import geopandas as gpd
import pandas as pd
import matplotlib.pyplot as plt
import plotly.express as px

import folium # Para usar la función explore() en elaboración de mapas web interactivos

!pip install mapclassify --quiet

import mapclassify # Para usarse en mapas de coropletas

   ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 0.0/59.1 kB ? eta -:--:--
   ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 59.1/59.1 kB 4.0 MB/s eta 0:00:00

malaquita01_df = pd.read_csv("siproeta.csv", sep='\t')
malaquita02_df = pd.read_csv("siproeta_biplagiata.csv", sep='\t')

<ipython-input-2-a8f53b8c5997>:1: DtypeWarning: Columns (46) have mixed types. Specify dtype option on import or set low_memory=False.
  malaquita01_df = pd.read_csv("siproeta.csv", sep='\t')

malaquita_df = pd.concat([malaquita01_df,malaquita02_df])
len(malaquita_df)

26756

malaquita_filtrado = malaquita_df[malaquita_df['year'] >= 1980]

malaquita_year = malaquita_filtrado.groupby('year')['gbifID'].count().reset_index()

# Creación del gráfico de barras
fig = px.bar(
    malaquita_year,
    x='year',
    y='gbifID',
    title='Fig. 1 Género Siproeta (1980 - 2025)'
)

# Personalización
fig.update_layout(
    xaxis_title='Año',
    yaxis_title='Cantidad de registros',
    width=1000,    # Ancho de la figura
    height=600     # Alto de la figura
)

malaquita_pais = malaquita_filtrado.groupby('countryCode')['gbifID'].count().reset_index()

# Creación del gráfico de barras
fig = px.bar(
    malaquita_pais,
    x='countryCode',
    y='gbifID',
    title='Fig. 2 Género Siproeta por país a partir de 1980'
)

# Personalización
fig.update_layout(
    xaxis_title='País',
    yaxis_title='Cantidad de registros',
    width=1000,    # Ancho de la figura
    height=600)     # Alto de la figura

malaquita_gdf = gpd.GeoDataFrame(
    malaquita_filtrado,
    geometry=gpd.points_from_xy(malaquita_filtrado.decimalLongitude, malaquita_filtrado.decimalLatitude),
    crs='EPSG:4326'
)

malaquita_gdf[['gbifID', 'species', 'decimalLongitude', 'decimalLatitude', 'geometry']].head()

paises_gdf = gpd.read_file(
    'https://raw.githubusercontent.com/datos-geoespaciales-biodiversidad/python/refs/heads/main/datos/otros/naturalearth/paises.gpkg'
)

paises_gdf.to_file("paises.gpkg", driver="GPKG")

paises_america = paises_gdf[(paises_gdf['CONTINENT'] == 'South America') | (paises_gdf['CONTINENT'] == 'North America')]
paises_america.to_file("paises_america.gpkg", driver = "GPKG")
paises_america[["ADM0_ISO", "NAME", "CONTINENT", "geometry"]]

fig, ax = plt.subplots(figsize=(8, 8))

# Capa de países de América
paises_america.plot(
    ax=ax,
    color="purple",
    alpha = 0.3,
    edgecolor="black"
)

# Registros de la Siproeta stelens y Siproeta stelenes biplagiata en el continente americano
malaquita_gdf.plot(
    ax=ax,
    marker="o",
    color="red",
    markersize=5
)
ax.set_title("Fig. 3 Presencia del género Siproeta en el continente Americano")
ax.set_xlabel("Longitud Geográfica")
ax.set_ylabel("Latitud Geográfica")

