GeoDjango handledningLink to this heading#

Skapa en rumslig databasLink to this heading#

Vanligtvis krävs ingen speciell installation, så du kan skapa en databas som du skulle göra för vilket annat projekt som helst. Vi ger några tips för utvalda databaser:

• Installera PostGIS

• installera/spatialite

Skapa ett nytt projektLink to this heading#

Använd standardskriptet django-admin för att skapa ett projekt som heter geodjango:

$ django-admin startproject geodjango

...\> django-admin startproject geodjango

Detta kommer att initiera ett nytt projekt. Nu skapar du en Django-applikation world inom geodjango-projektet:

$ cd geodjango
$ python manage.py startapp world

...\> cd geodjango
...\> py manage.py startapp world

Konfigurera settings.pyLink to this heading#

Projektinställningarna för geodjango lagras i filen geodjango/settings.py. Redigera databasanslutningsinställningarna så att de matchar din installation:

DATABASES = {
    "default": {
        "ENGINE": "django.contrib.gis.db.backends.postgis",
        "NAME": "geodjango",
        "USER": "geo",
    },
}

Ändra dessutom inställningen INSTALLED_APPS så att den inkluderar django.contrib.admin, django.contrib.gis och world (din nyskapade applikation):

INSTALLED_APPS = [
    "django.contrib.admin",
    "django.contrib.auth",
    "django.contrib.contenttypes",
    "django.contrib.sessions",
    "django.contrib.messages",
    "django.contrib.staticfiles",
    "django.contrib.gis",
    "world",
]

VärldsgränserLink to this heading#

Uppgifterna om världsgränserna finns i denna `zip-fil`__. Skapa en data-katalog i applikationen world, ladda ner data om världsgränser och packa upp den. På GNU/Linux-plattformar använder du följande kommandon:

$ mkdir world/data
$ cd world/data
$ wget https://web.archive.org/web/20231220150759/https://thematicmapping.org/downloads/TM_WORLD_BORDERS-0.3.zip
$ unzip TM_WORLD_BORDERS-0.3.zip
$ cd ../..

...\> mkdir world\data
...\> cd world\data
...\> wget https://web.archive.org/web/20231220150759/https://thematicmapping.org/downloads/TM_WORLD_BORDERS-0.3.zip
...\> unzip TM_WORLD_BORDERS-0.3.zip
...\> cd ..\..

ZIP-filen World Borders innehåller en uppsättning datafiler som kollektivt kallas en ”ESRI Shapefile”, ett av de mest populära geospatiala dataformaten. När den packas upp innehåller datasetet world borders filer med följande tillägg:

• .shp: Innehåller vektordata för världsgränsgeometrierna.

• .shx: Rumslig indexfil för geometrier lagrade i .shp.

• .dbf: Databasfil för icke-geometriska attributdata (t.ex. heltals- och teckenfält).

• .prj: Innehåller den rumsliga referensinformationen för de geografiska data som lagras i shapefilen.

Använd ogrinfo för att undersöka rumsliga dataLink to this heading#

GDAL:s verktyg ogrinfo gör det möjligt att undersöka metadata för shapefiler eller andra vektordatakällor:

$ ogrinfo world/data/TM_WORLD_BORDERS-0.3.shp
INFO: Open of `world/data/TM_WORLD_BORDERS-0.3.shp'
      using driver `ESRI Shapefile' successful.
1: TM_WORLD_BORDERS-0.3 (Polygon)

...\> ogrinfo world\data\TM_WORLD_BORDERS-0.3.shp
INFO: Open of `world/data/TM_WORLD_BORDERS-0.3.shp'
      using driver `ESRI Shapefile' successful.
1: TM_WORLD_BORDERS-0.3 (Polygon)

ogrinfo berättar för oss att shapefilen har ett lager och att detta lager innehåller polygondata. För att ta reda på mer anger vi skiktnamnet och använder alternativet -so för att bara få den viktiga sammanfattande informationen:

$ ogrinfo -so world/data/TM_WORLD_BORDERS-0.3.shp TM_WORLD_BORDERS-0.3
INFO: Open of `world/data/TM_WORLD_BORDERS-0.3.shp'
      using driver `ESRI Shapefile' successful.

