Coğrafi verilerin Python ile dönüştürülmesi işlemleri artık çok daha kolay Bu yazıda, Coğrafi Verileri Python İle Dönüştürme Yöntemleri hakkında detaylı bilgi edinebilirsiniz En güncel yaklaşımları öğrenmek ve uygulamak için bu yazıyı okuyun
Coğrafi veriler, yeryüzündeki nesnelerin konum bilgilerini içeren verilerdir ve günümüzde birçok farklı alanda kullanılmaktadır. Ancak, bu verilerin etkili bir şekilde kullanılabilmesi için dönüştürülmesi gerekebilir. İşte bu noktada Python programlama dili ve bazı kütüphaneleri devreye girmektedir.
Python programlama dili, coğrafi verilerin işlenmesi ve dönüştürme işlemleri için oldukça popüler bir seçenektir ve birçok kütüphaneye sahiptir. Python kullanarak coğrafi verilerin dönüştürülmesi için en sık kullanılan modüllerden biri Pyproj'dur. Pyproj modülü, coğrafi verilerin dönüştürülmesi için gerekli matematiksel hesaplamaları yapar ve Proj4 kütüphanesini kullanarak bu işlemleri gerçekleştirir.
Ayrıca, Fiona ve GeoPandas gibi diğer Python kütüphaneleri de coğrafi verilerin okunması, işlenmesi ve görselleştirilmesi konularında oldukça kullanışlıdır. Basemap kütüphanesi de coğrafi veriler üzerinde haritalar oluşturmak için sıklıkla kullanılan bir kütüphanedir.
Coğrafi verilerin dönüştürülmesi ve işlenmesi, Python kullanarak oldukça kolay ve hızlı bir şekilde gerçekleştirilebilir. Pyproj, Fiona, GeoPandas ve Basemap gibi kütüphaneler, coğrafi verilerin farklı formatlarda okunması ve dönüştürülmesi işlemleri için oldukça kullanışlıdır. Ayrıca, Python'un kolay öğrenilebilirliği ve açık kaynak kodlu olması, Python kullanarak coğrafi verilerin işlenmesi için ideal bir seçenek yapmaktadır.
Coğrafi Veriler Nedir?
Coğrafi veriler, bir yerin coğrafi konumunu veya özelliklerini içeren, haritalama ve analiz için kullanılabilecek veri türüdür. Bu veriler, ölçeklendirilebilir coğrafi bilgi sistemleri (CBS) tarafından toplanır ve saklanır. CBS, haritalama ve analiz işlemlerinin yanı sıra, yerel bilgi yönetimi, arazi kullanımı planlaması, hava durumu öngörüleri gibi alanlarda da kullanılabilir.
Coğrafi veriler, birçok sektörde kullanılır. Bu sektörlere örnek olarak, tarım, ormancılık, tıp, eğitim, çevre, mimari, turizm, jeoloji, kamu ve özel sektör yer alır. Bu veriler, tarım alanlarının yönetimi, su kaynakları ve ormansızlaşma yaklaşımları gibi çevresel endişelerin ele alınması için kullanılabilir.
Özetlemek gerekirse, coğrafi veriler, yerleşimlerin analizi ve planlamasında kullanılabilen, ölçeklendirilebilir ve önemli bilgiler sunan verilerdir. Bu nedenle coğrafi verilerin dönüştürülerek işlenmesi ve haritalama işlemleri için kullanılması oldukça önemlidir.
Python ile Coğrafi Veriler
Coğrafi veriler, günümüz dünyasında önemli bir yere sahip. Bu verilerin kullanımı için ise özel bir yazılım kullanımı gerekmektedir. Python, coğrafi verilerin işlenmesi ve dönüştürülmesi için oldukça etkili bir dil olarak karşımıza çıkıyor.
Pyproj modülü, coğrafi verilerin dönüştürülmesi için oldukça kullanışlı bir araçtır. Bu modül kullanılarak verilerin farklı projeksiyon sistemlerine göre dönüştürülmesi sağlanabilir. Proj4 kütüphanesi ise coğrafi verilerin yıkama, yanal kaydırma gibi işlemlerinin yapılması için kullanılabilir.
| Kullanılan Modül/Kütüphane | Özellikleri |
|---|---|
| Pyproj Modülü | Projeksiyon sistemleri arasında dönüşüm yapılması |
| Proj4 Kütüphanesi | Verilerin yıkama, yanal kaydırma vb. işlemleri |
Örnek kod uygulamaları ile Python kullanarak coğrafi verilerin işlenmesi ve dönüştürülmesi daha iyi anlaşılabilir bir hale gelir. Bu örnekler, coğrafi verilerin nasıl kodlarla işlenebileceği konusunda daha fazla fikir sahibi olmamızı sağlar.