Text(55.472222222222214, 0.5, 'Latitud Geográfica')

paises_america.set_index('ADM0_ISO', inplace=True)

paises_america

malaquita_pais = malaquita_gdf.sjoin(
    paises_america,
    predicate='intersects'
)

malaquita_pais[['gbifID', 'species', 'ADM0_ISO', 'NAME', 'POP_EST']].head()

malaquita_conteo_pais = malaquita_pais.groupby("ADM0_ISO").gbifID.nunique()
malaquita_conteo_pais = malaquita_conteo_pais.reset_index()
malaquita_conteo_pais.set_index('ADM0_ISO', inplace=True)
malaquita_conteo_pais.rename(columns = {'gbifID': 'registros'}, inplace = True)
malaquita_conteo_pais.sort_values(by="registros", ascending=False)
malaquita_conteo_pais

#len(malaquita_conteo_pais)

malaquita_riqueza_gdf = paises_america.join(malaquita_conteo_pais)

malaquita_riqueza_gdf.head()

malaquita_riqueza_gdf["registros"].fillna(value = 0.0, inplace = True)

<ipython-input-15-5e0c37cde1bd>:1: FutureWarning:

A value is trying to be set on a copy of a DataFrame or Series through chained assignment using an inplace method.
The behavior will change in pandas 3.0. This inplace method will never work because the intermediate object on which we are setting values always behaves as a copy.

For example, when doing 'df[col].method(value, inplace=True)', try using 'df.method({col: value}, inplace=True)' or df[col] = df[col].method(value) instead, to perform the operation inplace on the original object.

malaquita_riqueza_gdf.head()

fig, ax = plt.subplots(figsize=(9, 9))
malaquita_riqueza_gdf.plot(
    ax = ax,
    column="registros",
    legend=True,
    cmap='tab20c',
    scheme='quantiles',
    k = 10,
    legend_kwds={"loc": "center left"}
)
paises_america.boundary.plot(ax = ax, color = "blue")
ax.set_title("Fig 4 Riqueza del género Siproeta en America")
ax.set_xlabel("Longitud Geográfica")
ax.set_ylabel("Latitud Geográfica")

Text(67.97222222222221, 0.5, 'Latitud Geográfica')

malaquita_riqueza_gdf.to_file("malaquita_riqueza.shp")

/usr/local/lib/python3.11/dist-packages/pyogrio/raw.py:723: RuntimeWarning:

Value 328239523 of field POP_EST of feature 1 not successfully written. Possibly due to too larger number with respect to field width

/usr/local/lib/python3.11/dist-packages/pyogrio/raw.py:723: RuntimeWarning:

Value 127575529 of field POP_EST of feature 9 not successfully written. Possibly due to too larger number with respect to field width

/usr/local/lib/python3.11/dist-packages/pyogrio/raw.py:723: RuntimeWarning:

Value 211049527 of field POP_EST of feature 11 not successfully written. Possibly due to too larger number with respect to field width

#display(malaquita_riqueza_gdf)

# Biblioteca requerida para mapas interactivos
!pip install mapclassify --quiet

import mapclassify

# Instalación de rasterio
!pip install rasterio --quiet

# Carga de rasterio
import rasterio

# Carga de rasterio.plot (para graficar datos raster)
import rasterio.plot

   ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 22.2/22.2 MB 50.7 MB/s eta 0:00:00

# Carga de rasterio
import rasterio

# Carga de rasterio.plot (para graficar datos raster)
import rasterio.plot

annual_mean_temperature = rasterio.open("wc2.1_2.5m_bio_1.tif")
temperature_annual_range = rasterio.open("wc2.1_2.5m_bio_7.tif")
annual_precipitation = rasterio.open("wc2.1_2.5m_bio_12.tif")
elevaciones = rasterio.open("wc2.1_2.5m_elev.tif")

fig, (ax1, ax2) = plt.subplots(nrows = 1, ncols = 2,
                               figsize=(10, 8),
                               sharex = False, sharey = False)
ax1 = rasterio.plot.show(annual_mean_temperature,
    cmap="vanimo", # colores
    ax=ax1,
    title="Fig 5 Temperatura media anual")
# Agregar una leyenda
cbar = fig.colorbar(ax1.images[0], ax=ax1, shrink=0.5)
cbar.set_label('°C')

