新版白话空间统计（55）使用纯Python实现可后续分析的核密度栅格

前言：

开始没想过这个内容归类到空间统计里面，还是归类到Python开发里面，不过经过我通过很科学的丢硬币决定，还是把这篇内容归类到了空间统计中了。

---

本文来自这样一个需求：

要说到Python中的高等数学，那就必须说一下Python里面科学计算包scipy……如果说matlab是科学计算第一工具软件的话，Python能够在科学计算领域占据一席之地的第一功臣，就是这个scipy包了：

我们来看看scipy的简单介绍：

Scipy是赖于Numpy结构的科学计算工具包。

Scipy包含的功能：最优化、线性代数、积分、插值、拟合、特殊函数、快速傅里叶变换、信号处理、图像处理、常微分方程求解器等

应用场景:Scipy是高端科学计算工具包，用于数学、科学、工程学等领域

Scipy由一些特定功能的子模块组成:

所以，如果仅仅要做一个密度分析，那真是牛刀杀鸡……不过能杀鸡的刀就是好刀，甭管是叫做牛刀，还是羊刀。

下面先来看看效果

200个正态分布的随机点，不得不说，seaborn用于探索性数据分析实在是灰常好用。

如果我们仅需要可视化的显示密度，直接调用seaborn的kdeplot方法：

但是我们需要的是一个栅格，一个可以后续继续分析，甚至可以发布到镶嵌数据集的标准raster数据，这样绘制出来自然就不行了，所以我们就需要通过计算，得到一个栅格结构的数据，这个数据可以导出成tif结构的栅格数据。

而我们本次就通过scipy来实现这种计算，如下：

可视化的效果如下，我们也可以通过rasterio包（这是一个基于gdal的包，有兴趣的同学可以学习一下）把栅格数据写下来：

就可以得到这样一个tif文件了：

我们通过ArcGIS打开，无论是可视化还是元数据，可以看见是个标准的tif文件。

好了，到此为止，我们已经实验出来，通过scipy + rasterio，可以在没有GIS软件的情况下，完成核密度分析，下面来通过一个实际数据做一个案例。

数据是美国2014年的城市人口统计数据，存储为csv格式共计3229条，如下所示：

下面我们来通过scipy + rasterio来做一个核密度分析：

同样，保存下来的tif，可以在ArcGIS里面直接使用：

打完收工。

具体的代码和数据地址，还在老地方：

https://gitee.com/godxia/PythonDemo

036Python核密度

都已经到这里，三连一把吧！