Опорные населенные пункты

[3]:

import warnings
import sys
import os

import requests
import geopandas as gpd
import pandas as pd
from popframe.models.region import Region
from popframe.method.anchor_settlement import AnchorSettlementBuilder

from typing import Dict, List, Optional, Union
import time

warnings.filterwarnings("ignore")
sys.stderr = open(os.devnull, 'w')

Проепроцессинг

Получение территорий

[2]:

def fetch_territories(
    url='http://10.32.1.107:5300/api/v1/all_territories',
    parent_id=1,
    get_all_levels=False,
    territory_type_id=None,
    name=None,
    cities_only=False,
    created_at=None,
    centers_only=False
):
    params = {
        'parent_id': parent_id,
        'get_all_levels': get_all_levels,
        'territory_type_id': territory_type_id,
        'name': name,
        'cities_only': cities_only,
        'created_at': created_at,
        'centers_only': centers_only
    }

    response = requests.get(url, params=params)

    if response.status_code == 200:
        geojson_data = response.json()
        return gpd.GeoDataFrame.from_features(geojson_data['features']).set_crs(epsg=4326)
    else:
        print(f"Ошибка запроса: {response.status_code}")
        return None

Данные по соц категориям

[3]:

BASE_URL = "http://10.32.1.47:5000/api"
CATEGORIES = ['soc_workers', 'soc_old', 'soc_parents']
METRICS = ['dev', 'soc', 'bas']

def get_region_data(territory_id: int) -> Optional[Dict]:
    try:
        response = requests.get(
            f"{BASE_URL}/regions/values_identities",
            params={'territory_id': int(territory_id)},
            timeout=10
        )
        if response.status_code == 200:
            return response.json()
        return None
    except (requests.exceptions.RequestException, ValueError):
        return None

def fetch_unique_regions_data(territory_ids: List[int]) -> Dict[int, Dict]:
    regions_data = {}
    for territory_id in territory_ids:
        data = get_region_data(territory_id)
        regions_data[territory_id] = data
        time.sleep(0.1)  # Небольшая задержка между запросами
    return regions_data

def enrich_geodataframe(
        gdf: gpd.GeoDataFrame,
        index: Optional[Union[int, List[int]]] = None,
        suffix_format: str = '_{index}'
    ) -> gpd.GeoDataFrame:

    # Определяем индексы для обработки
    if index is None:
        indices = [0, 1, 2]
    elif isinstance(index, int):
        indices = [index]
    else:
        indices = index

    # Проверяем валидность индексов
    if not all(0 <= i <= 2 for i in indices):
        raise ValueError("Индексы должны быть в диапазоне [0, 2]")

    # Получаем данные для уникальных parent_id
    unique_parents = gdf['parent_id'].unique()
    regions_data = fetch_unique_regions_data(unique_parents[~pd.isna(unique_parents)])

    # Создаем новые колонки для каждой метрики
    for category in CATEGORIES:
        for metric in METRICS:
            for i in indices:
                suffix = suffix_format.format(index=i) if len(indices) > 1 else ''
                column_name = f"{category}_{metric}{suffix}"

                def safe_get_value(parent_id):
                    if pd.isna(parent_id):
                        return None

                    region_data = regions_data.get(parent_id)
                    if region_data is None:
                        return None

                    category_data = region_data.get(category)
                    if category_data is None:
                        return None

                    metric_data = category_data.get(metric)
                    if metric_data is None or i >= len(metric_data):
                        return None

                    return metric_data[i]

                gdf[column_name] = gdf['parent_id'].apply(safe_get_value)

    return gdf

def enrich_with_region_data(
        gdf: gpd.GeoDataFrame,
        index: Optional[Union[int, List[int]]] = None,
        suffix_format: str = '_{index}'
    ) -> gpd.GeoDataFrame:

    enriched_gdf = enrich_geodataframe(gdf, index, suffix_format)

    return enriched_gdf

Функция поиска родительской территории по типу

[4]:

