Unterschiede

Hier werden die Unterschiede zwischen zwei Versionen der Seite angezeigt.

Link zu der Vergleichsansicht

Beide Seiten, vorherige Überarbeitung Vorherige Überarbeitung
Nächste Überarbeitung		 Vorherige Überarbeitung
gf_informatik:daten_sca:maps_python [2023-06-12 15:59] – [Lösungen] scagf_informatik:daten_sca:maps_python [2023-06-20 18:39] (aktuell) – [Aufgabe 6: Abstimmungsresultate] sca
Zeile 35: Zeile 35:
 Ein geschlossenes **Polygon** (Vieleckt) notiert man so: Ein geschlossenes **Polygon** (Vieleckt) notiert man so:
 <code> <code>
-"POLYGON ((x1 y1, x2 y2, x3 y3))"+"POLYGON ((x1 y1, x2 y2, x3 y3, x1 y1))"
 </code> </code>
 In diesem Falle erhält man natürlich ein Dreieck. Beachte hier die Verwendung von **doppelten Klammern**. In diesem Falle erhält man natürlich ein Dreieck. Beachte hier die Verwendung von **doppelten Klammern**.
Zeile 43: Zeile 43:
 "MULTIPOINT ((x1 y1, x2 y2, x3 y3))" "MULTIPOINT ((x1 y1, x2 y2, x3 y3))"
 "MULTILINESTRING ((x1 y1, x2 y2), (x3 y3, x4 y4))"" "MULTILINESTRING ((x1 y1, x2 y2), (x3 y3, x4 y4))""
-"MULTIPOLYGON (((x1 y1, x2 y2, x3 y3)),((x4 y4, x5 y5, x6 y6)))"+"MULTIPOLYGON (((x1 y1, x2 y2, x3 y3, x1 y1)),((x4 y4, x5 y5, x6 y6, x4 y4)))"
 </code> </code>
  
-==== WKR in Google Maps ====+==== WKT in Google Maps ====
  
 Um Punkte, Linien und Polygone in Google Maps einzuzeichnen, kann man diese Formen in einem CSV-File festlegen. Dazu benötigt man die entsprechenden **Koordinaten** ($x:$ longitude/Längengrad, $y:$ latitude/Breitengrad). Um Punkte, Linien und Polygone in Google Maps einzuzeichnen, kann man diese Formen in einem CSV-File festlegen. Dazu benötigt man die entsprechenden **Koordinaten** ($x:$ longitude/Längengrad, $y:$ latitude/Breitengrad).
Zeile 74: Zeile 74:
 ===== Aufgaben ===== ===== Aufgaben =====
  
 +Arbeite *nicht* mit Excel / Google Sheets, sondern mit einem reinen **Texteditor** wie **Visual Studio Code**.
 === Aufgabe 1: Big 4 im TG === === Aufgabe 1: Big 4 im TG ===
  
-Erstelle ein leeres CSV-File mit Header "Name,WKT" und füge folgende Elemente hinzu. Verwende die Koordinaten aus der Theorie oben: +Erstelle ein leeres CSV-File mit Header "Name,WKT" und füge Punkte für die vier Gemeinden Frauenfeld, Weinfelden, Romanshorn, Kreuzlingen hinzu. Verwende die Koordinaten aus der Theorie oben:
- +
-   * Vier Punkte für die Gemeinden Frauenfeld, Weinfelden, Romanshorn, Kreuzlingen +
-   * Linie von Weinfelden nach Kreuzlingen +
-   * Viereck, welches die vier Gemeinden verbindet+
  
 Importiere das File dann in Google Maps und stelle sicher, dass alles stimmt. Importiere das File dann in Google Maps und stelle sicher, dass alles stimmt.
Zeile 94: Zeile 91:
 Spielregel: Es müssen mind. zwei unterschiedliche Kontinenten vorkommen. Spielregel: Es müssen mind. zwei unterschiedliche Kontinenten vorkommen.
  
-=== Aufgabe 3 ===+=== Aufgabe 3: WKT mit Python ===
  
 Von nun arbeiten wir wieder mit Python und dem folgenden Datensatz, der die Koordinaten aller Bahnhöfe in der Schweiz beinhaltet: {{ :gf_informatik:daten_sca:sbb_csv_json.zip |}}. Von nun arbeiten wir wieder mit Python und dem folgenden Datensatz, der die Koordinaten aller Bahnhöfe in der Schweiz beinhaltet: {{ :gf_informatik:daten_sca:sbb_csv_json.zip |}}.
  