- Coğrafi verilerin dosya yolunu belirleyerek okuma işlemi
- Pyproj modülü kullanarak verilerin projeksiyon sistemi değiştirme
- Proj4 kütüphanesiyle coğrafi verilerin yıkama ve yanal kaydırma işlemleri
- Farklı formatlarda verilerin dönüştürülmesi ve işlenmesi
Python ile coğrafi verilerin işlenmesi ve dönüştürülmesi, coğrafi bilgi sistemleri (CBS) gibi alanlarda büyük bir önem taşır. Bu nedenle, Python bilen kişilerin coğrafi verileri daha kolay bir şekilde işleyebilmesi için gerekli yöntemleri öğrenmesi gerekmektedir.
Pyproj Modülü
Coğrafi verilerin işlenmesi ve dönüştürülmesi için kullanılan Pyproj modülü, Python programlama dili ile birlikte kullanılmaktadır. Bu modül içerisinde yer alan Proj4 kütüphanesi, coğrafi verilerin dönüştürülmesi, yıkama, yanal kaydırma gibi işlemlerin gerçekleştirilmesine olanak sağlar.
Pyproj modülü, coğrafi verilerin farklı referans sistemleri arasında dönüştürülmesi için sıklıkla kullanılır. Bu işlem sırasında, verinin kaynak referans sistemini de tanımlamak gerekmektedir. Modül, çeşitli projeksiyon sistemlerini desteklemekte olup, verilerin doğru bir şekilde dönüştürülmesine yardımcı olmaktadır.
Pyproj modülü, kullanımı oldukça kolay bir yapıya sahip olup, örnek uygulama kodları da bulunmaktadır. Modülün içerisinde yer alan Proj4 kütüphanesi sayesinde coğrafi veriler üzerinde karmaşık işlemler gerçekleştirilirken, doğru sonuçlar elde edilmesi sağlanmaktadır.
| Pyproj Modülü Kullanarak Yapılabilecek İşlemler | Açıklama |
|---|---|
| Coğrafi verilerin dönüştürülmesi | Veriler arasında farklı referans sistemleri kullanılıyorsa, Pyproj modülü kullanılarak dönüştürme işlemleri gerçekleştirilebilir. |
| Coğrafi verilerin yanal kaydırması | Verilerin yanlış konumda yer alması durumunda, bu işlem gerçekleştirilerek verilerin doğru konumda gösterilmesi sağlanabilir. |
| Coğrafi verilerin yıkama işlemi | Verilerde yer alan hataların giderilmesi için yıkama işlemi gerçekleştirilir. Proj4 kütüphanesi sayesinde bu işlem de kolayca gerçekleştirilebilir. |
Pyproj modülünün kullanımı, coğrafi verilerin doğru bir şekilde işlenmesi ve dönüştürülmesi için oldukça önemlidir. Modül, Python programlama dili ile birlikte kullanıldığında, coğrafi verilerin farklı işlemlerinin gerçekleştirilmesine olanak sağlayarak, verilerin daha etkili bir şekilde kullanılmasını sağlamaktadır.
Proj4 Kütüphanesi
Coğrafi veriler, bazen yanlış projeksiyonlar nedeniyle yanlış yüklenen ve analiz edilen verileri ifade edebilirler. Bu sorunu çözmek için Proj4 kütüphanesi, coğrafi verilerin yıkama, yanal kaydırma vb. işlemlerini gerçekleştirebilir. Proj4, öncelikle haritalama projeksiyonu hizmetleri sunuyor. Coğrafi verilerinizin doğru projeksiyonda olduğundan emin olmak için bu kütüphaneyi kullanabilirsiniz.
Proj4 kütüphanesi farklı projeksiyon sistemleri kullanarak coğrafi verilerin dönüştürülmesine yardımcı olur. Bu kütüphaneyi kullanarak, yanal kaydırma, farklı yükseklik referansları gibi işlemler de gerçekleştirilebilir. Ayrıca, bu kütüphane çok çeşitli coğrafi veri formatlarını destekler ve Python ile kolayca entegre edilebilir.
