Lista współrzędnych centralnych (centroid) dla wszystkich krajów?


17

Potrzebuję listę centralnych punktów (centroid) dla wszystkich krajów:

Chiny: lat / long (współrzędne najbardziej centralnego punktu w Chinach)
Francja: lat / long (współrzędne najbardziej centralnego punktu we Francji)
itp ...

Odpowiedzi:


18

Frank Donnelly zapewnia plik CSV z krajowymi centroidami, który jest oparty na danych pobranych z serwera GeoNames, ale ręcznie wyselekcjonowany przez Franka. Ostatnia aktualizacja danych w lutym 2012 r.


Maja 2018 r

To poprzednie źródło nie jest już dostępne, tutaj jest nowsze, z dużą ilością informacji o krajach (w tym Centroids) i możliwością pobierania danych w kilku formatach. https://worldmap.harvard.edu/data/geonode:country_centroids_az8

W Stackoverflow pojawia się również podobne pytanie: potrzebujesz listy wszystkich krajów na świecie, ze współrzędną długości i szerokości geograficznej , która obejmuje kilka podejść do generowania takiej listy z innych źródeł danych.


połączony csv wydaje się teraz 404, czy ktoś ma inne źródło?
Vincent V.

Znalazłem inne źródło, które wygląda dobrze i kompletnie: worldmap.harvard.edu/data/geonode:country_centroids_az8 może dl każdy potrzebny format, w tym csv, ma również wiele innych danych o krajach
Vincent V.

1
Pierwszy i ostatni adres URL to 404.
Aaron

7

Możesz pobrać te informacje w Rnastępujący sposób:

library(rgeos)
library(rworldmap)

# get world map
wmap <- getMap(resolution="high")

# get centroids
centroids <- gCentroid(wmap, byid=TRUE)

# get a data.frame with centroids
df <- as.data.frame(centroids)
head(df)

#>                     x         y
#> Aruba       -69.97345  12.51678
#> Afghanistan  66.00845  33.83627
#> Angola       17.53646 -12.29118
#> Anguilla    -63.06082  18.22560
#> Albania      20.05399  41.14258
#> Aland        20.03715  60.20733

# plot
plot(centroids)

wynik


3

Możesz uzyskać centroidy wiejskie za pomocą Pythona i GeoPandas .

import geopandas as gpd
import pandas as pd

# Access built-in Natural Earth data via GeoPandas
world = gpd.read_file(gpd.datasets.get_path('naturalearth_lowres'))

# Get a list (dataframe) of country centroids
centroids = world.centroid
centroid_list = pd.concat([world.name, centroids], axis=1)

# Plot the results
base = world.plot(column = 'name', cmap = 'Blues')
centroids.plot(ax = base, marker = 'o', color = 'red', markersize = 5)

In [1]: centroid_list
Out[1]: 
                           name                                              0
    0               Afghanistan  POINT (66.08669022192834 33.85639928169076)
    1                    Angola  POINT (17.47057255231345 -12.24586903613316)
    2                   Albania  POINT (20.03242643144321 41.14135330604877)
    3      United Arab Emirates  POINT (54.20671476159633 23.86863365334761)
    4                 Argentina  POINT (-65.17536077114174 -35.44682148949509)
    5                   Armenia  POINT (45.00029001101479 40.21660761230144)
    6                Antarctica  POINT (20.57100056984261 -80.49198288284349)
    ... and so on ...

wprowadź opis zdjęcia tutaj


Korzystając z naszej strony potwierdzasz, że przeczytałeś(-aś) i rozumiesz nasze zasady używania plików cookie i zasady ochrony prywatności.
Licensed under cc by-sa 3.0 with attribution required.