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:
| import pandas as pd | |
| import geopandas as gpd | |
| import STARTHER | |
| import nvdbapiv3 | |
| import nvdbgeotricks | |
| if __name__ == '__main__': |
| # 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 |
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.
| # 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: |
| """ | |
| 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} |
| """ | |
| 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 |
| """ | |
| Analyserer hvilke europa, riks og fylkesveger som ble til kommunalveger nyttår 2010 i Oslo | |
| Forutsetter at du har geopandas og dette biblioteket tilgjengelig https://github.com/LtGlahn/nvdbapi-V3 | |
| """ | |
| import sqlite3 | |
| import geopandas as gpd | |
| import pandas as pd |
| """ | |
| Konseptutvikling / demonstrasjon av hvordan du finner vegobjekt med framtidig startdato i NVDB | |
| Eksemplet leter etter tunneler (587) som har startdato > dagen i dag. | |
| Per 19. august vet vi om ett objekt med startdato = 10. september 2020. | |
| (https://nvdbapiles-v3.atlas.vegvesen.no/vegobjekter/581/1008940122/1) | |
| Vi har funnet to metoder som begge virker: | |
| - Metode 1: Hente alle versjoner (alle start/sluttdatoer) for en objekttype | |
| - Metode 2: Hent alle forekomster som antas å være gyldig en gang langt inn i framtida |