Proj4 kütüphanesi birçok kullanışlı özellik içerir. Örneğin, iki farklı coğrafi veri formatı arasında veri dönüşümü yapmak isterseniz, kütüphane otomatik olarak veri dönüştürme işlemlerini gerçekleştirir. Proj4 ayrıca coğrafi verilerin yıkama, yanal kaydırma vb. işlemlerini gerçekleştirebilir. Coğrafi verilerinizin doğru şekilde projekte edilmesi için gerekli tüm işlemleri Proj4 kütüphanesi ile yapabilirsiniz.
Proj4 kütüphanesi, coğrafi verilerle çalışırken oldukça kullanışlı bir araçtır. Bu kütüphaneyi kullanarak, coğrafi verilerinizin doğru projeksiyonda ve formatlarda işlendiğinden emin olabilirsiniz.
Örnek Kod Uygulamaları
Coğrafi verilerin dönüştürülmesi ve işlenmesi, günümüzde pek çok projede sık sık ihtiyacı olan bir işlem haline gelmiştir. Python programlama dili ile coğrafi verileri dönüştürmek oldukça kolaydır. Örnek kod uygulamaları ile coğrafi verilerin işlenmesini daha iyi anlayabiliriz.
Bir örnek uygulamada, Python Shapely kütüphanesi kullanarak iki poligonun kesişimini hesaplayabiliriz. Bu işlemi gerçekleştirmek için aşağıdaki kodu kullanabiliriz:
from shapely.geometry import Polygonpolygon1 = Polygon([(0, 0), (0, 1), (1, 1), (1, 0)])polygon2 = Polygon([(0.5, 0.5), (0.5, 1.5), (1.5, 1.5), (1.5, 0.5)])intersection = polygon1.intersection(polygon2)
Hesaplanan kesişim, intersection değişkeninde saklanır. Bu örnek uygulama, Shapely kütüphanesinin coğrafi işlemler için ne kadar kullanışlı olduğunu göstermektedir.
Bir diğer örnek uygulamada ise Python Geopandas kütüphanesini kullanarak bir veri setinin harita üzerinde görselleştirilmesini yapabiliriz. Bu işlem için öncelikle veri setinin okunması ve kümeleme yapılması gerekir. Aşağıdaki kod ile veri seti okunarak, kümeleme işlemi gerçekleştirilir:
import geopandas as gpddata = gpd.read_file('veri_seti.shp')clustered_data = data.groupby(['some_parameter']).sum()Okunan ve kümeleme yapılmış veri seti clustered_data değişkeninde saklanır. Bu aşamadan sonra, veri setini görselleştirmek için harita oluşturabiliriz:
from mpl_toolkits.basemap import Basemapimport matplotlib.pyplot as pltfig = plt.figure(figsize=(10, 10))m = Basemap(projection='cyl',llcrnrlon=MIN_LONGITUDE,llcrnrlat=MIN_LATITUDE,urcrnrlon=MAX_LONGITUDE,urcrnrlat=MAX_LATITUDE, resolution='l')m.drawcoastlines()m.drawcountries()m.fillcontinents(color='#04BAE3', alpha=0.5)m.drawmapboundary()m.scatter(clustered_data.geometry.x, clustered_data.geometry.y, c='red', marker='o', s=10)plt.title('Veri Seti Haritası')plt.show()Bu örnek uygulama ile, Geopandas kütüphanesinin veri setlerinin kolayca işlenmesi ve haritaların oluşturulması için ne kadar kullanışlı olduğunu görebiliriz.
Fiona Modülü
Fiona modülü, coğrafi verilerin işlenmesinde oldukça yararlıdır. Bu modül, Shapefile ve GeoJSON formatındaki coğrafi verilerin okunmasını sağlar. Ayrıca, bu verilerin işlenmesine ve dönüştürülmesine de olanak tanır.
Fiona modülü, Python'un açık kaynaklı bir coğrafi veri işleme modülü olan GIS (Coğrafi Bilgi Sistemi) kütüphanesi ile entegre edilebilir. Bu işlem, coğrafi verilerin işlenmesini daha da kolaylaştırır.