# Limitar el rango de los ejes
ax1.set_xlim(-170.0, -30.0)
ax1.set_ylim(-90.0, 90.0)

ax2 = rasterio.plot.show(annual_precipitation,
                       cmap="seismic",
                       ax = ax2,
                       title= "Fig 6 Precipitación Media Anual")
cbar = fig.colorbar(ax2.images[0], ax=ax2, shrink=0.5)
cbar.set_label('mm')
ax2.set_xlim(-170.0, -30.0)
ax2.set_ylim(-90.0, 90.0)
plt.savefig("Rasters1.png")

fig, (ax3, ax4) = plt.subplots(nrows = 1, ncols = 2,
                               figsize=(10, 8),
                               sharex = False, sharey = False)
ax3 = rasterio.plot.show(temperature_annual_range,
                         cmap = "coolwarm",
                         ax = ax3,
                         title = "Fig 7 Rango de Temperatura")
cbar = fig.colorbar(ax3.images[0], ax=ax3, shrink=0.5)
cbar.set_label('°C')
ax3.set_xlim(-170.0, -30.0)
ax3.set_ylim(-90.0, 90.0)

ax4 = rasterio.plot.show(elevaciones,
                         cmap = "terrain",
                         ax = ax4,
                         title = "Fig 8 Elevaciones")
cbar = fig.colorbar(ax4.images[0], ax=ax4, shrink=0.5)
cbar.set_label('msnmm')
ax4.set_xlim(-170.0, -30.0)
ax4.set_ylim(-90.0, 90.0)

plt.savefig("Rasters2.png")
plt.show()

!pip install leafmap --quiet
!pip install localtileserver --quiet

import leafmap
import leafmap.colormaps as cm
from matplotlib.colors import LinearSegmentedColormap #Rampas de Colores
from google.colab import output
output.enable_custom_widget_manager() #Widget de Java Script

WARNING: Retrying (Retry(total=4, connect=None, read=None, redirect=None, status=None)) after connection broken by 'ProtocolError('Connection aborted.', RemoteDisconnected('Remote end closed connection without response'))': /packages/b3/80/5efeffec1661e8d21596e273c02dc3e8e5232c3184f2414f8703145ddd50/leafmap-0.42.13-py2.py3-none-any.whl
   ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 0.0/519.2 kB ? eta -:--:--
   ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 519.2/519.2 kB 24.8 MB/s eta 0:00:00
   ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 219.1/219.1 kB 18.1 MB/s eta 0:00:00
   ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 7.7/7.7 MB 103.5 MB/s eta 0:00:00
   ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 41.4/41.4 kB 3.2 MB/s eta 0:00:00
   ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 108.6/108.6 kB 8.6 MB/s eta 0:00:00
   ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 2.7/2.7 MB 73.6 MB/s eta 0:00:00
   ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 765.5/765.5 kB 42.9 MB/s eta 0:00:00
   ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 194.2/194.2 kB 15.7 MB/s eta 0:00:00
   ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 74.0/74.0 kB 6.1 MB/s eta 0:00:00
   ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 1.6/1.6 MB 62.8 MB/s eta 0:00:00
   ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 17.1/17.1 MB 73.6 MB/s eta 0:00:00
   ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 2.8/2.8 MB 23.0 MB/s eta 0:00:00
   ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 267.5/267.5 kB 21.4 MB/s eta 0:00:00
   ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 52.8/52.8 kB 4.1 MB/s eta 0:00:00
   ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 49.5/49.5 kB 3.4 MB/s eta 0:00:00
   ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 195.0/195.0 kB 14.7 MB/s eta 0:00:00
   ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 62.3/62.3 kB 5.1 MB/s eta 0:00:00

