| CICIMAR-IPN |
SIG-Python Práctica 1 Datos vectoriales con GeoPandas y Matplotlib |
Noviembre, 2026 |
Datos vectoriales con geopandas#

En esta libreta se muestran ejemplos de cómo trabajar con datos vectoriales utilizando geopandas y matplotlib para la visualización de los mapas, entre otras bibliotecas auxiliares.
Se exploran algunas opciones para obtener datos vectoriales en línea (Natural Earth), a través de la Sociendad Americana de Información Cartográfica (NACIS).
Para crear los mapas se utilizarán datos de sismos (almacenados en 16 archivos csv, uno por año del 2010 al 2025, en la carpeta data/). Se recomienda la siguiente estructura de los archivos:
gis-python/
└── 01_sismos_v1.ipynb
output
data
└── sismos
├── 2010.csv
├── 2011.csv
├── 2012.csv
...
├── 2023.csv
├── 2024.csv
└── 2025.csv
Sismos en el mundo y en México#
Descargar los datos de sismos (2010-2025). Faltan los datos del año 2024. Descargarlos de la página earthquake.usgs.gov, seleccionando los sismos (de magnitud
≥4) ocurridos en todo el mundo (en formato CSV). Guargar este archivo comosismos-2024.csven la carpeta de datos.Ejecuta las celdas del script para asegurarte de que las bibliotecas del entorno
gisestán correctamente instaladas y que tienes acceso a la carpeta de datos. Revisa las funciones y variables definidas en el script para comprender su funcionamiento.Al final del script y tomando como referencia el los ejemplos de la libreta, incluye en una celda el código para generar un mapa con todos los sismos ocurridos en el mundo (2010-2025). En otra celda escribe el código para generar un mapa por año (2010-2025) para México. En ambos casos genera los mapas en formato PNG y muestra la barra de color que indique la magnitud de los sismos.
¿Cuántos sismos con magnitud
≥7ocurrieron en ese periodo en México? ¿Cuándo (fecha y hora) ocurrieron esos sismos (según la zona horaria'America/Mexico_City') y en dónde?Documentar el script con los comentarios pertinentes de acuerdo con los datos y procedimientos utilizados.
Como evidencia, adjuntar en Teams el script actualizado. Además, subir los archivos PNG generados (en un archivo comprimido).
Importar las bibliotecas necesarias#
#!/usr/bin/env python3
import glob
import geopandas as gpd
import matplotlib.pyplot as plt
import pandas as pd
Biblioteca |
Descripción |
|---|---|
|
Búsqueda de archivos en el sistema de archivos utilizando patrones de nombres |
|
Extensión de pandas para trabajar con datos vectoriales geoespaciales |
|
Creación de gráficos estáticos y visualizaciones en 2D |
|
Manipulación y análisis de datos tabulares (DataFrames) |
Leer solo un archivos CSV#
Por ejemplo, los sismos de 2010.
fn = 'data/sismos-2010.csv'
sismos = pd.read_csv(fn)
sismos.dtypes
Mostrar la ubicación de los sismos#
fig, ax = plt.subplots()
ax.plot(sismos['longitude'], sismos['latitude'], 'o', markersize=5, alpha=0.5)
plt.show()
Obtener los límites administrativos#
Acceso a los datos de límites administrativos del mundo y de los estados de México(también disponibes en formato shapefile en Natural Earth).
# Fronteras de países
url = 'https://naciscdn.org/naturalearth/110m/cultural/ne_110m_admin_0_countries.zip'
countries = gpd.read_file(url)
# Estados mexicanos
url_states = 'https://naciscdn.org/naturalearth/10m/cultural/ne_10m_admin_1_states_provinces.zip'
mexico = gpd.read_file(url_states)
mexico = mexico[mexico['admin'] == 'Mexico']
Mostar la capa countries y superponer la ubicación de los sismos#
fig, ax = plt.subplots(figsize=(11, 7.5))
countries.plot(ax=ax, color='lightgray')
sismos = sismos.sort_values(by='mag') # ordenar los sismos por magnitud
ax.scatter(sismos['longitude'], sismos['latitude'], c=sismos['mag'], s=5, cmap='jet') # color depende de la magnitud
ax.set_xlabel('Longitude')
ax.set_ylabel('Latitude')
ax.set_title('Sismos (2010)')
cbar = plt.colorbar(ax.collections[1], ax=ax, shrink=0.5)
cbar.set_label('Magnitud')
plt.show()
Recuperar los archivos CSV#
Con la función glob.glob('data/sismos*.csv') se obtine la lista de archivos CSV que cumplen con el patrón especificado (carpeta, parte del nombre de los archivos y su extensión). Esta lista de archivos se utiliza posteriormente para leer y combinar los datos en un solo DataFrame.
