Analisi dei dati geospaziali

Puoi utilizzare la libreria geospatio - temporale per espandere la tua analisi scientifica dei dati in notebook Python per includere analytics di location raccogliendo, manipolando e visualizzando immagini, GPS, fotografia satellitare e dati storici.

La libreria gespatio-temporal è disponibile in tutti gli ambienti di runtime IBM watsonx.ai Studio Spark with Python.

Funzioni chiave

La libreria geospazio - temporale include funzioni per leggere e scrivere dati, funzioni topologiche, geohashing, indicizzazione, funzioni ellissoidali e di routing.

Gli aspetti chiave della biblioteca includono:

  • Tutte le geometrie calcolate sono accurate senza bisogno di proiezioni.
  • Le funzioni geospaziali sfruttano le capacità di elaborazione distribuite fornite da Spark.
  • La libreria include il supporto geohashing nativo per le geometrie utilizzate nelle aggregazioni semplici e nell'indicizzazione, migliorando così notevolmente il richiamo dello storage.
  • La libreria supporta le estensioni di Spark distribuite.
  • La libreria supporta le estensioni SQL/MM a Spark SQL.

Introduzione avviata con la libreria

Prima di poter iniziare ad utilizzare la libreria in un notebook, è necessario registrare STContext nel notebook per accedere alle funzioni st .

Per registrare STContext:

from pyst import STContext
stc = STContext(spark.sparkContext._gateway)

Passi successivi

Dopo aver registrato STContext nel notebook, è possibile iniziare ad esplorare la libreria spato-temporale per:

  • Funzioni di lettura e scrittura dei dati
  • Funzioni topologiche
  • Funzioni di geohashing
  • Funzioni di indicizzazione geospaziali
  • Funzioni Ellipsoidali
  • Funzioni di instradamento

I seguenti esempi di notebook Python pubblicati su Resource hub mostrano come utilizzare queste diverse funzioni nei notebook Python :

Nota:

È possibile accedere all'hub risorse selezionando hub risorse dal menu di navigazione principale.

Importante:

Se il vostro account watsonx si trova nella regione di Dallas IBM Cloud, potete seguire il link. Altrimenti, cercare il nome del campione nell'hub delle risorse. Questo campione potrebbe non essere disponibile in tutte le regioni o piattaforme cloud.