malaquita_riqueza_shp = gpd.read_file(f"malaquita_riqueza.shp")
malaquita_riqueza_shp["area"] = malaquita_riqueza_shp.area
malaquita_riqueza_shp["boundary"] = malaquita_riqueza_shp.boundary
malaquita_riqueza_shp["centroid"] = malaquita_riqueza_shp.centroid
malaquita_riqueza_shp

m = leafmap.Map(
    center=(0.0, -80.0),
    zoom=2, # Rango 1 - 20
    width="800px",
    height="800px",
    #zoom_control=True,
    #draw_control=False,
    #scale_control=True,
    fullscreen_control=False,
    attribution_control=False,
    toolbar_control=True
)

m.add_raster(
    elevaciones,
    colormap='coolwarm',
    layer_name='Elevación snmm'
)

m.add_data(malaquita_riqueza_gdf,
           column = "registros",
           scheme='quantiles',
           cmap='viridis',
           layer_name= "Riqueza Siproeta",
           legend_title= "Riqueza Siproeta"
           #tooltip=['ADMIN', 'registros']
           )

m

Map(center=[0.0, 0.0], controls=(ZoomControl(options=['position', 'zoom_in_text', 'zoom_in_title', 'zoom_out_t…

	gbifID	species	decimalLongitude	decimalLatitude	geometry
0	923915340	Siproeta stelenes	-99.812801	20.695301	POINT (-99.8128 20.6953)
1	911498184	Siproeta stelenes	-92.268190	15.765752	POINT (-92.26819 15.76575)
2	899978592	Siproeta stelenes	-99.136097	19.284451	POINT (-99.1361 19.28445)
3	899973827	Siproeta stelenes	-87.465833	20.211944	POINT (-87.46583 20.21194)
4	899959309	Siproeta stelenes	-99.099968	18.993052	POINT (-99.09997 18.99305)

	ADM0_ISO	NAME	CONTINENT	geometry
3	CAN	Canada	North America	MULTIPOLYGON (((-122.84 49, -122.97421 49.0025...
4	USA	United States of America	North America	MULTIPOLYGON (((-122.84 49, -120 49, -117.0312...
9	ARG	Argentina	South America	MULTIPOLYGON (((-68.63401 -52.63637, -68.25 -5...
10	CHL	Chile	South America	MULTIPOLYGON (((-68.63401 -52.63637, -68.63335...
16	HTI	Haiti	North America	MULTIPOLYGON (((-71.71236 19.71446, -71.62487 ...
17	DOM	Dominican Rep.	North America	MULTIPOLYGON (((-71.7083 18.045, -71.68774 18....
19	BHS	Bahamas	North America	MULTIPOLYGON (((-78.98 26.79, -78.51 26.87, -7...
20	B12	Falkland Is.	South America	MULTIPOLYGON (((-61.2 -51.85, -60 -51.25, -59....
22	GRL	Greenland	North America	MULTIPOLYGON (((-46.76379 82.62796, -43.40644 ...
27	MEX	Mexico	North America	MULTIPOLYGON (((-117.12776 32.53534, -115.9913...
28	URY	Uruguay	South America	MULTIPOLYGON (((-57.62513 -30.21629, -56.97603...
29	BRA	Brazil	South America	MULTIPOLYGON (((-53.37366 -33.76838, -53.65054...
30	BOL	Bolivia	South America	MULTIPOLYGON (((-69.52968 -10.95173, -68.78616...
31	PER	Peru	South America	MULTIPOLYGON (((-69.89364 -4.29819, -70.79477 ...
32	COL	Colombia	South America	MULTIPOLYGON (((-66.87633 1.25336, -67.06505 1...
33	PAN	Panama	North America	MULTIPOLYGON (((-77.35336 8.6705, -77.47472 8....
34	CRI	Costa Rica	North America	MULTIPOLYGON (((-82.5462 9.56613, -82.93289 9....
35	NIC	Nicaragua	North America	MULTIPOLYGON (((-83.65561 10.93876, -83.89505 ...
36	HND	Honduras	North America	MULTIPOLYGON (((-83.14722 14.99583, -83.48999 ...
37	SLV	El Salvador	North America	MULTIPOLYGON (((-89.35333 14.42413, -89.05851 ...
38	GTM	Guatemala	North America	MULTIPOLYGON (((-92.22775 14.53883, -92.20323 ...
39	BLZ	Belize	North America	MULTIPOLYGON (((-89.14308 17.80832, -89.15091 ...
40	VEN	Venezuela	South America	MULTIPOLYGON (((-60.73357 5.20028, -60.60118 4...
41	GUY	Guyana	South America	MULTIPOLYGON (((-56.53939 1.89952, -56.7827 1....
42	SUR	Suriname	South America	MULTIPOLYGON (((-54.52475 2.31185, -55.09759 2...
44	ECU	Ecuador	South America	MULTIPOLYGON (((-75.37322 -0.15203, -75.23372 ...
45	PRI	Puerto Rico	North America	MULTIPOLYGON (((-66.28243 18.51476, -65.7713 1...
46	JAM	Jamaica	North America	MULTIPOLYGON (((-77.5696 18.49053, -76.89662 1...
47	CUB	Cuba	North America	MULTIPOLYGON (((-82.26815 23.18861, -81.40446 ...
156	PRY	Paraguay	South America	MULTIPOLYGON (((-58.16639 -20.1767, -57.87067 ...
175	TTO	Trinidad and Tobago	North America	MULTIPOLYGON (((-61.68 10.76, -61.105 10.89, -...