Layer name: TM_WORLD_BORDERS-0.3
Metadata:
  DBF_DATE_LAST_UPDATE=2008-07-30
Geometry: Polygon
Feature Count: 246
Extent: (-180.000000, -90.000000) - (180.000000, 83.623596)
Layer SRS WKT:
GEOGCRS["WGS 84",
    DATUM["World Geodetic System 1984",
        ELLIPSOID["WGS 84",6378137,298.257223563,
            LENGTHUNIT["metre",1]]],
    PRIMEM["Greenwich",0,
        ANGLEUNIT["degree",0.0174532925199433]],
    CS[ellipsoidal,2],
        AXIS["latitude",north,
            ORDER[1],
            ANGLEUNIT["degree",0.0174532925199433]],
        AXIS["longitude",east,
            ORDER[2],
            ANGLEUNIT["degree",0.0174532925199433]],
    ID["EPSG",4326]]
Data axis to CRS axis mapping: 2,1
FIPS: String (2.0)
ISO2: String (2.0)
ISO3: String (3.0)
UN: Integer (3.0)
NAME: String (50.0)
AREA: Integer (7.0)
POP2005: Integer64 (10.0)
REGION: Integer (3.0)
SUBREGION: Integer (3.0)
LON: Real (8.3)
LAT: Real (7.3)

...\> ogrinfo -so world\data\TM_WORLD_BORDERS-0.3.shp TM_WORLD_BORDERS-0.3
INFO: Open of `world/data/TM_WORLD_BORDERS-0.3.shp'
      using driver `ESRI Shapefile' successful.

Layer name: TM_WORLD_BORDERS-0.3
Metadata:
  DBF_DATE_LAST_UPDATE=2008-07-30
Geometry: Polygon
Feature Count: 246
Extent: (-180.000000, -90.000000) - (180.000000, 83.623596)
Layer SRS WKT:
GEOGCRS["WGS 84",
    DATUM["World Geodetic System 1984",
        ELLIPSOID["WGS 84",6378137,298.257223563,
            LENGTHUNIT["metre",1]]],
    PRIMEM["Greenwich",0,
        ANGLEUNIT["degree",0.0174532925199433]],
    CS[ellipsoidal,2],
        AXIS["latitude",north,
            ORDER[1],
            ANGLEUNIT["degree",0.0174532925199433]],
        AXIS["longitude",east,
            ORDER[2],
            ANGLEUNIT["degree",0.0174532925199433]],
    ID["EPSG",4326]]
Data axis to CRS axis mapping: 2,1
FIPS: String (2.0)
ISO2: String (2.0)
ISO3: String (3.0)
UN: Integer (3.0)
NAME: String (50.0)
AREA: Integer (7.0)
POP2005: Integer64 (10.0)
REGION: Integer (3.0)
SUBREGION: Integer (3.0)
LON: Real (8.3)
LAT: Real (7.3)

Den här detaljerade sammanfattningsinformationen anger antalet funktioner i skiktet (246), de geografiska gränserna för data, det rumsliga referenssystemet (”SRS WKT”) samt typinformation för varje attributfält. Till exempel: FIPS: String (2.0) anger att teckenfältet FIPS har en maximal längd på 2. På samma sätt är LON: Real (8.3) ett fält med flyttal som rymmer maximalt 8 siffror med tre decimaler.

Definiera en geografisk modellLink to this heading#

Nu när du har undersökt din dataset med hjälp av ogrinfo, skapa en GeoDjango modell för att representera dessa data:

from django.contrib.gis.db import models


class WorldBorder(models.Model):
    # Regular Django fields corresponding to the attributes in the
    # world borders shapefile.
    name = models.CharField(max_length=50)
    area = models.IntegerField()
    pop2005 = models.IntegerField("Population 2005")
    fips = models.CharField("FIPS Code", max_length=2, null=True)
    iso2 = models.CharField("2 Digit ISO", max_length=2)
    iso3 = models.CharField("3 Digit ISO", max_length=3)
    un = models.IntegerField("United Nations Code")
    region = models.IntegerField("Region Code")
    subregion = models.IntegerField("Sub-Region Code")
    lon = models.FloatField()
    lat = models.FloatField()

    # GeoDjango-specific: a geometry field (MultiPolygonField)
    mpoly = models.MultiPolygonField()

    # Returns the string representation of the model.
    def __str__(self):
        return self.name

Observera att modulen models importeras från django.contrib.gis.db.