-**Ziel:** Generiere mithilfe von Python ein CSV-File für Google Maps, welches die Koordinaten einiger Ortschaften beinhaltet. Verwende den SBB-Datensatz, um die Koordinaten zu ermitteln.+**Auftrag:**
  
-Ortschaften: +   * Generiere mithilfe von Python ein CSV-File für Google Maps, welches die Koordinaten einiger Ortschaften St. Gallen, Bern und Schaffhausen beinhaltet. 
- +   * Verwende den SBB-Datensatz, um die Koordinaten zu ermitteln. 
-   * St. Gallen +   * Schreibe Code so, dass er auch noch funktioniert, wenn man z.B. St. Gallen durch Winterthur ersetzt.
-   * Bern +
-   * Schaffhausen+
  
 ++++Tipps| ++++Tipps|
Zeile 111: Zeile 106:
  
    1. Lade den SBB-Datensatz herunter, entzippe diesen und lese diesen (JSON-Variante) ein.    1. Lade den SBB-Datensatz herunter, entzippe diesen und lese diesen (JSON-Variante) ein.
-   1. Öffne in Python ein leeres CSV-File und schreibe den Header ("Name,WKT") hinein.+   1. Öffne in Python ein leeres CSV-File und schreibe den Header ("Name,WKT") hinein. Du kannst mit `csv.reader` arbeiten oder einfach zeilenweise in das File schreiben (empfohlen).
    1. Speichere die Ortschaften in einer Liste und gehe diese in einer Schleife durch.    1. Speichere die Ortschaften in einer Liste und gehe diese in einer Schleife durch.
    1. In dieser generierst du den CSV-Eintrag und schreibst ihn ins File.    1. In dieser generierst du den CSV-Eintrag und schreibst ihn ins File.
Zeile 117: Zeile 112:
  
 ++++ ++++
 +
 +=== Aufgabe 4: Gemeinden mit Anfangsbuchstaben ===
 +
 +   1. Wähle einen Anfangsbuchstaben, z.B. "W", und speichere diesen in einer Variable.
 +   1. Ermittle nun alle Bahnhöfe, die mit diesem Buchstaben beginnen ...
 +   1. und generiere das entsprechende CSV-File.
 +   1. Importiere es in Google Maps, um diese anzuzeigen.
 +
 +=== Aufgabe 5: Städte mit vielen Einwohnern ===
 +
 +Identifiziere (möglichst) alle Städte mit $10'000$ Einwohnern oder mehr und zeige sie auf einer Google Map an.
 +
 +Das Problem ist, dass der SBB-Datensatz die Anzahl Einwohner nicht beinhaltet. Deshalb greifen wir auf den Gemeinden-Datensatz vom Thema [[gf_informatik:daten_sca:datenverarbeitung_python]] zu. Das Vorgehen ist in etwa so:
 +
 +   1. Gehe jede Gemeinde im Gemeinden-Datensatz durch und finde heraus, ob sie mehr als $10'000$ Einwohner hat.
 +   1. Falls ja versuchst du im SBB-Datensatz die Koordinaten dieser Gemeinde zu ermitteln.
 +   1. **Achtung:** Das geht nicht immer! Warum? Verwende deshalb `try-except`, damit der Code nicht crashed.
 +   1. Falls du einen passenden Eintrag gefunden hast im SBB-Datensatz, schreibst du einen entsprechenden Eintrag ins CSV.
 +   1. Optional kann man als "Name" im CSV-File nicht nur den <Gemeindenamen> sondern z.B. <Gemeindenamen (Einwohner)> anzeigen. Dann hat man eine Karte, bei der man auf die Gemeinden klicken kann und gleich die Anzahl Einwohner sieht.
 +   
 +
 +
 +=== Aufgabe 5+ (Optional) ===
 +
 +Erweitere die letzte Aufgabe: Es fehlen noch einige Ortschaften, auch wichtige wie Zürich und Basel. Warum? Versuche den Code so zu erweitern, dass möglichst viele dieser 'problematischer' Ortschaften auch integriert werden.
 +
 +=== Aufgabe 6: Abstimmungsresultate ===
 +
 +Zu Abstimmungen kann man jeweils die detaillierten Daten im JSON-Format herunterladen. Hier der Link zu den 
 +[[https://opendata.swiss/de/dataset/echtzeitdaten-am-abstimmungstag-zu-eidgenoessischen-abstimmungsvorlagen|Daten der eidgenössischen Abstimmungen]]
 +
 +Hier direkt zur 
 +[[https://opendata.swiss/de/dataset/echtzeitdaten-am-abstimmungstag-zu-eidgenoessischen-abstimmungsvorlagen/resource/964e6c70-c3af-4c25-8d1b-88be1ea30d02|Abstimmung vom 18.06.2023]]
 +
 +   1. Lade den Datensatz zur aktuellsten eidgenössischen Abstimmung herunter.
 +   1. Verschaffe dir einen Überblick: Wie ist der Datensatz aufgebaut? Tipps:
 +      1. Mit `.keys()` kannst du sehen, welches die Schlüssel eines Dicts sind.
 +      1. Mit `type(...)` kannst du ermitteln, um was für einen Typ es sich handelt.
 +      1. Achtung: Der Datensatz beinhaltet ein Dict, welches Listen enthält, welches wiederum Dicts enthält u.s.w.
 +      1. Falls du überfordert bist damit, findest du unten die Antwort
 +   1. Finde in diesem Datensatz die Anzahl Ja-Stimmen zu allen Vorlagen in *deinem* Wohnort.
 +   1. Finde die extremsten Gemeinden zu den jeweiligen Vorgaben: Höchste und tiefste Anzahl Ja- resp. Nein-Stimmen
 +   1. **Zusatzaufgabe:** Stelle einen Sachverhalt von diesem Datensatz mithilfe von WKT in Google Maps graphisch dar. Beispiel: Ermittle für eine Vorlage von jedem Kanton die beiden Gemeinden mit dem höchsten Ja- resp- Nein Anteil. Erstelle dann eine Karte, die dies darstellt. Falls im Datensatz `sbb.json` die jeweilige Gemeinde nicht eingetragen ist, musst du diese halt nachschlagen.
 +
 +++++Tipps: Aufbau Datensatz inkl. Beispiel|
 +<code python>
 +# lade Datensatz (JSON) in ein dict mit Name data
 +
 +vorlagen = data['schweiz']['vorlagen'] # vorlagen ist Liste, Länge entspricht Anzahl Vorlagen
 +vorlage = vorlagen[0] # vorlage beinhaltet alle Infos zur ersten Vorlage (erstes Element der Liste vorlagen
 +print(vorlage['vorlagenTitel'][0]['text']) #  Name der Vorlage (0 für Deutsch)
 +
 +kantone = vorlage['kantone'] # Liste mit Infos zu allen Kantonen (zur gewählten Vorlage)
 +kanton = kantone[3] # Infos zu einem Kanton (Zahl 0 - 25, weil 26 Kantone)
 +print(kanton['geoLevelname']) # Name dieses Kantons
 +
 +gemeinden = kanton['gemeinden'] # Liste mit Infos zu allen Gemeinden in diesem Kanton (zur gewählten Vorlage)
 +gemeinde = gemeinden[7] # Alle Infos zu einer Gemeinde
 +
 +resultat = gemeinde['resultat'] # Resultat
 +jaStimmenInProzent = resultat['jaStimmenInProzent']
 +"""
 +</code>
 +++++
 +
 +
  