	gbifID	species	ADM0_ISO	NAME	POP_EST
0	923915340	Siproeta stelenes	MEX	Mexico	127575529.0
1	911498184	Siproeta stelenes	MEX	Mexico	127575529.0
2	899978592	Siproeta stelenes	MEX	Mexico	127575529.0
3	899973827	Siproeta stelenes	MEX	Mexico	127575529.0
4	899959309	Siproeta stelenes	MEX	Mexico	127575529.0

	registros
ADM0_ISO
ARG	203
BLZ	80
BOL	37
BRA	987
COL	591
CRI	1130
CUB	121
DOM	154
ECU	279
GTM	92
GUY	8
HND	225
HTI	5
JAM	50
MEX	9480
NIC	198
PAN	448
PER	189
PRI	182
PRY	22
SLV	88
SUR	39
TTO	52
URY	9
USA	525
VEN	36

	featurecla	scalerank	LABELRANK	SOVEREIGNT	SOV_A3	ADM0_DIF	LEVEL	TYPE	TLC	ADMIN	...	FCLASS_ID	FCLASS_PL	FCLASS_GR	FCLASS_IT	FCLASS_NL	FCLASS_SE	FCLASS_BD	FCLASS_UA	geometry	registros
ADM0_ISO
CAN	Admin-0 country	1	2	Canada	CAN	0	2	Sovereign country	1	Canada	...	None	None	None	None	None	None	None	None	MULTIPOLYGON (((-122.84 49, -122.97421 49.0025...	NaN
USA	Admin-0 country	1	2	United States of America	US1	1	2	Country	1	United States of America	...	None	None	None	None	None	None	None	None	MULTIPOLYGON (((-122.84 49, -120 49, -117.0312...	525.0
ARG	Admin-0 country	1	2	Argentina	ARG	0	2	Sovereign country	1	Argentina	...	None	None	None	None	None	None	None	None	MULTIPOLYGON (((-68.63401 -52.63637, -68.25 -5...	203.0
CHL	Admin-0 country	1	2	Chile	CHL	0	2	Sovereign country	1	Chile	...	None	None	None	None	None	None	None	None	MULTIPOLYGON (((-68.63401 -52.63637, -68.63335...	NaN
HTI	Admin-0 country	1	5	Haiti	HTI	0	2	Sovereign country	1	Haiti	...	None	None	None	None	None	None	None	None	MULTIPOLYGON (((-71.71236 19.71446, -71.62487 ...	5.0