Det rumsliga referenssystemet för geometriska fält är WGS84 (vilket innebär att `SRID`__ är 4326) - med andra ord är fältkoordinaterna i par av longitud och latitud i enheter av grader. Om du vill använda ett annat koordinatsystem anger du SRID för geometrifältet med argumentet srid. Använd ett heltal som representerar koordinatsystemets EPSG-kod.

Kör migrateLink to this heading#

När du har definierat din modell måste du synkronisera den med databasen. Först skapar du en databasmigrering:

$ python manage.py makemigrations
Migrations for 'world':
  world/migrations/0001_initial.py:
    + Create model WorldBorder

...\> py manage.py makemigrations
Migrations for 'world':
  world/migrations/0001_initial.py:
    + Create model WorldBorder

Låt oss titta på den SQL som kommer att generera tabellen för modellen WorldBorder:

$ python manage.py sqlmigrate world 0001

...\> py manage.py sqlmigrate world 0001

Detta kommando bör ge följande resultat:

BEGIN;
--
-- Create model WorldBorder
--
CREATE TABLE "world_worldborder" (
    "id" bigint NOT NULL PRIMARY KEY GENERATED BY DEFAULT AS IDENTITY,
    "name" varchar(50) NOT NULL,
    "area" integer NOT NULL,
    "pop2005" integer NOT NULL,
    "fips" varchar(2) NOT NULL,
    "iso2" varchar(2) NOT NULL,
    "iso3" varchar(3) NOT NULL,
    "un" integer NOT NULL,
    "region" integer NOT NULL,
    "subregion" integer NOT NULL,
    "lon" double precision NOT NULL,
    "lat" double precision NOT NULL
    "mpoly" geometry(MULTIPOLYGON,4326) NOT NULL
)
;
CREATE INDEX "world_worldborder_mpoly_id" ON "world_worldborder" USING GIST ("mpoly");
COMMIT;

Om detta ser korrekt ut, kör migrate för att skapa denna tabell i databasen:

$ python manage.py migrate
Operations to perform:
  Apply all migrations: admin, auth, contenttypes, sessions, world
Running migrations:
  ...
  Applying world.0001_initial... OK

...\> py manage.py migrate
Operations to perform:
  Apply all migrations: admin, auth, contenttypes, sessions, world
Running migrations:
  ...
  Applying world.0001_initial... OK

GDAL-gränssnittLink to this heading#

Tidigare använde du ogrinfo för att undersöka innehållet i shapefilen för världsgränser. GeoDjango innehåller också ett pythoniskt gränssnitt till GDAL:s kraftfulla OGR-bibliotek som kan arbeta med alla vektordatakällor som OGR stöder.

Först anropar du Django-skalet:

$ python manage.py shell

...\> py manage.py shell

Om du hämtade data från Världsgränser tidigare i handledningen kan du bestämma dess sökväg med hjälp av Pythons pathlib.Path:

>>> from pathlib import Path
>>> import world
>>> world_shp = Path(world.__file__).resolve().parent / "data" / "TM_WORLD_BORDERS-0.3.shp"

Öppna nu shapefilen med världsgränser med hjälp av GeoDjangos DataSource-gränssnitt:

>>> from django.contrib.gis.gdal import DataSource
>>> ds = DataSource(world_shp)
>>> print(ds)
/ ... /geodjango/world/data/TM_WORLD_BORDERS-0.3.shp (ESRI Shapefile)

Datakällobjekt kan ha olika lager av geospatiala funktioner, men shapefiler får bara ha ett lager:

>>> print(len(ds))
1
>>> lyr = ds[0]
>>> print(lyr)
TM_WORLD_BORDERS-0.3

Du kan se skiktets geometrityp och hur många funktioner det innehåller:

>>> print(lyr.geom_type)
Polygon
>>> print(len(lyr))
246

Layer kan också ha ett rumsligt referenssystem associerat med sig. Om det gör det kommer attributet srs att returnera ett SpatialReference-objekt:

>>> srs = lyr.srs
>>> print(srs)
GEOGCS["WGS 84",
DATUM["WGS_1984",
    SPHEROID["WGS 84",6378137,298.257223563,
        AUTHORITY["EPSG","7030"]],
    AUTHORITY["EPSG","6326"]],
PRIMEM["Greenwich",0,
    AUTHORITY["EPSG","8901"]],
UNIT["degree",0.0174532925199433,
    AUTHORITY["EPSG","9122"]],
AXIS["Latitude",NORTH],
AXIS["Longitude",EAST],
AUTHORITY["EPSG","4326"]]
>>> srs.proj  # PROJ representation
'+proj=longlat +datum=WGS84 +no_defs'

Denna shapefil är i det populära rumsliga referenssystemet WGS84 - med andra ord använder data par av longitud, latitud i enheter av grader.

Dessutom stöder shapefiler även attributfält som kan innehålla ytterligare data. Här är fälten på World Borders-skiktet:

>>> print(lyr.fields)
['FIPS', 'ISO2', 'ISO3', 'UN', 'NAME', 'AREA', 'POP2005', 'REGION', 'SUBREGION', 'LON', 'LAT']

Med följande kod kan du undersöka de OGR-typer (t.ex. heltal eller sträng) som är associerade med vart och ett av fälten:

>>> [fld.__name__ for fld in lyr.field_types]
['OFTString', 'OFTString', 'OFTString', 'OFTInteger', 'OFTString', 'OFTInteger', 'OFTInteger64', 'OFTInteger', 'OFTInteger', 'OFTReal', 'OFTReal']

Du kan iterera över varje objekt i skiktet och extrahera information från både objektets geometri (som nås via attributet geom) och objektets attributfält (vars värden nås via metoden get()):

>>> for feat in lyr:
...     print(feat.get("NAME"), feat.geom.num_points)
...
Guernsey 18
Jersey 26
South Georgia South Sandwich Islands 338
Taiwan 363

Layer-objekt kan skivas:

>>> lyr[0:2]
[<django.contrib.gis.gdal.feature.Feature object at 0x2f47690>, <django.contrib.gis.gdal.feature.Feature object at 0x2f47650>]

Och enskilda funktioner kan hämtas med hjälp av deras funktions-ID:

>>> feat = lyr[234]
>>> print(feat.get("NAME"))
San Marino

Gränsgeometrier kan exporteras som WKT och GeoJSON:

>>> geom = feat.geom
>>> print(geom.wkt)
POLYGON ((12.415798 43.957954,12.450554 ...
>>> print(geom.json)
{ "type": "Polygon", "coordinates": [ [ [ 12.415798, 43.957954 ], [ 12.450554, 43.979721 ], ...

LayerMappingLink to this heading#

För att importera data använder du en LayerMapping i ett Python-skript. Skapa en fil som heter load.py i applikationen world med följande kod:

from pathlib import Path
from django.contrib.gis.utils import LayerMapping
from .models import WorldBorder

world_mapping = {
    "fips": "FIPS",
    "iso2": "ISO2",
    "iso3": "ISO3",
    "un": "UN",
    "name": "NAME",
    "area": "AREA",
    "pop2005": "POP2005",
    "region": "REGION",
    "subregion": "SUBREGION",
    "lon": "LON",
    "lat": "LAT",
    "mpoly": "MULTIPOLYGON",
}

world_shp = Path(__file__).resolve().parent / "data" / "TM_WORLD_BORDERS-0.3.shp"


def run(verbose=True):
    lm = LayerMapping(WorldBorder, world_shp, world_mapping, transform=False)
    lm.save(strict=True, verbose=verbose)

Några anteckningar om vad som händer:

• Varje nyckel i ordlistan world_mapping motsvarar ett fält i modellen WorldBorder. Värdet är namnet på det shapefile-fält som data kommer att laddas från.

• Nyckeln mpoly för geometrifältet är MULTIPOLYGON, den geometrityp som GeoDjango kommer att importera fältet som. Även enkla polygoner i shapefilen kommer automatiskt att konverteras till samlingar innan de läggs in i databasen.

• Sökvägen till shapefilen är inte absolut - med andra ord, om du flyttar programmet world (med underkatalogen data) till en annan plats kommer skriptet fortfarande att fungera.

• Nyckelordet transform är inställt på False eftersom data i shapefilen inte behöver konverteras - de finns redan i WGS84 (SRID=4326).