# Глобальный словарь для хранения информации о территориях
territory_dict = {}

def initialize_territory_dict(gdf: gpd.GeoDataFrame):
    global territory_dict
    territory_dict = {
        row['id']: {
            'level': row['level'],
            'parent_id': row['parent']['id'] if pd.notna(row['parent']) else None,
            'name': row['name']  # Добавляем name в словарь
        }
        for _, row in gdf.iterrows()
    }

def find_parent_info(id: int, target_type_id: int) -> tuple:
    if id not in territory_dict:
        return None, None

    current = territory_dict[id]
    if not current['parent_id']:
        return None, None

    parent = territory_dict.get(current['parent_id'])
    if parent and parent['level'] == target_type_id:
        return current['parent_id'], parent['name']

    return find_parent_info(current['parent_id'], target_type_id)

def find_parent_ids(target_gdf: gpd.GeoDataFrame,
                   reference_gdf: gpd.GeoDataFrame,
                   target_type_id: int) -> gpd.GeoDataFrame:
    # Инициализируем словарь территорий на основе reference_gdf
    initialize_territory_dict(reference_gdf)

    # Применяем функцию поиска parent_id и name для каждой территории в target_gdf
    parent_info = target_gdf['id'].apply(
        lambda x: find_parent_info(x, target_type_id)
    )

    # Разделяем результаты на два столбца
    target_gdf['parent_id'] = [info[0] if info else None for info in parent_info]
    target_gdf['parent_name'] = [info[1] if info else None for info in parent_info]

    return target_gdf

Получение данных из TownsNet

[5]:

API_URL = "http://10.32.1.102:5510/provision/{region_id}/get_evaluation"

CATEGORIES_PROV = ["Базовая", "Дополнительная", "Комфорт"]
CATEGORIES_COLUMNS = ['basic', 'additional', 'comfort']

def fetch_gdf(region_id: int, category_name: str, category_column: str):
    params = {"category": category_name}

    response = requests.get(API_URL.format(region_id=region_id), params=params)
    if response.status_code == 200:
        data = response.json()
        gdf = gpd.GeoDataFrame.from_features(data["features"])
        gdf = gdf[["geometry", category_column]]
        return gdf
    else:
        raise Exception(f"API request failed with status {response.status_code}")

def fetch_all_categories(region_id: int):
    gdfs = [fetch_gdf(region_id, name, category_column) for name, category_column in zip(CATEGORIES_PROV,CATEGORIES_COLUMNS)]

    combined_gdf = gdfs[0]

    for gdf, category in zip(gdfs[1:], CATEGORIES_COLUMNS[1:]):
        combined_gdf = combined_gdf.merge(gdf[["geometry", category]], on="geometry", how="outer")

    return combined_gdf

[6]:

def get_population(territories_gdf: gpd.GeoDataFrame):
    POPULATION_COUNT_INDICATOR_ID =1
    URBAN_API = 'http://10.32.1.107:5300'
    res = requests.get(f'{URBAN_API}/api/v1/indicator/{POPULATION_COUNT_INDICATOR_ID}/values', verify=False)
    res.raise_for_status()
    res_df = pd.DataFrame(res.json())

    res_df['territory_id'] = res_df['territory'].apply(lambda x: x['id'] if isinstance(x, dict) else None)
    res_df = res_df[res_df['territory_id'].isin(territories_gdf['id'].values)]
    res_df = (
        res_df
        .groupby('territory_id')
        .agg({'value': 'last'})
        .rename(columns={'value': 'population'})
    )

    territories_gdf = territories_gdf.merge(res_df,  left_on='id', right_on='territory_id', how='left')
    territories_gdf['population'] = territories_gdf['population'].fillna(0)  # Заменяем NaN на 0

    return territories_gdf

Получаем данные по городам и ГПСП

[7]:

all_territories = fetch_territories(parent_id=1, get_all_levels=True, cities_only=False, centers_only=True)
all_territories = all_territories.reset_index().rename(columns={'territory_id': 'id'})
all_territories

