LtGlahn

"""
Sammenligner antall objekt for et kontraktsområde fra V2 og V3, samt om 
V2 gir resultater som varierer

"""

import requests
from datetime import datetime 
import json 
from copy import deepcopy

LtGlahn

"""
Hvordan finne de bitene av vegnettet som mangler kontraktsområde? 

https://www.vegdata.no/2021/09/21/hvor-mangler-vi-kontraktsomrade/ 
"""
import requests

# Setter filter
mittfilter = { 'vegsystemreferanse' : 'Fv', 'fylke' : 34}

LtGlahn

# Først må du grabbe reposet mitt https://github.com/LtGlahn/nvdbapi-V3
# og så må du minimum få installert pandas (regneark på steroider, men i kommandolinjen eller i notebook. 
# Mener pip install pandas skal funke greit for akkurat dette behovet. 
# Eller du kan gå "all-inn" og ha en litt tregere installasjonsprosess, men ha en utrolig fin verktøykasse. 
# 
# Jeg anbefaler å gå all-inn og bruke conda til å håndtere pakker, sette opp miljøer (separate sandkasser) 
# og dermed minimere smertepunkt knyttet til versjonskonflikter etc. som ellers kommer før eller siden 
# hvis man flittig føyer til nye, kule ting med pip install. 
# 
# Min favorittoppskrift på "conda" oppsett med kule GIS-ting finnes her: 

LtGlahn

En del python GIS-programvare er basert på C-rutiner kompilert for og med python-bindinger. Installasjon av disse C-baserte pythonpakkene kan være litt trælete, og gi versjonskonflikter med andre python-pakker du ønsker å bruke. Anbefalingen er derfor å isolere det du trenger til egne python environments. Når ulike python-pakker finnes i separate kjøremiljø så minimerer du sjangsen for versjonskonflikt - og hvis det verste skulle skje så har du et utrolig mye bedre utgangspunkt for å rydde opp. Å lage et nytt kjøremiljø med ny installasjon av det du trenger er enkelt, og løser de fleste konflikter - mens det å rydde opp i versjonskonflikter på eksisterende installasjon definitivt ikke er noe for uøvde.

Slike kjøremiljø kan lages på flere måter, men fremgangsmåten vist her er det som er gjengs praksis innafor Data science - miljøet.

Steg 0 - bruk Anaconda python installasjon

LtGlahn

# Kode for å lagre nvdb-objekt som geojson via dette biblioteket + (geo)pandas
# https://github.com/LtGlahn/nvdbapi-V3/

import nvdbapiv3
import geopandas as gpd
import pandas as pd
import shapely
from shapely import wkt

sok = nvdbapiv3.nvdbFagdata( 923 ) # Objekttypen 923 Beredskapsveg er et søtt, lite datasett: 38 objekter

LtGlahn

import pandas as pd
import geopandas as gpd

import STARTHER
import nvdbapiv3
import nvdbgeotricks


if __name__ == '__main__': 

LtGlahn

(lat,lon) eller (lon,lat) - slik bytter du rekkefølge i shapely geometriske objekter

Dette med rekkefølgen (lon,lat) eller (lat,lon) for koordinatsystemet EPSG:4326 er traurig og fruktesløs diskusjon. Her er kode for å flippe mellom disse to variantene, dvs bytte (X,Y) => (Y,X).

Geometrien her er shapely geometriobjekter.

Denne oppskriften funket tidligere på 3D objekter uavhengig av geometritype, det kan godt hende det funker fint for din shapely-versjon:

LtGlahn

Geojson - strengt tatt lon, lat koordinater

Geojson skal i følge spesifikasjonen strengt tatt være (lon, lat) i koordinatsystem EPSG:4326. Uten å ta opp diskusjonen om hva som er korrekt rekkefølge så må vi bytte om på koordinatene fra LES, som kommer i rekkefølgen (lat, lon)

import pandas as pd
import geopandas as gpd 

LtGlahn

import requests
from datetime import datetime
from time import sleep
import pandas as pd 
import geopandas as gpd

data = []
# url = 'https://hjortevilt2-utv.miljodirektoratet.no/api/v0/fallvilt'
url = 'https://www.hjorteviltregisteret.no/api/v0/fallvilt'

LtGlahn

import requests 
import json
import sys
from datetime import datetime, timedelta

# import pandas as pd
# import geopandas as gpd
# from shapely.geometry import Point
# from shapely import wkt