10 bibliotecas de Python para Mapeo y SIG
  • Tiempo de lectura:8 minutos de lectura
  • Autor de la entrada:
  • Última modificación de la entrada:15 septiembre 2020

10 bibliotecas de Python para Mapeo y SIG

Para los usuarios más avanzados de SIG o incluso estudiantes que realizan estudios que requieren métodos y herramientas específicas, las bibliotecas de Python son la extensión definitiva, ya que les permite aumentar la funcionalidad principal del programa SIG.

En otras palabras, mediante el uso de bibliotecas de Python, es posible salir del molde o de lo establecido a nivel de análisis para un programa SIG, y crear nuevas herramientas que nos permiten aprovechar y profundizar más en nuestros datos, utilizando el programa SIG.

Con respecto a esto, tengo que decir que hoy en día, hay más de 200 bibliotecas estándar que podemos encontrar dentro de la web de Python. Pero, este número aumenta hasta el punto de ser interminable, si consideramos las bibliotecas de python creadas por terceros.

Así que, es posible decir que, el poder de los SIG gracias a Python hoy en día es infinito. Considerando que, esto a futuro será materia obligatoria y es un mundo que a penas está iniciando, y por tanto, es difícil encontrar información de calidad, vamos a empezar por lo más básico y vamos a conocer dentro de este artículo, ¿Cuáles son los paquetes de Python más populares que los profesionales de SIG utilizan hoy en día?. Empecemos.

¿Por qué es necesario aprender a utilizar bibliotecas de Python dentro de un SIG?

Si eres principiante y estás aprendiendo a manejar un SIG seguro te sentirás agobiado por todas las herramientas y análisis que puede llegar a poseer un programa SIG tipo ArcGIS Pro, ArcMap o Qgis, pero, mientras vas avanzando – y más si tu área es la investigación- te darás cuenta que el SIG posee pocas herramientas o funciones aplicables a tus datos espaciales.

Por ejemplo, un SIG no te permite calcular la diversidad alfa o beta de una zona, solo lo puedes hacer utilizando programas SIG específicos como DIVAGIS o añadiendo alguna biblioteca de python que te permita agregar esa función en específico – en este ejemplo estamos de suerte ya que podríamos utilizar SDMtoolbox que es un conjunto de varios scripts de python, para ser utilizados en ArcGIS y que nos permite realizar estos cálculos-.

En resumen, la idea que os quiero dejar, es que ningún software GIS tendrá la capacidad de hacerlo todo, en algún momento, sentiremos que a nuestro programa GIS le faltará cierta herramienta o función, y por tanto, será necesario, agregar una funcionalidad adicional y para hacerlo deberemos utilizar las bibliotecas de Python.

Así que antes de conocer las bibliotecas de python más populares, tal vez, sea necesario empezar por el principio y definir que es una Biblioteca de Python:

Una biblioteca de Python es código que otra persona ha escrito y para hacer la vida más fácil para el resto de nosotros y no reinventar la rueda, lo comparte al mundo.

Hoy en día encontraremos que los desarrolladores han escrito bibliotecas abiertas para aprendizaje automático, informes, gráficos y casi todo en Python. Así que si deseamos una funcionalidad adicional, podemos aprovechar estas bibliotecas, importándolas como scripts de python.

Bibliotecas Python para SIG

Entre las bibliotecas de Python más populares y más utilizadas dentro del mundo de los SIG, encontraremos este listado. Estas bibliotecas, nos permitirán ampliar o reforzar las funciones de gestión, análisis y visualización de datos espaciales de nuestro programa SIG.

Arcpy

Si utilizas ArcGIS Pro o ArcMap, probablemente has oído en algún momento ArcPy. ArcPy es una biblioteca de python diseñada para operaciones de geoprocesamiento. Pero no es solo para el análisis espacial, sino también para la conversión de datos, la administración y la producción de mapas utilizando los programas SIG de ESRI -En un comienzo con ArcMAP y en una versión más avanzada para ser utilizada con ArcGIS Pro-.

Geopandas

A diferencia de la librería Pandas que realiza análisis tabulares directos, la biblioteca geopandas agrega un componente geográfico. Para las operaciones de superposición, geopandas utiliza Fiona y Shapely, que son bibliotecas de Python propias.

GDAL/OGR

La biblioteca GDAL/OGR nos permite convertir o “traducir” información de un formato de información SIG a otro. Es muy común que programas SIG como QGIS, ArcGIS, ERDAS, ENVI y GRASS GIS utilice de alguna forma esta biblioteca para convertir información. En este momento, GDAL/OGR admite 97 formatos vectoriales y 162 ráster.

RSGISLib

La biblioteca RSGISLib es un conjunto de herramientas que permiten procesar y analizar información obtenida por teledetección. Con ella es posible realizar clasificaciones, filtrar o calcular estadísticas de imágenes raster. Además encontraremos funciones muy útiles como el módulo para la segmentación y clasificación basada en objetos (GEOBIA).