[7]:

	index	geometry	id	territory_type	parent	name	level	properties	admin_center	target_city_type	okato_code	oktmo_code	is_city	created_at	updated_at
0	0	POINT (34.61597 59.54053)	2	{'id': 2, 'name': 'Муниципальное образование'}	{'id': 1, 'name': 'Ленинградская область'}	Бокситогорский муниципальный район	3	{'Малые города': 2, 'Крупные города': 0, 'Числ...	{'id': 328, 'name': 'город Бокситогорск'}	None	41203000000	41603000	False	2024-06-16T21:35:40.801621Z	2024-11-14T12:17:18.795643Z
1	1	POINT (34.28178 59.4324)	3	{'id': 3, 'name': 'Поселение'}	{'id': 2, 'name': 'Бокситогорский муниципальны...	Самойловское сельское поселение	4	{'Численность населения': 2154, 'Административ...	{'id': 310, 'name': 'поселок Совхозный'}	None	41203876000	41603476	False	2024-06-16T21:35:40.801621Z	2024-11-14T12:17:52.703740Z
2	2	POINT (33.95669 59.66792)	4	{'id': 3, 'name': 'Поселение'}	{'id': 2, 'name': 'Бокситогорский муниципальны...	Большедворское сельское поселение	4	{'Численность населения': 1698, 'Административ...	{'id': 427, 'name': 'деревня Большой Двор'}	None	41203812000	41603412	False	2024-06-16T21:35:40.801621Z	2024-11-14T12:17:34.396287Z
3	3	POINT (34.14548 59.52005)	5	{'id': 3, 'name': 'Поселение'}	{'id': 2, 'name': 'Бокситогорский муниципальны...	Пикалевское городское поселение	4	{'Численность населения': 20169, 'Администрати...	{'id': 335, 'name': 'город Пикалево'}	None	41440000000	41603102	False	2024-06-16T21:35:40.801621Z	2024-11-14T12:17:34.930089Z
4	4	POINT (33.85846 59.34944)	6	{'id': 3, 'name': 'Поселение'}	{'id': 2, 'name': 'Бокситогорский муниципальны...	Борское сельское поселение	4	{'Численность населения': 3393, 'Административ...	{'id': 2859, 'name': 'деревня Бор'}	None	41203816000	41603416	False	2024-06-16T21:35:40.801621Z	2024-11-14T12:17:35.367513Z
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
3131	3131	POINT (31.2342 59.17022)	3133	{'id': 18, 'name': 'Населенный пункт'}	{'id': 205, 'name': 'Трубникоборское сельское ...	деревня Апраксин Бор	5	{}	None	None	41248844010	41648444111	True	2024-06-16T21:35:40.801621Z	2025-05-22T21:46:24.081332Z
3132	3132	POINT (31.32183 59.18624)	3134	{'id': 18, 'name': 'Населенный пункт'}	{'id': 205, 'name': 'Трубникоборское сельское ...	деревня Александровка	5	{}	None	None	41248844002	41648444106	True	2024-06-16T21:35:40.801621Z	2025-05-22T11:14:58.578700Z
3133	3133	POINT (31.48353 59.28739)	3135	{'id': 18, 'name': 'Населенный пункт'}	{'id': 205, 'name': 'Трубникоборское сельское ...	деревня Большая Горка	5	{}	None	None	41248860002	41648444131	True	2024-06-16T21:35:40.801621Z	2025-05-22T21:46:27.219027Z
3134	3134	POINT (31.45352 59.30929)	3136	{'id': 18, 'name': 'Населенный пункт'}	{'id': 205, 'name': 'Трубникоборское сельское ...	деревня Дроздово	5	{}	None	None	41248860003	41648444146	True	2024-06-16T21:35:40.801621Z	2025-05-22T21:46:27.140158Z
3135	3135	POINT (31.4571 59.30223)	3137	{'id': 18, 'name': 'Населенный пункт'}	{'id': 205, 'name': 'Трубникоборское сельское ...	деревня Большая Кунесть	5	{}	None	None	41248860009	41648444136	True	2024-06-16T21:35:40.801621Z	2025-05-22T11:29:40.547203Z