Bir örnek kod uygulamasında, Fiona modülü kullanılarak Shapefile formatındaki bir dosyanın okunması sağlanabilir. Bu işlem, fiona.open() fonksiyonunu kullanarak gerçekleştirilir. Ardından, veriler for döngüsü ile işlenir ve sonuçlar yazdırılır. Benzer bir işlem, GeoJSON formatındaki veriler için de geçerlidir.
| import fiona |
| with fiona.open("veriler.shp") as veriler: |
| for feature in veriler: |
| print(feature) |
Yukarıdaki örnek kod, "veriler.shp" adlı Shapefile dosyasının okunmasını sağlar. Bu dosyadaki coğrafi veriler, for döngüsü ile tek tek işlenir ve sonuçlar yazdırılır.
Fiona modülü, coğrafi verilerin işlenmesi için oldukça kullanışlı bir araçtır. Basit bir kullanımı olan bu modül, Python'un diğer coğrafi veri işleme modüllerinden farklı olarak, daha basit ve anlaşılır bir yapıya sahiptir.
Shapefile İşlemleri
Shapefile, coğrafi verilerin sıklıkla kullanıldığı eski bir dosya formatıdır. Python'da Shapefile dosyaları okumak ve işlemek için farklı modüller mevcuttur. Shapefile dosyaları, birden çok bileşenden oluşur, bu nedenle içeriklerini okumak için iterasyonlar yapmamız gerekir.
Python'da Shapefile dosyalarını okumak ve işlemek için, Fiona veya PyShp modüllerinden herhangi biri kullanılabilir. Bu modüller, Shapefile dosyalarından veri çekmek ve bu veriler üzerinde işlem yapmak için gerekli fonksiyonlara sahiptir.
Bilgiyi görsel olarak görmenin en iyi yolu haritalama olduğundan, Shapefile dosyalarının işlenmesi sırasında haritalama yöntemleri de önemlidir. Bu nedenle, Basemap veya GeoPandas kütüphaneleri, Shapefile dosyalarından haritalama yapmak için iyi bir seçenektir.
Özetle, Shapefile formatındaki coğrafi verileri okumak ve işlemek için Fiona veya PyShp modülleri kullanılabilir. Bu veriler, Basemap veya GeoPandas kütüphaneleri kullanılarak haritalama yapmak için de kullanılabilir. Shapefile dosyaları, coğrafi verilerin eski bir sürümü olduğu için, bu modülleri kullanarak verilerin doğruluğunu kontrol etmek önemlidir.
GeoJSON İşlemleri
GeoJSON, coğrafi verileri JSON (JavaScript Object Notation) formatında temsil eden bir dosya biçimidir. Coğrafi verilerde yaygın şekilde kullanılan bir formattır. GeoJSON dosyaları, çizgi, çokgen ve nokta geometrisi gibi vektör verileri içerebilir. Bu format, coğrafi verilerin web uygulamalarında kullanılmasını kolaylaştırır.
Python'da GeoJSON dosyaları, "geopandas" ve "json" kütüphaneleri kullanılarak okunabilir ve yazılabilir. GeoPandas, GeoJSON dosyalarında bulunan geometri verilerini pandas'ın DataFrame nesneleri arasında taşımanızı sağlar. Bu da, GeoJSON dosyasında bulunan verilere erişimi daha da kolaylaştırır.
Aşağıda, GeoJSON dosyası kullanılarak coğrafi veri işleme örnekleri verilmiştir:
Python'da "json" kütüphanesi kullanılarak GeoJSON dosyasındaki koordinat verileri okunur:
import json#GeoJSON dosyasındaki verilerin okunmasıwith open('coğrafi_veri.json') as f: data = json.load(f)#Koordinat verilerinin alınmasıcoordinates = data['features'][0]['geometry']['coordinates']Alınan koordinat verileri, "shapely.geometry" kütüphanesi kullanılarak geometrik şekillere dönüştürülebilir. Örneğin, "LineString" bir koordinat dizisini bir çizgiye dönüştürür:
from shapely.geometry import LineString#Koordinatlar geometrike şekilleren dönüştürülüyorline = LineString(coordinates)#Özellikler ataline.properties = {'name': 'YolAdı'}#Noktaların koordinatları yazdırılıyorprint(line.centroid.coords[:])Ayrıca, "GeoPandas" kütüphanesi kullanarak GeoJSON dosyalarında farklı sorgulamalar yapılabilir. Örneğin, Dosyada bulunan veriler koordinat sistemine göre sıralanabilir:
import geopandas as gpd#GeoJSON dosyasındaki verilerin okunmasıgeo_json_data = gpd.read_file('coğrafi_veri.json')#Verileri koordinat sistemine göre sıralamageo_json_data = geo_json_data.sort_values('koordinat', ascending=False)GeoJSON işlemeleri, coğrafi verilerin okunması ve işlenmesinde oldukça etkilidir. Bu sayede, coğrafi verilerin web uygulamalarında kullanılması kolaylaştırır ve verilerin daha iyi kullanılmasını sağlar.
