GeoPandas: Wie man mit Python Geodaten analysiert

30.12.2025 08:00 Uhr Dr. Roland Pleger

Bei der Geodatenanalyse hat man es mit verschachtelten Dateien und Koordinatenreferenzsystemen zu tun. GeoPandas und Python helfen, den Durchblick zu bewahren.

Im Alltag begegnen uns geografische Datenpunkte als Koordinaten in Breiten- und Längengraden. Das genügt, um Punkte auf Karten einzutragen. Eine Vielzahl von Werkzeugen hilft beim Programmieren mit Python bei dieser Arbeit. Die Bibliothek Folium verortet zusammen mit der JavaScript-Bibliothek Leaflet geografische Punkte auf Landkarten. Dies genügt aber nicht, wenn man Längen oder Flächen berechnen möchte. Während die Längengrade bei einem Globus Großkreise und damit immer so lang wie der maximale Erdumfang sind, schrumpfen die Breitenkreise vom Äquator hin zu den Polen auf einen Punkt zusammen. Innerhalb Deutschlands variieren die Breitenkreise zwischen Faktor 0,7 in München und Faktor 0,6 in Flensburg. Das macht die Messung von Entfernungen kompliziert.

Dieser Artikel erläutert das Rechnen mit geografischen Koordinaten an einem Beispiel, das den Flächenverbrauch und die Leistung von Kohlekraftwerken in Brandenburg veranschaulicht. Dabei werden Daten aus unterschiedlichen Quellen zusammengeführt. Die Kraftwerke punkten mit einer scheinbar hohen Leistungsdichte: 500 Megawatt, konzentriert auf ein Gebäude. Python-gesteuerte Abfragen an OpenStreetMap veranschaulichen den Flächenverbrauch beim Abbau von Braunkohle und relativieren diesen Vorteil.

Für korrekte Flächen-, Entfernungs- und Geometrieberechnungen sind projektionstreue Koordinatenreferenzsysteme und deren Transformationen essenziell.
Ein Praxisbeispiel zeigt das Aggregieren und Clustern von Daten für die Auswertung von Geoinformationen.
Python und GeoPandas helfen, sich mit den Konzepten von Geodaten vertraut zu machen, und können so den Umstieg auf GIS-Programme erleichtern.

Die Skripte im Artikel generieren statische Karten, erweitern Punkte zu Polygonen, berechnen Abstände und Flächeninhalte und verbinden Tabellen anhand ihrer Koordinateneinträge. Ein Allzweckwerkzeug hierfür ist die Bibliothek GeoPandas [11] [11].

URL dieses Artikels:
https://www.heise.de/-11116341

Links in diesem Artikel:
[1] https://www.heise.de/ratgeber/GeoPandas-Wie-man-mit-Python-Geodaten-analysiert-11116341.html
[2] https://www.heise.de/ratgeber/Datenanalyse-mit-Python-Wie-man-Ausreisser-in-Zeitreihen-verlaesslich-erkennt-10373388.html
[3] https://www.heise.de/ratgeber/Python-Tool-Daten-verwandeln-mit-MarkItDown-10369603.html
[4] https://www.heise.de/ratgeber/KI-Kurzfassung-fuer-Online-Artikel-So-bauen-Sie-Ihr-eigenes-Tool-10358592.html
[5] https://www.heise.de/hintergrund/Wie-man-mit-einem-Python-Programm-die-Schwierigkeit-von-Sudokus-bewertet-Teil-2-10317542.html
[6] https://www.heise.de/hintergrund/Wie-man-mit-einem-Python-Programm-die-Schwierigkeit-von-Sudokus-bewertet-10291201.html
[7] https://www.heise.de/ratgeber/Python-Programmierung-Mit-Pydantic-nur-noch-die-richtigen-Typen-verwenden-9850158.html
[8] https://www.heise.de/ratgeber/Einen-Sudoku-Generator-in-Python-programmieren-8645547.html
[9] https://www.heise.de/ratgeber/Jupyter-Alternative-Mit-Marimo-schnell-und-einfach-Python-Apps-erstellen-10195153.html
[10] https://www.heise.de/ratgeber/PySimpleGUI-Komplexe-Bedienoberflaechen-mit-wenig-Code-erstellen-10233948.html
[11] https://geopandas.org/en/stable/index.html