3136 rows × 15 columns

[8]:

# all_territories.to_parquet('data/all_territories.parquet')
# all_territories = gpd.read_parquet('data/all_territories.parquet')

Данные сохранены в файлы, при необходимиости можно раскомментировать код и получить обновленные данные

[9]:

# Получение данных о городах
towns_gdf = fetch_territories(parent_id=1, get_all_levels=True, cities_only=True, centers_only=True)
towns_gdf

[9]:

	geometry	territory_id	territory_type	parent	name	level	properties	admin_center	target_city_type	okato_code	oktmo_code	is_city	created_at	updated_at
0	POINT (33.74561 59.36031)	207	{'id': 18, 'name': 'Населенный пункт'}	{'id': 6, 'name': 'Борское сельское поселение'}	деревня Болото	5	{}	None	None	41203816004	41603416106	True	2024-06-16T21:35:40.801621Z	2025-05-22T21:46:49.047689Z
1	POINT (33.78685 59.47791)	208	{'id': 18, 'name': 'Населенный пункт'}	{'id': 6, 'name': 'Борское сельское поселение'}	деревня Большой Остров	5	{}	None	None	41203816020	41603416111	True	2024-06-16T21:35:40.801621Z	2025-05-22T21:46:50.317027Z
2	POINT (33.79438 59.47479)	209	{'id': 18, 'name': 'Населенный пункт'}	{'id': 6, 'name': 'Борское сельское поселение'}	деревня Бор	5	{}	None	None	41203816001	41603416101	True	2024-06-16T21:35:40.801621Z	2025-05-22T11:08:10.553286Z
3	POINT (33.77497 59.44313)	210	{'id': 18, 'name': 'Населенный пункт'}	{'id': 6, 'name': 'Борское сельское поселение'}	деревня Бороватое	5	{}	None	None	41203816005	41603416116	True	2024-06-16T21:35:40.801621Z	2025-05-22T21:46:50.270215Z
4	POINT (33.67886 59.33333)	211	{'id': 18, 'name': 'Населенный пункт'}	{'id': 6, 'name': 'Борское сельское поселение'}	деревня Бочево	5	{}	None	None	41203816003	41603416121	True	2024-06-16T21:35:40.801621Z	2025-05-22T10:15:56.823065Z
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
2926	POINT (31.2342 59.17022)	3133	{'id': 18, 'name': 'Населенный пункт'}	{'id': 205, 'name': 'Трубникоборское сельское ...	деревня Апраксин Бор	5	{}	None	None	41248844010	41648444111	True	2024-06-16T21:35:40.801621Z	2025-05-22T21:46:24.081332Z
2927	POINT (31.32183 59.18624)	3134	{'id': 18, 'name': 'Населенный пункт'}	{'id': 205, 'name': 'Трубникоборское сельское ...	деревня Александровка	5	{}	None	None	41248844002	41648444106	True	2024-06-16T21:35:40.801621Z	2025-05-22T11:14:58.578700Z
2928	POINT (31.48353 59.28739)	3135	{'id': 18, 'name': 'Населенный пункт'}	{'id': 205, 'name': 'Трубникоборское сельское ...	деревня Большая Горка	5	{}	None	None	41248860002	41648444131	True	2024-06-16T21:35:40.801621Z	2025-05-22T21:46:27.219027Z
2929	POINT (31.45352 59.30929)	3136	{'id': 18, 'name': 'Населенный пункт'}	{'id': 205, 'name': 'Трубникоборское сельское ...	деревня Дроздово	5	{}	None	None	41248860003	41648444146	True	2024-06-16T21:35:40.801621Z	2025-05-22T21:46:27.140158Z
2930	POINT (31.4571 59.30223)	3137	{'id': 18, 'name': 'Населенный пункт'}	{'id': 205, 'name': 'Трубникоборское сельское ...	деревня Большая Кунесть	5	{}	None	None	41248860009	41648444136	True	2024-06-16T21:35:40.801621Z	2025-05-22T11:29:40.547203Z