Basemap Kütüphanesi
Basemap, coğrafi verilerin işlenmesi ve analizi için kullanılan bir Python kütüphanesidir. Bu kütüphane, matplotlib grafik kütüphanesi ile birleşerek coğrafi veriler üzerinde harita oluşturma işlemlerini kolaylaştırır.
Basemap kütüphanesi, dünya haritalarından üstündeki verilerin çizimini yapmak için sıklıkla kullanılır. Kütüphanenin sunduğu imkanlar arasında projeksiyon değiştirme, harita üstündeki noktaların işaretlenmesi ve birçok farklı renk paleti ile haritaların çizilmesi yer almaktadır.
Basemap kütüphanesi, shapefile formatındaki coğrafi verileri okuyarak harita verilerini birleştirebilir ve harita içinde yer alacak şekilde işaretleyebilir. Aynı zamanda bu kütüphane, coğrafi verileri farklı özelliklere göre renklendirme, etiketleme, yapılabilir hale getirme işlemlerini de yapmaktadır.
Basemap kütüphanesi, coğrafi verileri daha anlaşılır bir hale getirmek için oldukça faydalıdır. Özellikle, iklim değişikliği gibi konuları anlamak için hava koşullarının haritalara dökülmesi, farklı ülkelerin su kaynaklarının nasıl kullanıldığının haritalandırılması, jeolojik haritalar gibi birçok alanda kullanılmaktadır.
Basemap kütüphanesi, coğrafi verilerin üç boyutlu haritalandırılması işlemlerine de olanak sağlamaktadır. Bu sayede, kullanıcılar belirli bir yükseklik seviyesine göre farklı renklerdeki arazileri gözlemleyebilir ve coğrafi verilerin daha anlaşılır hale gelmesini sağlayabilirler.
Örnek Uygulama
Basemap kütüphanesi kullanarak coğrafi veriler üzerinde harita oluşturma, coğrafi verilerin görselleştirilmesi için oldukça kullanışlı bir yöntemdir. Örnek bir uygulama yaparak Basemap kütüphanesinin kullanımını daha iyi anlayabiliriz.
Örneğimizde, Türkiye'nin 81 ilinin nüfus yoğunluklarını Basemap kütüphanesi ile oluşturacağımız bir harita üzerinde göstereceğiz. İlk olarak, gerekli kütüphaneleri projemize dahil ediyoruz:
import matplotlib.pyplot as plt | from mpl_toolkits.basemap import Basemap | import numpy as np |
|---|
Daha sonra, il nüfus verilerimizi içeren bir .csv dosyasını okuyoruz ve harita üzerinde göstermek için gerekli olan enlem ve boylam bilgilerini de içeren bir veri seti oluşturuyoruz:
import pandas as pd | df = pd.read_csv("il_nufus.csv") | lat = df["lat"].values.tolist() |
|---|---|---|
lon = df["lon"].values.tolist() |
Ardından, Basemap kütüphanesi ile harita nesnesi oluşturuyoruz:
m = Basemap(width=5000000,height=3500000, resolution='l',projection='aea', lat_1=30.,lat_2=60,lon_0=35,lat_0=40)
Bu kodda, haritanın boyutları, çözünürlüğü ve projeksiyonu tanımlanmaktadır. lat_1 ve lat_2 değerleri alan avrupa konumuna göre ayarlanabilir.