Därefter anropar du Django-skalet från projektkatalogen geodjango:

$ python manage.py shell

...\> py manage.py shell

Därefter importerar du modulen load, anropar rutinen run och ser LayerMapping göra jobbet:

>>> from world import load
>>> load.run()

Prova ogrinspectLink to this heading#

Nu när du har sett hur man definierar geografiska modeller och importerar data med LayerMapping verktyg för dataimport, är det möjligt att ytterligare automatisera denna process med hjälp av hanteringskommandot ogrinspect. Kommandot ogrinspect introspekterar en GDAL-stödd vektordatakälla (t.ex. en shapefil) och genererar automatiskt en modelldefinition och en LayerMapping-ordbok.

Den allmänna användningen av kommandot går till på följande sätt:

$ python manage.py ogrinspect [options] <data_source> <model_name> [options]

...\> py manage.py ogrinspect [options] <data_source> <model_name> [options]

data_source är sökvägen till den GDAL-stödda datakällan och model_name är det namn som ska användas för modellen. Kommandoradsalternativ kan användas för att ytterligare definiera hur modellen genereras.

Exempelvis kan följande kommando nästan automatiskt reproducera modellen WorldBorder och mappningsordlistan som skapats ovan:

$ python manage.py ogrinspect world/data/TM_WORLD_BORDERS-0.3.shp WorldBorder \
    --srid=4326 --mapping --multi

...\> py manage.py ogrinspect world\data\TM_WORLD_BORDERS-0.3.shp WorldBorder \
    --srid=4326 --mapping --multi

Några kommentarer om de kommandoradsalternativ som anges ovan:

• Alternativet --srid=4326 anger SRID för det geografiska fältet.

• Alternativet --mapping säger till ogrinspect att även generera en mappningsordbok för användning med LayerMapping.

• Alternativet --multi anges så att det geografiska fältet är en MultiPolygonField istället för bara en PolygonField.

Kommandot ger följande resultat, som kan kopieras direkt till models.py i en GeoDjango-applikation:

# This is an auto-generated Django model module created by ogrinspect.
from django.contrib.gis.db import models


class WorldBorder(models.Model):
    fips = models.CharField(max_length=2)
    iso2 = models.CharField(max_length=2)
    iso3 = models.CharField(max_length=3)
    un = models.IntegerField()
    name = models.CharField(max_length=50)
    area = models.IntegerField()
    pop2005 = models.IntegerField()
    region = models.IntegerField()
    subregion = models.IntegerField()
    lon = models.FloatField()
    lat = models.FloatField()
    geom = models.MultiPolygonField(srid=4326)


# Auto-generated `LayerMapping` dictionary for WorldBorder model
worldborders_mapping = {
    "fips": "FIPS",
    "iso2": "ISO2",
    "iso3": "ISO3",
    "un": "UN",
    "name": "NAME",
    "area": "AREA",
    "pop2005": "POP2005",
    "region": "REGION",
    "subregion": "SUBREGION",
    "lon": "LON",
    "lat": "LAT",
    "geom": "MULTIPOLYGON",
}

Rumsliga uppslagningarLink to this heading#

GeoDjango lägger till rumsliga uppslagningar till Django ORM. Du kan till exempel hitta det land i tabellen WorldBorder som innehåller en viss punkt. Starta först upp hanteringsskalet:

$ python manage.py shell

...\> py manage.py shell

Nu ska du definiera en intressepunkt [3]:

>>> pnt_wkt = "POINT(-95.3385 29.7245)"

Strängen pnt_wkt representerar punkten på -95,3385 graders longitud, 29,7245 graders latitud. Geometrin är i ett format som kallas Well Known Text (WKT), en standard som utfärdats av Open Geospatial Consortium (OGC). [4] Importera modellen WorldBorder och utför en contains-sökning med pnt_wkt som parameter:

>>> from world.models import WorldBorder
>>> WorldBorder.objects.filter(mpoly__contains=pnt_wkt)
<QuerySet [<WorldBorder: United States>]>

Här hämtade du en QuerySet med bara en modell: USA:s gräns (precis vad du förväntar dig).

