-
Notifications
You must be signed in to change notification settings - Fork 0
/
module2.jl
2777 lines (2262 loc) · 93 KB
/
module2.jl
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
786
787
788
789
790
791
792
793
794
795
796
797
798
799
800
801
802
803
804
805
806
807
808
809
810
811
812
813
814
815
816
817
818
819
820
821
822
823
824
825
826
827
828
829
830
831
832
833
834
835
836
837
838
839
840
841
842
843
844
845
846
847
848
849
850
851
852
853
854
855
856
857
858
859
860
861
862
863
864
865
866
867
868
869
870
871
872
873
874
875
876
877
878
879
880
881
882
883
884
885
886
887
888
889
890
891
892
893
894
895
896
897
898
899
900
901
902
903
904
905
906
907
908
909
910
911
912
913
914
915
916
917
918
919
920
921
922
923
924
925
926
927
928
929
930
931
932
933
934
935
936
937
938
939
940
941
942
943
944
945
946
947
948
949
950
951
952
953
954
955
956
957
958
959
960
961
962
963
964
965
966
967
968
969
970
971
972
973
974
975
976
977
978
979
980
981
982
983
984
985
986
987
988
989
990
991
992
993
994
995
996
997
998
999
1000
### A Pluto.jl notebook ###
# v0.19.27
using Markdown
using InteractiveUtils
# ╔═╡ 063312db-8b30-45a2-aa7d-a4fab7cc2db8
begin
# auxiliary packages
using PlutoTeachingTools
import PlutoUI
import Tables
# add table of contents to the side
PlutoUI.TableOfContents(title="Contents")
end
# ╔═╡ ddbd169c-8885-479c-a6f7-4b302889559f
using GeoStats
# ╔═╡ d486355a-5bf3-465c-9ee3-d752082edfce
using CSV
# ╔═╡ 5d90f460-6f6e-4af0-b91e-863205115caf
html"""
<div style="
position: absolute;
width: calc(100% - 30px);
border: 50vw solid #444444;
border-top: 500px solid #048282;
border-bottom: none;
box-sizing: content-box;
left: calc(-50vw + 15px);
top: -500px;
height: 500px;
pointer-events: none;
"></div>
<div style="
height: 500px;
width: 100%;
background: #444444;
color: #fff;
padding-top: 68px;
">
<span style="
font-family: Rubik, serif;
font-weight: 700;
font-feature-settings: 'lnum', 'pnum';
"> <p style="
font-size: 1.5rem;
opacity: .8;
"><em>Minicurso:</em></p>
<p style="text-align: center; font-size: 2rem;">
<em>Geociência de dados na mineração</em>
</p>
<p style="
font-size: 1.5rem;
text-align: center;
opacity: .8;
"><em>preparado por Arpeggeo® Technologies</em></p>
<center>
<a href="https://arpeggeo.tech"><img src="https://i.imgur.com/xgq72Z7.png" height=200></a>
</center>
<style>
body {
overflow-x: hidden;
}
</style>
<style>
@media screen {
main {
margin: 0 auto;
max-width: 2000px;
padding-left: max(383px, 25%);
padding-right: max(383px, 25%);
# 383px to accomodate TableOfContents(aside=true)
}
}
</style>
"""
# ╔═╡ b1ab2284-26fb-43be-9174-a5429e23f609
md"""
# Módulo II
**Instrutor:** [Júlio Hoffimann](https://juliohm.github.io)
**E-mail:** [[email protected]](mailto:[email protected])
"""
# ╔═╡ 3adccc48-7495-4100-874f-df73f92258ac
html"""
<img src="https://github.com/JuliaEarth/GeoStats.jl/blob/master/docs/src/assets/logo-text.svg?raw=true">
"""
# ╔═╡ 5562cf70-ebc6-4d76-b0fb-f2375b89ad75
html"""
<head>
<style>
{
box-sizing: border-box;
}
/* Set additional styling options for the columns*/
.column {
float: left;
width: 50%;
}
.row:after {
content: "";
display: table;
clear: both;
}
</style>
</head>
<body>
<div class="row">
<div class="column";">
<h4>Objetivos</h4>
<ol>
<li>Introduzir geociência de dados</li>
<li>Aprender o framework GeoStats.jl</li>
<li>Praticar com dados na mineração</li>
<li>Imaginar aplicações na indústria</li>
</ol>
</div>
<div class="column";">
<img src="https://i.imgur.com/0Y2bG17.jpg" width=120>
</div>
</div>
</body>
"""
# ╔═╡ 039b1ac5-d0b8-4b86-8202-b665cedd965d
md"""
Pacotes utilizados neste módulo:
"""
# ╔═╡ 96040cb9-6b99-4c13-9472-86bd91e52fb7
md"""
Configurações de visualização:
"""
# ╔═╡ 55c43a7e-72af-42ce-9563-79a8d77e6ace
import CairoMakie as Mke
# ╔═╡ be9e8072-16f7-42d7-a94c-62f7a44dfd5d
Mke.set_theme!(Mke.theme_black())
# ╔═╡ 5ece2d2a-03d7-47e9-83d6-558ac490a3dc
md"""
