Geodatenanalyse
Sie können die geografisch-räumlich-zeitliche Bibliothek verwenden, um Ihre Data-Science-Analyse in Python-Notebooks um die Standortanalyse zu erweitern, bei der Bild-, GPS-, Satellitenfoto- und Langzeitdaten erfasst, bearbeitet und angezeigt werden.
Die gespatio-temporal-Bibliothek ist in allen IBM watsonx.ai Studio Spark mit Python verfügbar.
Schlüsselfunktionen
Die geografisch-räumlich-zeitliche Bibliothek enthält Funktionen zum Lesen und Schreiben von Daten, topologische Funktionen, Geohashing, Indexierung, Ellipsoid und Routing-Funktionen.
Zu den wichtigsten Aspekten der Bibliothek gehören:
- Alle berechneten Geometrien sind genau, ohne dass Projektionen erforderlich sind.
- Die geografisch-räumlichen Funktionen nutzen die von Spark bereitgestellte Funktionalität für die verteilte Verarbeitung.
- Die Bibliothek enthält native Geohashing-Unterstützung für Geometrien, die in einfachen Aggregationen und bei der Indexierung verwendet werden, wodurch der Speicherabruf deutlich verbessert wird.
- Die Bibliothek unterstützt Erweiterungen von verteilten Spark-Joins.
- Die Bibliothek unterstützt die SQL/MM-Erweiterungen von Spark SQL.
Erste Schritte mit der Bibliothek
Bevor Sie die Bibliothek in einem Notebook verwenden können, müssen Sie
in Ihrem Notebook registrieren, damit Sie auf die STContext
-Funktionen zugreifen können.st
Gehen Sie wie folgt vor, um
zu registrieren:STContext
from pyst import STContext stc = STContext(spark.sparkContext._gateway)
Nächste Schritte
Wenn Sie
in Ihrem Notebook registriert haben, können Sie die räumlich-zeitliche Bibliothek auf folgende Funktionen untersuchen:STContext
- Funktionen zum Lesen und Schreiben von Daten
- Topologische Funktionen
- Geohashing-Funktionen
- Geografisch-räumliche Indexierungsfunktionen
- Ellipsoidfunktonen
- Routenwahlfunktionen
In den folgenden Python-Beispielnotebooks finden Sie weitere Informationen zur Einführung in die Verwendung dieser Funktionen in Python-Notebooks:
- Use the spatio-temporal library for location analytics
- Use spatial indexing to query spatial data
- Spatial queries in PySpark
Übergeordnetes Thema: Notebooks und Scripts