GeoPandas and Taiwan CRS以高雄腳踏車道做簡介

PyCon TW 2016 聽了一場有趣的演講 From Pandas to GeoPandas - 地理資料處理與分析 講者很清楚地把目前世界與臺灣的地理座標系統做了一些簡介，還展示了一些使用 Jupyter 與 GeoPandas 方法。

恰巧不巧剛好看到朋友在臉書上也在處理這類資料，就做了些演講心得與使用記錄。

臺灣座標系統

臺灣較常見的座標系統有 WGS84 的經緯度座標、與投影後的二度分代投影座標(TM2): TWD67、TWD97，經緯度座標系和 TM 二度分代投影座標系主要差異是前者是三維空間後者是二維空間。

兩類可從數字的大小立刻辨別一筆資料是屬於前後者（TM2 的值會很大），至於 TM2 的 TWD67 與 TWD97 則可以根據資料量測時間來簡單分辨，因為 1999 年發生集集 921 大地震，地理型態因此產生一些變化，很多地理位置使用 TWD97 有重新測量，這是一個簡單的判斷準則。

更多的資訊可以參考大地座標系統與二度分帶座標

環境設定與套件安裝

我的電腦是用 OS X + Python3，要建立一個新的資料 kbike 夾與虛擬環境 venv：

$ Jason mkdir -p kbike
$ Jason python3 -m venv env
$ Jason source source env/bin/activate
$ (env)Jason

建立之後就可以用 pip 開始安裝 GeoPandas 和 Jupyter 兩個套件然後進入 kbike 資料夾下載檔案：

$ Jason pip install GeoPandas
$ Jason pip install Jupyter

因為這次 sample 是高雄自行車道地理資訊，所以建立完之後就可以下載高雄自行車路線解壓縮到 kbike 資料夾內。 這次下載資料有三個，因為都是中文我改了檔案名稱：

kbike0324.dbf
kbike0324.shp
kbike0324.shx

這三個檔案會使用到 .shp 裡頭儲存著二維座標系的位置。

處理資料

萬事俱備只欠東風，現在就可以將前面我們安裝好的 Jupyter Notebook 打開然後 import GeoPandas。

$ Jason jupyter notebook

打開預設瀏覽器後會看到右上角一個 new 的按鈕，點開然後選擇 python3，這時會跑出一個 console mode，就先 import 套件然後設定產生圖的 size:

import geopandas as gpd
%pylab inline
pylab.rcParams['figure.figsize'] = (20.0, 20.0)

接著就是把 .shp 檔案讀進來然後印出來看看檔案的樣子：

villages_shap = gpd.read_file('kbike0324.shp')
villages_shap.head()

這份資料主要由 1029 rows × 2 columns 組合而成，因為 GeoPandas 是依附在 Pandas 所以資料只會印出一部分：

接著我們要將這份資料的地理座標系印出，因為只是範例就簡單找了兩個腳踏車道 阿公店自行車道和博愛世運大道 來處理囉。

broad = villages_shap[villages_shap['system'] == '阿公店自行車道']
loveroad = villages_shap[villages_shap['system'] == '博愛世運大道']

然後就會把圖檔順利產生囉。 範例就在 gihub 歡迎下載參考。