## O que são dados geoespaciais?
Dados geoespaciais são a composição de:
1. uma **tabela** de atributos (ou "feaures") com
2. com um conjunto de geometrias ou **domínio**
O conceito de **tabela** é amplamente difundindo. O framework [GeoStats.jl](https://juliaearth.github.io/GeoStats.jl/stable) suporta qualquer tipo de tabela em Julia, incluindo `NamedTuple`, `DataFrame`, banco de dados SQL, planilhas do Excel, etc.
Dada uma região física do espaço, podemos discretizar essa região em *geometrias*, conhecidas como os elementos do **domínio** de interesse (e.g. blocos em um modelo de blocos). O framework suporta vários tipos de domínio, incluindo `CartesianGrid`, `PointSet`, `GeometrySet`, `SimpleMesh`, etc.
"""
# ╔═╡ edf0cd54-68f9-489a-bcb4-cf0a607623b9
md"""
## A importante função `georef` 🌎 ✅
O framework oferece a função **`georef`** para combinar tabelas e domínios em dados geoespaciais:
$$\textbf{georef}\text{(table, domain)} \mapsto \text{data}$$
e as funções **`values`** e **`domain`** para extrair a tabela de atributos o domínio dos dados:
$$\begin{align*}\textbf{values}\text{(data)} &\mapsto \text{table}\\ \textbf{domain}\text{(data)} &\mapsto \text{domain}\end{align*}$$
"""
# ╔═╡ 665e42b2-b768-4e85-a546-9ca2d474dd74
md"""
### Exemplo básico
Considere a seguinte tabela com `1000` amostras aleatórias de variáveis `a` and `b`:
"""
# ╔═╡ 1f7bcf0f-e745-40e3-8b00-1d9cb4394c32
table = (a = rand(1000), b = rand(1000))
# ╔═╡ 7895dfbf-11de-4538-8d9c-58f31eff5859
md"""
Podemos assumir que as amostras estão associadas a pontos aleatórios no espaço:
"""
# ╔═╡ a769c336-6e78-4d30-a15e-d7d6121d3e25
pointdata = georef(table, rand(Point3, 1000))
# ╔═╡ c6bc606b-c39a-4d78-aab8-6c6b3dd6e5c0
pointdata |> viewer
# ╔═╡ 304ce365-44a4-491d-86f1-2e0aa8df3fb1
md"""
De forma alternativa, podemos associar essas amostras a blocos em um modelo de blocos:
"""
# ╔═╡ 7718b221-8c0a-40ec-9aae-30a7b5b186a9
griddata = georef(table, CartesianGrid(10, 10, 10))
# ╔═╡ 86cbf794-d6b0-459b-83c8-0f019b09110e
griddata |> viewer
# ╔═╡ eb6dc67f-e7e3-4dc4-b061-8fa7d7ee8cb3
md"""
Em todos os casos, podemos extrair a tabela de atributos e o domínio dos dados:
"""
# ╔═╡ 97a3d88a-9d79-46e6-9c9f-66df48b15ce1
griddata |> values
# ╔═╡ 3112ad1e-9c0f-4442-b620-f41b35aa8d07
griddata |> domain
# ╔═╡ aec623db-e350-43db-aa98-cbb8659d4590
md"""
### Os dados Bonnie
Vamos tentar o que aprendemos com um conjunto de dados na mineração:
```
The Bonnie Project Example is under copyright of Transmin Metallurgical Consultants, 2019. It is issued under the Creative Commons Attribution-ShareAlike 4.0 International Public License.