2931 rows × 14 columns

[10]:

towns_gdf['is_anchor_settlement'] = towns_gdf['target_city_type'].apply(lambda x: x is not None and 'id' in x)
towns_gdf["is_anchor_settlement"] = towns_gdf["is_anchor_settlement"].astype(bool)
towns_gdf = towns_gdf[['geometry', 'territory_id', 'name', 'is_anchor_settlement']]
towns_gdf = towns_gdf.reset_index().rename(columns={'territory_id': 'id'})
towns_gdf

[10]:

	index	geometry	id	name	is_anchor_settlement
0	0	POINT (33.74561 59.36031)	207	деревня Болото	False
1	1	POINT (33.78685 59.47791)	208	деревня Большой Остров	False
2	2	POINT (33.79438 59.47479)	209	деревня Бор	False
3	3	POINT (33.77497 59.44313)	210	деревня Бороватое	False
4	4	POINT (33.67886 59.33333)	211	деревня Бочево	False
...	...	...	...	...	...
2926	2926	POINT (31.2342 59.17022)	3133	деревня Апраксин Бор	False
2927	2927	POINT (31.32183 59.18624)	3134	деревня Александровка	False
2928	2928	POINT (31.48353 59.28739)	3135	деревня Большая Горка	False
2929	2929	POINT (31.45352 59.30929)	3136	деревня Дроздово	False
2930	2930	POINT (31.4571 59.30223)	3137	деревня Большая Кунесть	False

2931 rows × 5 columns

[11]:

towns_gdf = find_parent_ids(towns_gdf, all_territories, target_type_id=4)
towns_gdf

[11]:

	index	geometry	id	name	is_anchor_settlement	parent_id	parent_name
0	0	POINT (33.74561 59.36031)	207	деревня Болото	False	6.0	Борское сельское поселение
1	1	POINT (33.78685 59.47791)	208	деревня Большой Остров	False	6.0	Борское сельское поселение
2	2	POINT (33.79438 59.47479)	209	деревня Бор	False	6.0	Борское сельское поселение
3	3	POINT (33.77497 59.44313)	210	деревня Бороватое	False	6.0	Борское сельское поселение
4	4	POINT (33.67886 59.33333)	211	деревня Бочево	False	6.0	Борское сельское поселение
...	...	...	...	...	...	...	...
2926	2926	POINT (31.2342 59.17022)	3133	деревня Апраксин Бор	False	205.0	Трубникоборское сельское поселение
2927	2927	POINT (31.32183 59.18624)	3134	деревня Александровка	False	205.0	Трубникоборское сельское поселение
2928	2928	POINT (31.48353 59.28739)	3135	деревня Большая Горка	False	205.0	Трубникоборское сельское поселение
2929	2929	POINT (31.45352 59.30929)	3136	деревня Дроздово	False	205.0	Трубникоборское сельское поселение
2930	2930	POINT (31.4571 59.30223)	3137	деревня Большая Кунесть	False	205.0	Трубникоборское сельское поселение

2931 rows × 7 columns

[13]:

towns_gdf = enrich_with_region_data(towns_gdf, index=0)
towns_gdf

[13]:

	index	geometry	id	name	is_anchor_settlement	parent_id	parent_name	population	soc_workers_dev	soc_workers_soc	soc_workers_bas	soc_old_dev	soc_old_soc	soc_old_bas	soc_parents_dev	soc_parents_soc	soc_parents_bas
0	0	POINT (33.74561 59.36031)	207	деревня Болото	False	6.0	Борское сельское поселение	10.0	None	0.033795	0.096542	0.194644	0.041469	0.072120	0.308008	0.033795	0.002834
1	1	POINT (33.78685 59.47791)	208	деревня Большой Остров	False	6.0	Борское сельское поселение	68.0	None	0.033795	0.096542	0.194644	0.041469	0.072120	0.308008	0.033795	0.002834
2	2	POINT (33.79438 59.47479)	209	деревня Бор	False	6.0	Борское сельское поселение	1734.0	None	0.033795	0.096542	0.194644	0.041469	0.072120	0.308008	0.033795	0.002834
3	3	POINT (33.77497 59.44313)	210	деревня Бороватое	False	6.0	Борское сельское поселение	10.0	None	0.033795	0.096542	0.194644	0.041469	0.072120	0.308008	0.033795	0.002834
4	4	POINT (33.67886 59.33333)	211	деревня Бочево	False	6.0	Борское сельское поселение	10.0	None	0.033795	0.096542	0.194644	0.041469	0.072120	0.308008	0.033795	0.002834
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
2926	2926	POINT (31.2342 59.17022)	3133	деревня Апраксин Бор	False	205.0	Трубникоборское сельское поселение	313.0	None	0.152398	0.520615	0.271781	0.105424	0.491682	0.335392	0.152398	0.226743
2927	2927	POINT (31.32183 59.18624)	3134	деревня Александровка	False	205.0	Трубникоборское сельское поселение	313.0	None	0.152398	0.520615	0.271781	0.105424	0.491682	0.335392	0.152398	0.226743
2928	2928	POINT (31.48353 59.28739)	3135	деревня Большая Горка	False	205.0	Трубникоборское сельское поселение	313.0	None	0.152398	0.520615	0.271781	0.105424	0.491682	0.335392	0.152398	0.226743
2929	2929	POINT (31.45352 59.30929)	3136	деревня Дроздово	False	205.0	Трубникоборское сельское поселение	5.0	None	0.152398	0.520615	0.271781	0.105424	0.491682	0.335392	0.152398	0.226743
2930	2930	POINT (31.4571 59.30223)	3137	деревня Большая Кунесть	False	205.0	Трубникоборское сельское поселение	5.0	None	0.152398	0.520615	0.271781	0.105424	0.491682	0.335392	0.152398	0.226743

2931 rows × 17 columns

[14]:

provision_gdf = fetch_all_categories(1)
provision_gdf = provision_gdf.set_crs(epsg=4326)

# Добавляем буфер вокруг точек в gdf1
orig_geometry = towns_gdf['geometry']
towns_gdf['geometry'] = towns_gdf.geometry.buffer(0.002)
towns_gdf = towns_gdf.sjoin(provision_gdf, how='left', predicate='intersects')
towns_gdf['geometry'] = orig_geometry
towns_gdf['provision'] = towns_gdf[['basic', 'additional', 'comfort']].mean(axis=1)
# towns_gdf.to_parquet('data/towns_gdf.parquet')
towns_gdf

[14]:

	index	geometry	id	name	is_anchor_settlement	parent_id	parent_name	population	soc_workers_dev	soc_workers_soc	...	soc_old_soc	soc_old_bas	soc_parents_dev	soc_parents_soc	soc_parents_bas	index_right	basic	additional	comfort	provision
0	0	POINT (33.74561 59.36031)	207	деревня Болото	False	6.0	Борское сельское поселение	10.0	None	0.033795	...	0.041469	0.072120	0.308008	0.033795	0.002834	NaN	NaN	NaN	NaN	NaN
1	1	POINT (33.78685 59.47791)	208	деревня Большой Остров	False	6.0	Борское сельское поселение	68.0	None	0.033795	...	0.041469	0.072120	0.308008	0.033795	0.002834	NaN	NaN	NaN	NaN	NaN
2	2	POINT (33.79438 59.47479)	209	деревня Бор	False	6.0	Борское сельское поселение	1734.0	None	0.033795	...	0.041469	0.072120	0.308008	0.033795	0.002834	NaN	NaN	NaN	NaN	NaN
3	3	POINT (33.77497 59.44313)	210	деревня Бороватое	False	6.0	Борское сельское поселение	10.0	None	0.033795	...	0.041469	0.072120	0.308008	0.033795	0.002834	3.0	0.53	0.7	0.4	0.543333
4	4	POINT (33.67886 59.33333)	211	деревня Бочево	False	6.0	Борское сельское поселение	10.0	None	0.033795	...	0.041469	0.072120	0.308008	0.033795	0.002834	NaN	NaN	NaN	NaN	NaN
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
2926	2926	POINT (31.2342 59.17022)	3133	деревня Апраксин Бор	False	205.0	Трубникоборское сельское поселение	313.0	None	0.152398	...	0.105424	0.491682	0.335392	0.152398	0.226743	2926.0	0.20	0.4	0.2	0.266667
2927	2927	POINT (31.32183 59.18624)	3134	деревня Александровка	False	205.0	Трубникоборское сельское поселение	313.0	None	0.152398	...	0.105424	0.491682	0.335392	0.152398	0.226743	NaN	NaN	NaN	NaN	NaN
2928	2928	POINT (31.48353 59.28739)	3135	деревня Большая Горка	False	205.0	Трубникоборское сельское поселение	313.0	None	0.152398	...	0.105424	0.491682	0.335392	0.152398	0.226743	NaN	NaN	NaN	NaN	NaN
2929	2929	POINT (31.45352 59.30929)	3136	деревня Дроздово	False	205.0	Трубникоборское сельское поселение	5.0	None	0.152398	...	0.105424	0.491682	0.335392	0.152398	0.226743	NaN	NaN	NaN	NaN	NaN
2930	2930	POINT (31.4571 59.30223)	3137	деревня Большая Кунесть	False	205.0	Трубникоборское сельское поселение	5.0	None	0.152398	...	0.105424	0.491682	0.335392	0.152398	0.226743	2930.0	0.33	0.4	0.4	0.376667

2932 rows × 22 columns

[15]:

# towns_gdf = gpd.read_parquet('data/cities_gdf.parquet')
# towns_gdf['provision'] = towns_gdf[['basic', 'additional', 'comfort']].mean(axis=1)
towns_gdf = towns_gdf.set_index("id", drop=False)
towns_gdf = towns_gdf.fillna(0)
towns_gdf = towns_gdf.to_crs(4326)
towns_gdf['parent_name'] = towns_gdf['parent_name'].fillna('').astype(str)

# теперь можно безопасно сохранить в parquet
towns_gdf.to_parquet('data/towns_gdf.parquet')
towns_gdf

[15]:

	index	geometry	id	name	is_anchor_settlement	parent_id	parent_name	population	soc_workers_dev	soc_workers_soc	...	soc_old_soc	soc_old_bas	soc_parents_dev	soc_parents_soc	soc_parents_bas	index_right	basic	additional	comfort	provision
id
207	0	POINT (33.74561 59.36031)	207	деревня Болото	False	6.0	Борское сельское поселение	10.0	0	0.033795	...	0.041469	0.072120	0.308008	0.033795	0.002834	0.0	0.00	0.0	0.0	0.000000
208	1	POINT (33.78685 59.47791)	208	деревня Большой Остров	False	6.0	Борское сельское поселение	68.0	0	0.033795	...	0.041469	0.072120	0.308008	0.033795	0.002834	0.0	0.00	0.0	0.0	0.000000
209	2	POINT (33.79438 59.47479)	209	деревня Бор	False	6.0	Борское сельское поселение	1734.0	0	0.033795	...	0.041469	0.072120	0.308008	0.033795	0.002834	0.0	0.00	0.0	0.0	0.000000
210	3	POINT (33.77497 59.44313)	210	деревня Бороватое	False	6.0	Борское сельское поселение	10.0	0	0.033795	...	0.041469	0.072120	0.308008	0.033795	0.002834	3.0	0.53	0.7	0.4	0.543333
211	4	POINT (33.67886 59.33333)	211	деревня Бочево	False	6.0	Борское сельское поселение	10.0	0	0.033795	...	0.041469	0.072120	0.308008	0.033795	0.002834	0.0	0.00	0.0	0.0	0.000000
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
3133	2926	POINT (31.2342 59.17022)	3133	деревня Апраксин Бор	False	205.0	Трубникоборское сельское поселение	313.0	0	0.152398	...	0.105424	0.491682	0.335392	0.152398	0.226743	2926.0	0.20	0.4	0.2	0.266667
3134	2927	POINT (31.32183 59.18624)	3134	деревня Александровка	False	205.0	Трубникоборское сельское поселение	313.0	0	0.152398	...	0.105424	0.491682	0.335392	0.152398	0.226743	0.0	0.00	0.0	0.0	0.000000
3135	2928	POINT (31.48353 59.28739)	3135	деревня Большая Горка	False	205.0	Трубникоборское сельское поселение	313.0	0	0.152398	...	0.105424	0.491682	0.335392	0.152398	0.226743	0.0	0.00	0.0	0.0	0.000000
3136	2929	POINT (31.45352 59.30929)	3136	деревня Дроздово	False	205.0	Трубникоборское сельское поселение	5.0	0	0.152398	...	0.105424	0.491682	0.335392	0.152398	0.226743	0.0	0.00	0.0	0.0	0.000000
3137	2930	POINT (31.4571 59.30223)	3137	деревня Большая Кунесть	False	205.0	Трубникоборское сельское поселение	5.0	0	0.152398	...	0.105424	0.491682	0.335392	0.152398	0.226743	2930.0	0.33	0.4	0.4	0.376667

2932 rows × 22 columns

Работа метода

Границы опорных пунктов

[4]:

from popframe.models.region import Region
from popframe.method.anchor_settlement import AnchorSettlementBuilder

# Создаем экземпляр класса
region_model = Region.from_pickle('data/1.pickle')
builder = AnchorSettlementBuilder(region=region_model)

# Вызываем метод построения границ
towns_gdf = gpd.read_parquet('data/towns_gdf.parquet')
settlement_boundaries = builder.get_anchor_settlement_boundaries(towns_gdf, time = 50)

[ ]:

# settlement_boundaries.to_file('data/settlement_boundaries.geojson', driver='GeoJSON')

[5]:

import matplotlib.pyplot as plt
import geopandas as gpd

# Создание графика и оси
fig, ax = plt.subplots(figsize=(30, 10))

# Визуализация границ с заливкой светло-голубым цветом
settlement_boundaries.plot(ax=ax, edgecolor="black", facecolor="#ADD8E6", linewidth=1)

# Визуализация границ региона (серым цветом с прозрачностью)
region_boundary = region_model.region
region_boundary.plot(ax=ax, color='gray', edgecolor='black', alpha=0.3)

local_crs = region_boundary.crs


non_anchor_towns = towns_gdf[towns_gdf["is_anchor_settlement"] == False]  # Не опорные города
anchor_towns = towns_gdf[towns_gdf["is_anchor_settlement"] == True]  # Не опорные города

non_anchor_towns = non_anchor_towns.to_crs(local_crs)
anchor_towns = anchor_towns.to_crs(local_crs)

# Визуализация не опорных городов (тепловая карта по provision)
non_anchor_towns.plot(
    ax=ax,
    column="basic",  # Градиент по 'provision'
    cmap="YlOrRd",  # От жёлтого к красному
    legend=True,  # Включаем легенду
    markersize=non_anchor_towns["basic"] * 10,  # Размер точек по значению
    alpha=0.7
)

# Визуализация опорных городов (зелёным цветом)
anchor_towns.plot(
    ax=ax,
    color="green",  # Фиксированный зелёный цвет
    markersize=50,  # Размер маркеров
    alpha=0.9,
    edgecolor="black"
)


# Настройки отображения
ax.set_axis_off()

# Показ графика
plt.show()

../_images/examples_anchor_settelment_26_0.png