Veri setimizdeki nüfus yoğunluğu değerlerini, harita üzerinde renklerle göstereceğiz. Öncelikle, yoğunluk değerlerinin minimum ve maksimum değerlerini buluyoruz:
z = df["yogunluk"].values.tolist() | vmin = min(z) | vmax = max(z) |
|---|
Son olarak, harita nesnemiz üzerinde scatter() fonksiyonu ile il merkezlerimizi işaretliyoruz ve her il için nüfus yoğunluğuna göre farklı renkler atıyoruz:
x,y = m(lon,lat)m.scatter(x,y,c=np.array(z),cmap='YlOrRd', alpha=0.7,vmin=vmin,vmax=vmax)plt.show()
Bu kod bloğu ile oluşturulan harita, Türkiye'nin il merkezlerini göstermekte ve her ilin nüfus yoğunluğuna göre renklendirilmiştir. Örnek uygulamamız sayesinde Basemap kütüphanesi ile coğrafi veriler üzerinde görselleştirme işlemlerinin kolay ve etkili bir şekilde gerçekleştirilebildiğini görmüş olduk.
GeoPandas Kütüphanesi
GeoPandas kütüphanesi, Python programlama dilinde coğrafi verilerin işlenmesi ve görselleştirilmesinde oldukça kullanışlıdır. Bu kütüphane, Pandas kütüphanesine dayanır ve verilerin sütunlar halinde düzenlenmesi ve analiz edilmesine imkan sağlar.
GeoPandas kütüphanesi sayesinde, coğrafi verilerdeki geometrik özelliklerin (nokta, çizgi, şekil) kolayca işlenebilmesi mümkündür. Ayrıca, verilerin haritalarla görselleştirilmesi de GeoPandas ile oldukça basit hale gelir.
Bir örnekle açıklamak gerekirse, bir coğrafi veri kümesindeki tüm şehirlerin kordinatlarını belirlemek için GeoPandas kullanabilirsiniz. Daha sonra bu şehirlerin yer aldığı bölgelerin (örneğin ülkelerin) şekillerini alıp, harita üzerinde görselleştirebilirsiniz. Bunun için, GeoPandas kütüphanesi, Matplotlib gibi grafik kütüphaneleri ile birlikte kullanılabilir.
Ayrıca, GeoPandas kütüphanesi ile yapabileceğiniz bir diğer şey de coğrafi verilerin farklı dosya formatları arasında dönüştürülmesidir. Örneğin, bir Shapefile dosyasındaki verileri GeoJSON formatına dönüştürmek oldukça kolaydır.
Sonuç olarak, coğrafi verilerin işlenmesi ve görselleştirilmesinde oldukça kullanışlı olan GeoPandas kütüphanesi, Python programlama dilinde coğrafi veri işleme konusunda uzmanlaşmak isteyenler için mutlaka öğrenilmesi gereken bir kütüphanedir.
Örnek Uygulama
GeoPandas kütüphanesi, coğrafi verilerin işlenmesi ve görselleştirilmesi için bir araçtır. Bu kütüphane, Python programlama dilinin doğal veri yapılarına koordinatlar, eylemsizlikler ve şekiller gibi coğrafi verileri yerleştirmek için Pandas kütüphanesini kullanır.
Bir örnek uygulama olarak, GeoPandas kütüphanesi kullanılarak interaktif bir harita oluşturabilirsiniz. Bu harita, bir ülkenin farklı bölgelerinin nüfus yoğunluğunu gösteren bir renk ısı haritası olabilir.
| Kullanılan Veriler | Açıklama |
|---|---|
| Coğrafi Sınırlar | Ülke veya bölge sınırlarının Coğrafi JSON (GeoJSON) veya Shapefile formatındaki verileri kullanılabilir. |
| Nüfus Verileri | İlgili ülke veya bölgenin nüfus verileri kullanılabilir. |
İlk adım olarak, GeoPandas kütüphanesi kullanılarak coğrafi sınırların yüklenmesi gerekir. Daha sonra, nüfus verileri ayrı bir dosyadan veya API aracılığıyla alınabilir. Her iki veri kaynağı da birleştirilebilir ve birleştirilen veri seti üzerinde bir renk ısı haritası oluşturulabilir.
GeoPandas kütüphanesi kullanılarak bir harita oluşturma aşamaları şunlardır:
- Coğrafi sınırların yüklenmesi
- Nüfus verilerinin yüklenmesi ve coğrafi sınırlarla birlikte bir veri çerçevesi oluşturulması
- Boş bir harita oluşturulması
- Veri çerçevesinin haritaya eklenmesi ve bir renk ısı haritası oluşturulması
Bu adımları izleyerek bir interaktif harita oluşturabilirsiniz. GeoPandas kütüphanesi ile coğrafi verilerin işlenmesi ve görselleştirilmesi oldukça kolay ve etkili bir şekilde yapılabilir.