 ===== Lösungen ===== ===== Lösungen =====
Zeile 136: Zeile 197:
     for town in towns:     for town in towns:
         out_file.write(town + ',' + '"POINT (' + sbb[town]['longitude'] + ' ' + sbb[town]['latitude'] + ')"\n')         out_file.write(town + ',' + '"POINT (' + sbb[town]['longitude'] + ' ' + sbb[town]['latitude'] + ')"\n')
 +</code>
 +++++
 +
 +++++Aufgabe 5|
 +
 +Reguläre Lösung
 +<code python>
 +import json
 +
 +INHABITANTS_MIN = 10000
 +
 +with open("sbb.json", "r") as json_file:
 +    sbb = json.load(json_file)
 +    
 +with open("gemeinden.json", "r") as json_file:
 +    gemeinden = json.load(json_file)
 +
 +with open('gemeinden_min_' + str(INHABITANTS_MIN) + '.csv','w') as out_file:
 +    out_file.write('Name,WKT\n') # kann alternativ auch mit csv.writer arbeiten
 +
 +    for town in gemeinden:
 +        if gemeinden[town]['inhabitants'] >= INHABITANTS_MIN:
 +            try:
 +                out_file.write(town + ',' + '"POINT (' + sbb[town]['longitude'] + ' ' + sbb[town]['latitude'] + ')"\n')
 +            except:
 +                print("Fehler: ",town)
 +</code>
 +
 +Mit optionalem Part:
 +<code python>
 +import json
 +
 +INHABITANTS_MIN = 50000
 +
 +with open("sbb.json", "r") as json_file:
 +    sbb = json.load(json_file)
 +    
 +with open("gemeinden.json", "r") as json_file:
 +    gemeinden = json.load(json_file)
 +
 +def generate_wkt_point(town):
 +    return '"' + town + '"' + ',' + '"POINT (' + sbb[town]['longitude'] + ' ' + sbb[town]['latitude'] + ')"\n'
 +
 +with open('gemeinden_min_' + str(INHABITANTS_MIN) + '.csv','w') as out_file:
 +    out_file.write('Name,WKT\n') # kann alternativ auch mit csv.writer arbeiten
 +
 +    for town in gemeinden:
 +        if gemeinden[town]['inhabitants'] >= INHABITANTS_MIN:
 +            success = False
 +            for ext in ['',' HB',' SBB']: # try different typical extensions
 +                try:
 +                    out_file.write(generate_wkt_point(town + ext))
 +                    success = True
 +                    break
 +                except:
 +                    continue
 +            if not success:
 +                for t in sbb: # if not found yet, split and try to match first part
 +                    if t.split()[0] == town:
 +                        out_file.write('"' + t + '"' + ',' + '"POINT (' + sbb[t]['longitude'] + ' ' + sbb[t]['latitude'] + ')"\n')
 +                        print(town)
 +                        break
 </code> </code>
  
 ++++ ++++
 +
  
 </nodisp> </nodisp>
  • gf_informatik/daten_sca/maps_python.1686585576.txt.gz
  • Zuletzt geändert: 2023-06-12 15:59
  • von sca