```
"""
# ╔═╡ 39305754-633c-48b1-b177-3f7bbd2b0891
csv = "https://gist.githubusercontent.com/juliohm/0bc828c9db9d58883855d639f32a6422/raw/94c7fcc57d3b6adac4d8ae31f464648514e928d5/bonnie.csv" |> download |> CSV.File
# ╔═╡ d6539204-7f9f-4efe-8bc1-806eeb02b024
md"""
#### Exercício
Leia a documentação do [georef](https://juliaearth.github.io/GeoStats.jl/stable/data.html) e encontre o método correto para georreferenciar a tabela `csv` com base nas colunas `EAST`, `NORTH` and `RL`.
"""
# ╔═╡ 562ca1a7-7a81-41ea-92dc-bf5c05db4330
answer(csv) = missing
# ╔═╡ fa63c592-02bd-46bf-b148-38f0927150e4
begin
scored1 = false
a = answer(csv)
if ismissing(a)
still_missing()
elseif a isa Data &&
domain(a) isa PointSet{3} &&
Tables.columnnames(values(a)) == [:Auppm, :Agppm, :Cuppm, :Asppm, :Sper, :CODE, :OX, :ISBD]
scored1 = true
correct()
else
keep_working()
end
end
# ╔═╡ eda93224-6b7c-463f-82eb-e0b9255ed899
hint(md"Apenas uma linha de código, você consegue! 💪🏽")
# ╔═╡ ea23ed1a-9608-45e0-a541-b72a9154c45f
md"""
O resultado aparecerá abaixo se você acertar a resposta.
"""
# ╔═╡ 3637e499-6a1d-4bb5-8a6f-2268d16c2b32
begin
bonnie = scored1 ? answer(csv) : nothing
end
# ╔═╡ 14569fa1-c494-41dd-8258-e80a1f7440fb
md"""
### Como um `DataFrame`...
Podemos acessar linhas e colunas de dados geoespaciais como se fosse um `DataFrame`. Essas operações são otimizadas pelo GeoStats.jl para evitar construção desnecessária de geometrias em grandes modelos de blocos:
"""
# ╔═╡ a7116963-6bd8-486e-b5e2-20e3340b3082
griddata[1:3,:]
# ╔═╡ e5ffabb8-7df2-4a68-8f73-4d5eead03ba6
griddata[1,:]
# ╔═╡ 0a2837cc-d393-4d16-bcf3-565cdc1fe240
griddata[:,:a]
# ╔═╡ 6910e202-36db-46f2-9a55-327402cee97a
griddata[:,:geometry]
# ╔═╡ e8ae90da-436c-4305-9aef-d3bebc1c0d4e
griddata.a
# ╔═╡ 6093735f-cd90-4bfe-a849-09023e3d5c85
griddata.geometry
# ╔═╡ 6a801f7a-3fd5-4290-b2d9-a194e79287e9
md"""
## Transformações geoespaciais 🌎 🔁 🌍 🔁 🗾
Conjuntos de dados frequentemente são fornecidos com dados faltantes, nomes de variáveis com formatação ruim, dentre outros problemas. O GeoStats.jl oferece **transformações geoespaciais** que podem ser utilizadas para pre-processar os dados de forma bastante sofisticada.
