Développement d'interfaces graphiques avec Tkinter
- Durée
- Durée :3 jours
- Niveau
- Niveau :Fondamental
- Certification
- Certification :Non
1990€ HT
Prochaine session :
Python pour l’analyse géospatiale
Explorer et représenter vos données géospatiales avec l’écosystème PythonDescription de la formation Python geospatiale
Qu'est-ce que que l’analyse géospatiale avec Python ?
L’analyse géospatiale permet de manipuler, visualiser et analyser des données associées à des emplacements géographiques. Grâce à Python et ses bibliothèques spécialisées (GDAL/OGR, GeoPandas, Shapely, Rasterio, Fiona, Folium…), il est possible de traiter des données vecteur et raster sans recourir à un SIG traditionnel.
Pourquoi suivre une formation Python pour l’analyse géospatiale ?
À l'issue de ces trois jours (21 h), vous saurez explorer et représenter vos données géospatiales, en utilisant Python dans des contextes variés (géophysique, climatologie, épidémiologie, géomarketing…). Cette compétence ouvre des opportunités pour travailler efficacement avec des données géolocalisées.
Programme de la formation
Objectif opérationnel :
Savoir manipuler, analyser et visualiser des données géospatiales avec Python en autonomie.
Objectif pédagogiques :
À l'issue de cette formation Python pour l’analyse géospatiale, vous aurez acquis les connaissances nécessaires pour :
- Découvrir les principales bibliothèques Python pour les données géospatiales.
- Comprendre vecteurs, rasters et systèmes de coordonnées.
- Manipuler formats raster et vecteurs et transformer les données (GDAL/OGR).
- Réaliser des opérations géométriques avec Shapely, GeoPandas, rasterstats.
- Créer des cartes statiques et dynamiques (matplotlib, cartopy, Folium).
Jour 1
Systèmes de coordonnées
Structures géométriques et métadonnées
Formats courants : Shapefile, GeoJSON, TIFF
Sources Open‑SourceTravaux pratiquesObjectif :Identifier types/formats de données, auditorier et visualiser une couche vecteur.
Description :Charger un shapefile, inspecter les attributs et créer une première carte. Valider la projection et la qualité.
Installation et configuration de l’environnement PythonTravaux pratiquesObjectif :Installer et utiliser au moins trois bibliothèques géospatiales.
Description :Créer un mini script Python pour charger une couche vecteur, la reprojeter, et calculer un buffer. Vérification des résultats.Jour 2
Jointures attributaires et spatiales
Opérations géométriques : intersection, union, buffer, centroïde
Statistiques géospatiales avec GeoPandas, PySALTravaux pratiquesObjectif :Réaliser une jointure spatiale entre deux couches.
Description :Lier communes et zones d'inondation, extraire les communes à risque, calculer des statistiques (surface, densité).
Extraction de métadonnées
Accès aux bandes, masques par zone
Affichage avec Matplotlib/CartopyTravaux pratiquesObjectif :Extraire une zone d’élévation spécifique.
Description :Charger un DEM, appliquer un masque vectoriel, visualiser la zone et vérifier la cohérence de l’élévation.Jour 3
Projeter les données vecteur et raster
Visualiser indicatrices de Tissot
Calculer distances correctesTravaux pratiquesObjectif :Reprojeter deux jeux de données et calculer les distances entre entités.
Description :Passer d’un EPSG à un autre, afficher indicatrices, mesurer des distances précises.
Construire des cartes web dynamiques avec Folium
Ajouter couches, popups, styles
Export et publicationTravaux pratiquesObjectif :Créer une carte interactive intégrant des couches multiples.
Description :Visualiser réseaux de transport + zones touristiques sur une carte web, ajouter interactivité. Discussion : quel style est le plus adapté aux utilisateurs ?
Comprendre les données géospatiales
Types de données : raster vs vecteurSystèmes de coordonnées
Structures géométriques et métadonnées
Formats courants : Shapefile, GeoJSON, TIFF
Sources Open‑SourceTravaux pratiquesObjectif :Identifier types/formats de données, auditorier et visualiser une couche vecteur.
Description :Charger un shapefile, inspecter les attributs et créer une première carte. Valider la projection et la qualité.
Boîte à outils Python pour le géospatial
Présentation de GDAL/OGR, GeoPandas, Fiona, Shapely, PyProj, Rasterio, Rasterstats, Cartopy, Folium, GeoviewsInstallation et configuration de l’environnement PythonTravaux pratiquesObjectif :Installer et utiliser au moins trois bibliothèques géospatiales.
Description :Créer un mini script Python pour charger une couche vecteur, la reprojeter, et calculer un buffer. Vérification des résultats.Jour 2
Exploration des données vectorielles
Import depuis CSV, GeoJSON, PostGISJointures attributaires et spatiales
Opérations géométriques : intersection, union, buffer, centroïde
Statistiques géospatiales avec GeoPandas, PySALTravaux pratiquesObjectif :Réaliser une jointure spatiale entre deux couches.
Description :Lier communes et zones d'inondation, extraire les communes à risque, calculer des statistiques (surface, densité).
Travail sur les rasters
Lecture/écriture de rastersExtraction de métadonnées
Accès aux bandes, masques par zone
Affichage avec Matplotlib/CartopyTravaux pratiquesObjectif :Extraire une zone d’élévation spécifique.
Description :Charger un DEM, appliquer un masque vectoriel, visualiser la zone et vérifier la cohérence de l’élévation.Jour 3
Transformations géodésiques
Comprendre et manipuler les systèmes de coordonnéesProjeter les données vecteur et raster
Visualiser indicatrices de Tissot
Calculer distances correctesTravaux pratiquesObjectif :Reprojeter deux jeux de données et calculer les distances entre entités.
Description :Passer d’un EPSG à un autre, afficher indicatrices, mesurer des distances précises.
Création de cartes interactives
Générer des cartes statiques (Matplotlib, Cartopy)Construire des cartes web dynamiques avec Folium
Ajouter couches, popups, styles
Export et publicationTravaux pratiquesObjectif :Créer une carte interactive intégrant des couches multiples.
Description :Visualiser réseaux de transport + zones touristiques sur une carte web, ajouter interactivité. Discussion : quel style est le plus adapté aux utilisateurs ?
Public cible :
Cette formation s'adresse aux : Data scientists, développeurs, géomaticiens, chercheurs, analystes ou toute personne manipulant des données géolocalisées.
Prérequis :
Connaissance de l’algorithmie et pratique de Python. Une première familiarité avec l’écosystème scientifique Python (Pandas, Numpy) est un plus.
J'évalue mes connaissances pour vérifier que je dispose des prérequis nécessaires pour profiter pleinement de cette formation en faisant le test de prérequis.
Date de mise à jour du programme : 15/07/2025
Dates et lieux
Période souhaitée
Lieux
Type d'affichage