Ecosistema de Python para análisis espacial: +20 herramientas útiles

Python dispone de un completo conjunto de herramientas para análisis espacial. Aunque en este blog hemos tratado ya algunas de las herramientas de Python para análisis espacial, en este caso vamos a ampliar el foco para incluir otras librerías que aunque no son específicas para el tratamiento de datos espaciales, nos pueden ser útiles para el análisis y publicación de nuestros datos GIS.

En la imagen siguiente reunimos algunas de las librerías más importante del ecosistema de Python para análisis espacial. Esta lista, por supuesto no es exhaustiva, es decir hay más herramientas que se pueden incluir.

Manejo de datos y manipulación de geometrías

Aquí incluimos un conjunto de librerías que aunque no son específicas para datos geoespaciales, son fundamentales para el manejo de datos y gestión de geometrías. Estás librerías son además la base para otras librerías que si son específicas. Por ejemplo GeoPandas depende de Numpy, Pandas, Fiona o Shapely.

1. Numpy: (Numerical Python) es una biblioteca fundamental en el ecosistema de Python para realizar cálculos numéricos y operaciones de manipulación de matrices y arreglos. NumPy introduce el tipo de datos ndarray que representa matrices y arreglos multidimensionales. Estos arreglos son eficientes y permiten realizar operaciones vectorizadas en grandes conjuntos de datos de manera rápida.

2. Pandas es una biblioteca de manipulación y análisis de datos en Python.

• Ofrece herramientas para limpiar y transformar datos, incluyendo la eliminación de valores nulos o duplicados, y la conversión de tipos de datos. Es una herramienta esencial para realizar el Análisis Exploratorio de Datos.
• Facilita realizar operaciones matemáticas y estadísticas en los datos, incluyendo agregaciones, cálculos de promedio, sumas, medianas y más. Soporta operaciones vectorizadas.
• Permite combinar datos de diferentes fuentes utilizando operaciones como concatenación, unión y fusión.

3. Shapely se centra en la manipulación y análisis de geometrías geoespaciales. Shapely proporciona una interfaz para realizar operaciones geométricas con objetos geométricos como puntos, líneas y polígonos.

4. Fiona es una biblioteca para leer y escribir datos vectoriales (Shapefile, GeoJSON…) en Python. Es una biblioteca subyacente para GeoPandas y proporciona una interfaz sencilla para interactuar con datos geoespaciales.

Procesamiento de datos espaciales

Estas bibliotecas son esenciales para trabajar con información geoespacial pues nos permiten trabajar con proyecciones, sistemas de coordenadas, manejar y convertir datos en diferentes formatos, etc…

5. GDAL (Geospatial Data Abstraction Library): Aunque no es una biblioteca de Python en sí, GDAL proporciona una amplia funcionalidad para leer, escribir y manipular datos geoespaciales en varios formatos.

6. PyProj es una interfaz de Python para la biblioteca PROJ, que se utiliza para realizar transformaciones de coordenadas y proyecciones cartográficas.

7. Geopy es una herramienta para realizar geocodificación, es decir permite localizar ubicaciones a partir de su dirección o coordenadas geográficas. También permite hacer cálculos de distancias entre puntos geográficos.

Obtención de datos raster

8. PySTAC está diseñada para trabajar con el estándar de catálogos de datos espaciales STAC. Con PySTAC Client podemos acceder a los catálogos de STAC y obtener imágenes Sentinel o Landsat.

Bases de datos espaciales

Para utilizar bases de datos geoespaciales como PostGIS, MongoDB y SpatiaLite en bibliotecas de análisis espacial de Python como GeoPandas,  se hace uso de bibliotecas específicas diseñadas para interactuar con estas bases de datos.

9. psycopg2 se utiliza para interactuar con bases de datos PostgreSQL.

10. SQLAlchemy es una biblioteca de Python que proporciona un conjunto de herramientas flexibles y potentes para trabajar con bases de datos relacionales de manera programática. Su extensión, GeoAlchemy agrega nuevos tipos de datos geoespaciales a los ya existentes en SQLAlchemy.

11. Pymongo es la biblioteca oficial de MongoDB para Python y geopython es útil para trabajar con datos geoespaciales.

Análisis de datos espaciales

Son las librerías que forman el núcleo de las capacidades de análisis de Python. Utilizan o se combinan con las herramientas que hemos descrito antes para proporcionarnos las funciones de análisis espacial.

12. GeoPandas es una biblioteca para análisis y manipulación de datos geoespaciales que tiene capacidad para combinar las funciones de análisis de datos de Pandas con las capacidades de manipulación de geometrías de Shapely. Geopandas depende además de Fiona para el acceso a los archivos y de matplotlib para el trazado.

13. Rasterio permite la lectura, inspección, visualización y la escritura de raster geospaciales. Rasterio lee y escribe GeoTIFF y otros formatos raster y proporciona una API de Python basada en matrices Numpy N-dimensionales y GeoJSON.

14. PySal es una librería que proporciona herramientas avanzadas para el análisis espacial como: Análisis de patrones espaciales, Estadísticas espaciales, Visualización espacial y  Modelado espacial.

15. OSMnx es una biblioteca que facilita la descarga y el análisis de datos de OpenStreetMap. Permite la creación de grafos y análisis de redes, funciones que son útiles para el análisis de redes urbanas y la planificación del transporte.

16. NetworkX  se utiliza para el análisis y la creación de estructuras de redes complejas.

Visualización

Python también dispone dentro de su ecosistema, de herramientas para crear mapas y gráficos.

17. Cartopy es una biblioteca de Python utilizada para trabajar con datos geoespaciales y generar gráficos y mapas geográficos. Su principal virtud es la capacidad de trabajar con múltiples proyecciones y sistemas de coordenadas. Esta biblioteca se basa en Matplotlib.

18. Folium se emplea para crear mapas interactivos y de visualización de datos Geográficos en Python. Folium se basa en Leaflet.js, una popular biblioteca de JavaScript para crear mapas interactivos en la web.

19. Matplotlib es una biblioteca de visualización de datos en Python no específica para datos espaciales. Es ampliamente utilizado en la visualización de datos científicos, ingeniería, análisis de datos e investigación. Es una herramienta esencial para la representación visual de datos en Python.

Desarrollo Web

Nos referimos aquí a librerías que aunque no son específicas para ciencias espaciales no permiten publicar los mapas y datos en la web.

20. Flask es un framework web escrito en Python que se utiliza para construir aplicaciones web de forma rápida y sencilla.

21. Django es un framework de desarrollo web escrito en Python que se emplea para la creación de páginas web. Por su parte, GeoDjango es una extensión de Django que nos permite crear aplicaciones web GIS y trabajar con datos espaciales. GeoDjango permite el modelado de datos espaciales y además se puede integrar con PostGIS.

PyQGIS

Este repaso de las herramientas de Python para GIS no estaría completo sin citar a PyQGIS que es la interfaz de programación de aplicaciones para QGIS. Permite escribir script de Python para automatizar las tareas más habituales de QGIS.