csv_files = glob.glob('data/sismos*.csv')
csv_files.sort() # Ordena la lista de archivos CSV por nombre (para procesarlos en orden cronológico)
Combina todos los archivos CSV de sismos en un solo DataFrame#
Se aplica la función pd.concat en un un ciclo for para iterar sobre cada archivo CSV, concatenándolos en uno solo.
df_all_sismos = pd.concat((pd.read_csv(f) for f in csv_files), ignore_index=True)
Mapa de los sismos en México (2010-2025)#
Para filtrar los registros de interés, se seleccionan del DataFrame aquellos que cumplen con las condiciones de interés (registros con la columna place que contiene la palabra ‘Mexico’ y en los que la columna mag sea mayor o igual a 4).
Posteriormente se crea el GeoDataFrame (GeoPandas) a partir de las columnas de latitud y longitud, para poder visualizar los sismos en un mapa.
Se utiliza la función gpd.GeoDataFrame junto con gpd.points_from_xy para generar la geometría de los puntos geográficos.
df_sismos_mexico = df_all_sismos[df_all_sismos['place'].str.contains('Mexico') & (df_all_sismos['mag'] >= 4)]
# Crear un GeoDataFrame con el sistema de coordenadas geográficas (EPSG:4326)
gdf_sismos_mexico = gpd.GeoDataFrame(df_sismos_mexico, geometry=gpd.points_from_xy(df_sismos_mexico['longitude'], df_sismos_mexico['latitude']), crs="EPSG:4326")
# Graficar el mapa de sismos en México
fig, ax = plt.subplots(figsize=(11, 8.5))
ax.set_facecolor('lightblue')
countries.plot(ax=ax, facecolor='lightgrey', edgecolor='black', linewidth=0.5)
mexico.plot(ax=ax, facecolor='#e6d2a1', edgecolor='black', linewidth=0.5)
# Muestra los puntos y agrega una leyenda
gdf_sismos_mexico.plot(ax=ax, column='mag', cmap='Reds', scheme='natural_breaks', k=5, markersize=5, legend=True, legend_kwds={'title': 'Magnitud'})
# Establece los límites del mapa
ax.set_xlim([-118.0, -86.0])
ax.set_ylim([14.0, 33.0])
# Agrega etiquetas a los ejes
ax.set_xlabel('Longitud')
ax.set_ylabel('Latitud')
# Agrega título y una cuadrícula al mapa
plt.title('Sismos en México (2010-2025) con magnitud ≥ 4')
ax.grid(True, linestyle='--', linewidth=0.5, color='gray')
# Guarda y muestra el mapa generado
plt.savefig('output/sismos_mexico_(2010-2025).png')
plt.show()
plt.close()
Guardar los DataFrames#
Guardar en formato GeoPackagelos DataFrames mexico y gdf_sismos_mexico en el directorio data
mexico.to_file("data/mexico.gpkg", layer="mexico", driver="GPKG")
gdf_sismos_mexico.to_file("data/gdf_sismos_mexico.gpkg", layer="gdf_sismos_mexico", driver="GPKG")
Mostrar el mapa con todos los sismos (2010-2025) en a nivel global#
Crear un mapa similar al anterior, pero para todo el mundo. Guardar el mapa en el directorio output/ en formato PNG.
# Escribe el código aquí
Generar los mapas de los sismos por año en México#
Guardar los 16 mapas de los sismos por año en el directorio output/ en formato PNG.
Es conveniente crear una columna que contenga el año de cada sismo, para poder generar los mapas por año de manera más sencilla.
gdf_sismos_mexico['time'] = pd.to_datetime(gdf_sismos_mexico['time'])
gdf_sismos_mexico['year'] = gdf_sismos_mexico['time'].dt.year
gdf_sismos_mexico.dtypes
En el bucle for se puede iterar sobre cada año y generar un mapa de los sismos ocurridos en ese año. Por ejemplo:
for year in gdf_sismos_mexico['year'].unique():
# Escribe el código aquí
Fecha, hora y lugar de los sismos >= 7 en México#
Una vez que la columna time sea convertida a formato datetime, se debe transformar la zona horaria a la correspondiente a la Ciudad de México:
gdf_sismos_mexico['time'] = gdf_sismos_mexico['time'].dt.tz_convert('America/Mexico_City')
# Escribe el código aquí