Mariposa Malaquita (Siproeta stelenes)¶

Importación de las librerías necesarias en el lenguaje de Programación Python¶

Lectura del archivo en formato csv de la especie de interés¶

Los resultados obtenidos de la importación del archivo son:¶

Procesado de la información¶

Concatenado¶

Graficado en histogramas por año y por país¶

Generación de un GeoDataFrame para ser uitlizado en procesos de graficado espacial e interactivos¶

Visualización de unas columnas del GeoDataFrame¶

**Importación de un mapamundi en formato geopackage gpgkg desde una página web.**¶

Se genera un archivo GeoPandas de nombre paises_america a partir del archivo gpkg conteniendo información solo para el contienten americano¶

**Se grafican las observaciones de la especie Siproeta sobre la geografía de los países del contiente americano**¶

**Se procedió a realizar la unión espacial de los archivos de los países de América y el conteo de observaciones de la especie Siproeta stelenes por país**¶

Se realizo la unión (no espacial) del mapa de area geográfica de América con los resultados del conteo de la especie por país, generando el gráfico de mapa con coropletas.¶

**Se genera un gráfico de coropletas que muestre la riqueza de la especie Siproeta en cada país del continente Americano.**¶

**Se genera un achivo ESRI shapefile con la información de la riqueza de la especie "Siproeta".**¶

Uso de capas raster¶

Se importa e instala la libería rasterio para manejo de archivos raster¶

Se cargan las capas raster seleccionadas:¶

Se genera un mapa interactivo con los datos obtenidos de la especie y las capas raster¶

Conclusiones:¶

Referencias:¶

Mariposa Malaquita (Siproeta stelenes)¶

Importación de las librerías necesarias en el lenguaje de Programación Python¶

Lectura del archivo en formato csv de la especie de interés¶

Los resultados obtenidos de la importación del archivo son:¶

Procesado de la información¶

Concatenado¶

Graficado en histogramas por año y por país¶

Generación de un GeoDataFrame para ser uitlizado en procesos de graficado espacial e interactivos¶

Visualización de unas columnas del GeoDataFrame¶

Importación de un mapamundi en formato geopackage gpgkg desde una página web.¶

Se genera un archivo GeoPandas de nombre paises_america a partir del archivo gpkg conteniendo información solo para el contienten americano¶

Se grafican las observaciones de la especie Siproeta sobre la geografía de los países del contiente americano¶

Se procedió a realizar la unión espacial de los archivos de los países de América y el conteo de observaciones de la especie Siproeta stelenes por país¶

Se realizo la unión (no espacial) del mapa de area geográfica de América con los resultados del conteo de la especie por país, generando el gráfico de mapa con coropletas.¶

Se genera un gráfico de coropletas que muestre la riqueza de la especie Siproeta en cada país del continente Americano.¶

Se genera un achivo ESRI shapefile con la información de la riqueza de la especie "Siproeta".¶

Uso de capas raster¶

Se importa e instala la libería rasterio para manejo de archivos raster¶

Se cargan las capas raster seleccionadas:¶

Se genera un mapa interactivo con los datos obtenidos de la especie y las capas raster¶

Conclusiones:¶

Referencias:¶

**Importación de un mapamundi en formato geopackage gpgkg desde una página web.**¶

**Se grafican las observaciones de la especie Siproeta sobre la geografía de los países del contiente americano**¶

**Se procedió a realizar la unión espacial de los archivos de los países de América y el conteo de observaciones de la especie Siproeta stelenes por país**¶

**Se genera un gráfico de coropletas que muestre la riqueza de la especie Siproeta en cada país del continente Americano.**¶

**Se genera un achivo ESRI shapefile con la información de la riqueza de la especie "Siproeta".**¶