shp')

# 基本情報の確認
print(gdf.head())
print(gdf.crs)  # 座標参照系（CRS）の確認

GeoPandasは、シェープファイル（.shp）やGeoJSON、CSV（座標データを含む）など様々な形式の地理空間データを読み込むことができます。

地理空間オブジェクトの作成

Shapelyを使って基本的な地理空間オブジェクトを作成します：

from shapely.geometry import Point, LineString, Polygon

# 点の作成（東京の座標）
point = Point(139.6917, 35.6895)
print("Point:", point)

# 線の作成
line = LineString([(139.6917, 35.6895), (139.7671, 35.6812)])
print("Line:", line)

# ポリゴンの作成
polygon = Polygon([(139.6917, 35.6895), (139.7671, 35.6812), (139.7295, 35.6639)])
print("Polygon:", polygon)

この例では、緯度経度座標を使って東京周辺の点、線、ポリゴンを作成しています。

座標系の確認と変換

地理空間データを適切に扱うためには、座標系の理解が重要です：

# 座標系を確認
print(gdf.crs)

# 座標系を変換（WGS84という世界で広く使われる緯度経度の座標系に変換）
gdf = gdf.to_crs(epsg=4326)

EPSG:4326はWGS84と呼ばれる世界標準の緯度経度座標系で、地図描画によく使われます。

空間演算と分析

地理空間オブジェクト間の関係を計算します：

from shapely.ops import nearest_points

# 距離の計算
distance = point.distance(line)
print("Distance between point and line:", distance)

# 最も近い点を見つける
nearest = nearest_points(point, line)
print("Nearest points:", nearest)

このコードでは、点と線の間の距離計算や、最も近い点を見つける操作を行っています。

Qiita

地理空間データの可視化

静的な地図の作成

GeoPandasとmatplotlibを使って静的な地図を作成します：

import matplotlib.pyplot as plt

# 世界地図データを読み込む
world = gpd.read_file(gpd.datasets.get_path('naturalearth_lowres'))

# 大陸ごとに色分けした世界地図を描画
world.plot(column='continent', legend=True, figsize=(10, 10))
plt.title('World Map by Continent')
plt.show()

このコードでは、GeoPandasに付属するサンプルデータを使って、大陸ごとに色分けした世界地図を作成しています[6]。

インタラクティブな地図の作成

Foliumを使ってインタラクティブな地図を作成します：

import folium

# 中心座標を指定して地図を作成
m = folium.Map(location=[35.6895, 139.6917], zoom_start=12)

# マーカーを追加
folium.Marker([35.6895, 139.6917], popup='Tokyo').add_to(m)

# 地図を表示
m

Foliumを使うと、ズームイン・アウトやクリックでの情報表示など、インタラクティブな操作が可能な地図を作成できます。

Pythonで地理空間データを自在に操る｜yasusan

note（ノート）

応用例：地理空間データの結合と分析

地理空間データと属性データを結合する例を見てみましょう：

# 日本の都道府県ポリゴンデータ
japan = gpd.read_file('japan_prefectures.shp')

# 各都道府県の統計データ
import pandas as pd
stats_df = pd.DataFrame({
    'prefecture': ['Tokyo', 'Osaka', 'Hokkaido'],
    'population': [13960000, 8840000, 5380000]
})

# 地理データと統計データを結合
merged_df = japan.merge(stats_df, left_on='prefecture_name', right_on='prefecture')

# 人口別に色分けした日本地図を描画
merged_df.plot(column='population', legend=True, cmap='YlOrRd', figsize=(10, 10))
plt.title('Population by Prefecture')
plt.show()

このような結合処理により、人口統計などの属性データを地図上に可視化することができます。

地理空間情報を扱うなら知っておきたいPythonライブラリ、GeoPandas入門~基礎編~ | 宙畑

宙畑

GISデータの種類と形式

ベクターデータ形式

シェープファイル（SHP）：
最も一般的なGISデータ形式の一つで、道路や建物などの位置や形状、属性情報を持つベクターデータを格納します。

GeoJSON：
JSON形式を拡張した地理データ形式で、Webアプリケーションでよく使われます。

KML/KMZ：
Google EarthやGoogle Mapsで使われる形式です。

ラスターデータ形式

GeoTIFF：
地理情報を含むTIFF形式の画像ファイルです。衛星画像や航空写真によく使われます。

NetCDF：
科学データ用のバイナリ形式で、気象データなどに使われます。

地理空間データ分析の活用分野

Pythonによる地理空間データ分析 ―例題で学ぶロケーションインテリジェンス

オーム社

¥3,740 （2025/04/03 20:21時点 | Amazon調べ）