Herhangi bir restorana ait bilgileri(verileri) sorgulamak istediğimizde genellikle aklımıza ilk
olarak o yerin ismi, bulunduğu il, ilçe gibi bilgiler gelir. Ancak bu noktada birçok çalışmamızda
işimize yarayabilen çoğunlukla atlanılan bir veri türünden daha söz etmeliyiz:
Coğrafi Veri:
Coğrafi veri, bir yer veya coğrafi konum ile ilişkili olan herhangi bir veridir. Bu tür veriler, coğrafi
bilgi sistemleri (CBS) aracılığıyla toplanır, işlenir, analiz edilir ve görselleştirilir. Coğrafi veri,
birçok sektörde önemli bir rol oynar, çünkü konum bazlı karar verme süreçlerini geliştirir.
İşte coğrafi verinin bazı kullanım alanları:
Yerel Hükümetler: Yerel hükümetlerin hizmetlerinin planlanması ve kaynaklarının
yönetilmesi gibi yerel kararlar verilmesinde önemli bir rol oynar.
Sağlık Sektörü: Hastalık salgınları ve sağlık hizmetlerinin planlanması ve yönetimi gibi
sağlık konularında önemli bir role sahiptir.
Çevre Bilimi: Çevre bilimi alanında kullanılarak, doğal kaynakların kullanımı, çevre kirliliği
ve iklim değişikliği gibi konularda önemli veriler sağlar.
İnşaat Sektörü: İnşaat sektöründe kullanılarak, arazi kullanım planlaması, bina tasarımı ve
projelerin yönetimi gibi konularda önemli bir role sahiptir.
Bu nedenlerden dolayı, coğrafi veri, birçok sektörde önemli bir rol oynar ve CBS, coğrafi
verinin toplanması, işlenmesi, analizi ve görselleştirilmesi için önemli bir araçtır.
Coğrafi verinin önemini kavradığımıza göre coğrafi bilgileri çalışmalarımızda nasıl dahil
edebiliriz ona bakalım. Bunu çalışmaları yapabilmek için GeoPandas kütüphanesinden
yararlanacağız. İlk olarak kendimize örnek bazı veri setleri bulalım.
NOT: JSON veri formatını muhtemelen önceden duymuşsunuzdur. Bizim bu çalışmamızda
kullanacağımız verinin formatı ise GeoJSON, yani adından da anlaşılacağı üzere içerisinde
coğrafi bilgi barındıran veri formatlarına bu isim veriliyor.
Elimizdeki verinin coğrafi bir veri olmasının bize sağladığı bir sürü avantaj vardır. Örneğin
boroughs veri setinde gösterilen her bir ilçenin alanı shape_area sütununda verilmiş durumda,
ancak bu bilgi elimizde olmasaydı da biz bu bilgiyi kendimiz üretebilirdik.
NOT: Bu alan hesaplamasını yaparken elinizdeki koordinatların projeksiyon koordinatları
olduğundan emin olmalıyız. Eğer yanlış koordinatlarda çalışıyorsanız, muhtemelen Python size
bir uyarı mesajı gösterecektir. Bu haritacılık alanıyla teknik bir bilgi, ancak neden bu işleme
ihtiyaç duyduğumuzu merak ediyorsanız Esri sitesindeki yazıya göz atabilirsiniz.
Yukarıdaki görselde New York’un 5 ilçesinin alanlarının bir harita üzerinde kıyaslanmasını
görebilirsiniz.
NOT: Yukarıdaki kod bloğunu kullanarak isteğiniz doğrultusunda parametreleri değiştirerek
farklı formatlarda haritalar da oluşturabilirsiniz!
Oluşturduğumuz bu haritayı interaktif bir şekilde incelememiz de mümkün. Bunun için ise
GeoPandas’ın explore fonksiyonunu kullanabiliriz. Oluşturduğunuz interaktif haritalarda
farenizle incelemek istediğiniz ilçenin üzerine geldiğinizde, veri setinde bulunan o ilçeye ait
detayları görüntüleyebilirsiniz.
Peki New York’daki metro istasyonlarına ait bilgileri de haritamıza eklemek istersek ne
yapmamız gerekiyor?
Son olarak da önceki kod bloklarında oluşturduğumuz 2 haritadaki elemanları üst üste tek
bir harita üzerinde çizdirmeyi deneyelim.
GeoPandas kütüphanesini kullanarak yapabileceğimiz çalışmaların bir sınırı yok. Hatta
yalnızca veri setimizde yer alan bilgileri bir harita üzerinde göstermenin yanı sıra, coğrafi
verileri kullanarak bir çok farklı konumsal analiz çalışmaları da yapılabilmektedir.
NOT: Bu çalışmada kullanılan kodlara ulaşmak için GitHub adresine, ilçe verilerine ulaşmak
için NYC Borough Boundaries, metro istasyonları verilerine ulaşmak için ise NYC Subway
Stations adreslerini ziyaret edebilirsiniz