På samma sätt kan du också använda ett GEOS geometriobjekt. Här kan du kombinera den rumsliga intersects-uppslagningen med get-metoden för att bara hämta WorldBorder-instansen för San Marino istället för en queryset:

>>> from django.contrib.gis.geos import Point
>>> pnt = Point(12.4604, 43.9420)
>>> WorldBorder.objects.get(mpoly__intersects=pnt)
<WorldBorder: San Marino>

Uppslagningarna contains och intersects är bara en delmängd av de tillgängliga frågorna - GeoDjango databas API-dokumentationen innehåller mer.

Automatiska rumsliga omvandlingarLink to this heading#

När du gör rumsliga frågor omvandlar GeoDjango automatiskt geometrier om de är i ett annat koordinatsystem. I följande exempel kommer koordinaterna att uttryckas i `EPSG SRID 32140`__, ett koordinatsystem som är specifikt för södra Texas endast och i enheter av meter, inte grader:

>>> from django.contrib.gis.geos import GEOSGeometry, Point
>>> pnt = Point(954158.1, 4215137.1, srid=32140)

Observera att pnt också kan konstrueras med EWKT, en ”utökad” form av WKT som inkluderar SRID:

>>> pnt = GEOSGeometry("SRID=32140;POINT(954158.1 4215137.1)")

GeoDjangos ORM slår automatiskt in geometrivärden i transformations-SQL, vilket gör att utvecklaren kan arbeta på en högre abstraktionsnivå:

>>> qs = WorldBorder.objects.filter(mpoly__intersects=pnt)
>>> print(qs.query)  # Generating the SQL
SELECT "world_worldborder"."id", "world_worldborder"."name", "world_worldborder"."area",
"world_worldborder"."pop2005", "world_worldborder"."fips", "world_worldborder"."iso2",
"world_worldborder"."iso3", "world_worldborder"."un", "world_worldborder"."region",
"world_worldborder"."subregion", "world_worldborder"."lon", "world_worldborder"."lat",
"world_worldborder"."mpoly" FROM "world_worldborder"
WHERE ST_Intersects("world_worldborder"."mpoly", ST_Transform(%s, 4326))
>>> qs  # printing evaluates the queryset
<QuerySet [<WorldBorder: United States>]>

Lata geometrierLink to this heading#

GeoDjango laddar geometrier i en standardiserad textuell representation. När geometrifältet först nås skapar GeoDjango ett GEOSGeometry-objekt, som exponerar kraftfull funktionalitet, till exempel serialiseringsegenskaper för populära geospatiala format:

>>> sm = WorldBorder.objects.get(name="San Marino")
>>> sm.mpoly
<MultiPolygon object at 0x24c6798>
>>> sm.mpoly.wkt  # WKT
MULTIPOLYGON (((12.4157980000000006 43.9579540000000009, 12.4505540000000003 43.9797209999999978, ...
>>> sm.mpoly.wkb  # WKB (as Python binary buffer)
<read-only buffer for 0x1fe2c70, size -1, offset 0 at 0x2564c40>
>>> sm.mpoly.geojson  # GeoJSON
'{ "type": "MultiPolygon", "coordinates": [ [ [ [ 12.415798, 43.957954 ], [ 12.450554, 43.979721 ], ...

Detta inkluderar tillgång till alla avancerade geometriska operationer som tillhandahålls av GEOS-biblioteket:

>>> pnt = Point(12.4604, 43.9420)
>>> sm.mpoly.contains(pnt)
True
>>> pnt.contains(sm.mpoly)
False

Geografiska anteckningarLink to this heading#

GeoDjango erbjuder också en uppsättning geografiska annoteringar för att beräkna avstånd och flera andra operationer (intersektion, skillnad, etc.). Se dokumentationen för Geografiska databasfunktioner.

Geografisk administratörLink to this heading#

Djangos admin-applikation stöder redigering av geometriska fält.

from django.contrib.gis import admin
from .models import WorldBorder

admin.site.register(WorldBorder, admin.ModelAdmin)

from django.contrib import admin
from django.urls import include, path

urlpatterns = [
    path("admin/", admin.site.urls),
]

$ python manage.py createsuperuser

...\> py manage.py createsuperuser

$ python manage.py runserver

...\> py manage.py runserver

admin.site.register(WorldBorder, admin.GISModelAdmin)