PyProj

PyProj permite proyectar y transformar coordenadas entre un amplío número de sistemas de referencia geográfica. También permite realizar cálculos geodésicos y de distancias para cualquier referencia dada.

Bibliotecas python para ciencia de datos

La información espacial puede definirse como información con coordenadas geográficas, es por esto, que dentro del campo de los SIGs, la ciencia de datos esté tomando terreno aceleradamente o visto de otro modo, que tenga tanta importancia. Conocer técnicas y recursos de big data es necesario, ya que son otros métodos que permiten extrae información de los datos. Ya sabemos que la ciencia de datos básicamente se encarga en recopilar información e intenta darles un sentido.

Esto nos plantea la necesidad de conocer nuevas técnicas o métodos que permitan manejar grandes cantidades de datos y encontrar patrones. Es por este motivo, que a continuación vamos a estudiar varias bibliotecas de Python que nos facilitará el análisis de grandes volúmenes de datos .

NumPy

Numerical Python (NumPy library) toma los datos de las tablas de atributos y los coloca en  matrices estructuradas. Lo interesante de colocar los datos en una matriz estructurada, es que los cálculos se realizan mucho más rápido a la hora de realizar cualquier proceso de computación científica. Otra de las fortalezas de NumPy es que puede trabajar con otras bibliotecas de Python como SciPy utilizada para realizar operaciones estadísticas pesadas.

Pandas

La biblioteca Pandas es inmensamente popular dentro del mundo de la organización de datos. No es sólo es útil para estadísticos, también, es increíblemente útil para analistas SIG. Á clave de esta biblioteca es su rendimiento computacional, todo esto gracias a, su marco de datos optimizados para trabajar con big data. Como curiosidad os comento que, estos Marcos de Datos están optimizados de tal manera que ni siquiera Microsoft Excel sería capaz de manejar.

Matplotlib

Cuando trabajamos con un elevado número de puntos de datos, a veces, para comprenderlos, es mejor trazarlos. Para esta función lo mejor es utilizar la biblioteca matplotlib que facilita la visualización gráfica de los datos. Matplotlib lo hace todo, traza gráfico y mapas y funciona muy bien con un elevado número de datos.

Scikit

Scikit es una biblioteca de Python que permite el aprendizaje automático. Está construido en NumPy, SciPy y matplotlib. Por lo tanto, si desea realizar cualquier minería de datos, clasificación o predicción de ML, la biblioteca de Scikit es una buena opción.

Re (expresiones regulares)

La biblioteca expresiones regulares (Re) es una buena herramienta para aplicar filtros a grandes volúmenes de datos. Por ejemplo, si deseamos localizar una cadena específica dentro de un montón de datos en una tabla. Además, también permite detectar, extraer y reemplazar patrones coincidentes en los datos.

ReportLab

ReportLab será una de las bibliotecas que más utilices de esta lista. Como bien sabes, los SIG a menudo carecen de capacidades suficientes para la presentación de informes, con esta biblioteca podrás mejorar tus presentaciones y además también te permite crear tu propia plantilla.

Estas son las bibliotecas de Python que creo que son las más importantes para trabajar con SIG y ciencia de datos.

Ahora, es tu turno. Déjanos un comentario si conoces otra librería que debería estar en esta lista.

Nos vemos en el siguiente post,

Isis

Isis Gómez López

Isis Gómez López es Licenciada en Biología (Ecología), Master Europeo de formador de formadores y Magíster en Espacios protegidos. Es especialista en Sistemas de Información Geográfica y Educadora Ambiental, entre otros. Ha trabajado en distintos proyectos de Conservación a nivel Mundial entre ellos: Establecimiento de un corredor biológico en Sierra de Portuguesa (Andes de Venezuela), La Recuperación y Asentamiento de la Memoria Histórica, Cultural y de Relación con el Bosque de la Etnia Aché de Paraguay por la Fundación FESOS, El proyecto realizado en Básile por la Asociación Ecotono, en donde actualmente es miembro. Algunas de sus actuaciones como formadora ambiental son: El desarrollo del proyecto educativo y participación ambiental de la población local de la Sierra Oeste de Madrid del Arboreto Luis Ceballos y del Programa Hogares Verdes del Centro Nacional de Educación Ambiental (CENEAM). El desarrollo del programa de sendas de la Asociación Ecotono o su programa de formación técnica online. Es una de los autores del "Plan de Acción para la Conservación del Oso Andino (Tremarctos ornatus) en Venezuela (2006-2016). " Actualmente es la Secretaria General de la Asociación Ecotono y la Directora de EcoScript y Educación Ambiental sin Fronteras. A parte de las funciones administrativas, dentro del Programa Educativo es Coordinadora y Profesora de los cursos presenciales y online desarrollados por la organización y fué la Directora Científica del Proyecto Juco y El Proyecto Binacional YaguaJuco.

Esta entrada tiene 2 comentarios

  1. Oh I didn’t know you wrote this. It’s lovely. And it’s not vanity. It’s called reaching an audience.

Deja una respuesta