No seguinte exemplo básico, definimos duas transformações que
1. descartam amostras com dados faltantes e
2. renomeiam variáveis para nomes mais legíveis
Essas transformações são combinadas em sequência com o operador `→` (`\to`):
"""
# ╔═╡ 7e0e77a0-6faa-4041-a6f9-9521d55e070b
pipe₀ = DropMissing() → Rename(:Auppm => :Au, :Agppm => :Ag, :Cuppm => :Cu,
:Asppm => :As, :Sper => :S, :CODE => :geo,
:OX => :litho, :ISBD => :ρ)
# ╔═╡ 8de4cda1-5451-4304-bed1-745982d346ad
md"""
Vamos georreferenciar os dados Bonnie novamente:
"""
# ╔═╡ eb2ae5f7-6be6-44d7-bd55-102cba99eb7d
raw = georef(csv, (:EAST, :NORTH, :RL))
# ╔═╡ b62c576b-166a-49fc-b601-3a06c260b2c8
md"""
e aplicar as transformações da na nossa "pipeline":
"""
# ╔═╡ 09f0c32b-ae1d-4d40-a8fc-4f3d63cfa5c3
data = raw |> pipe₀
# ╔═╡ 1cb49ffc-fa56-4e06-96e3-b3ce1f3d4557
md"""
### Construindo "pipelines"
"""
# ╔═╡ ca98c9fa-7928-462c-b093-ca42c860b875
md"""
#### Exercício
Leia a documentação das [transformações geoespaciais](https://juliaearth.github.io/GeoStats.jl/stable/transforms.html) para aprender sobre todas as transformações disponíveis, e use o "Live Docs" do Pluto para aprender sobre as opções de cada transformação.
Crie uma pipeline chamada `pipe₁` que
- troca todos os valores faltantes pelo valor zero
- muda o tipo científico das variáveis `geo` e `litho` para `Multiclass`
"""
# ╔═╡ bd41d36a-8ac1-4ff3-8ef8-c9f6082fad8f
pipe₁ = Identity()
# ╔═╡ d4ceba26-cf09-41d2-8fbe-55e9d8adfc7c
hint(md"`Coalesce` e `Coerce` são as transformações que precisa.")
# ╔═╡ ec384065-a8bf-42a2-ac96-9b149fa3ba43
md"""
Crie uma pipeline chamada `pipe₂` que
- seleciona as variáveis `Au`, `Ag`, `Cu`, `As`, `S`
- realiza uma análise de componentes principais (`PCA`)
"""
# ╔═╡ 184358d0-0d68-4412-a93d-4e1e1b7a27ab
pipe₂ = Identity()
# ╔═╡ d80a7a31-58db-4be9-a3db-01a5f0dd095e
hint(md"Use o `Select` para selecionar variáveis antes do `PCA`.")
# ╔═╡ 6437e604-5dea-4cc2-8e62-17ea6d631ba5
md"""
Crie uma pipeline chamada `pipe₃` que
- seleciona a variável `ρ`
- transforma em "Z-score"
"""
# ╔═╡ dd2b5948-9ab2-4cae-b162-39234e1ba808
pipe₃ = Identity()
# ╔═╡ 1be1b0d4-ed5f-4176-9fbc-0bc6a2f42284
hint(md"Use o `Select` e o `ZScore`.")
# ╔═╡ 7a777e42-54e5-4139-b66a-2bfd155ae82e
md"""
Crie uma pipelien chamada `pipe₄` que
- padroniza as coordenadas do blocos
- remove todos os "trends" de grau `1`
"""
# ╔═╡ f36e8cf6-243f-4cbd-83bc-c9b16d6d5742
pipe₄ = Identity()
# ╔═╡ d78aaae0-0a61-4dd9-baeb-72dee9c9530f
hint(md"Sem mais dicas, você já sabe encontrar sozinho! 😉")
# ╔═╡ 1a9db713-ec14-423b-82ee-60de74795bbd
md"""
Podemos combinar todas essas pipelines em uma pipeline mais complexa usando os operadores de sequenciamento `→` (`\to`) e de paralelismo `⊔` (`\sqcup`):
"""
# ╔═╡ 47c91320-c392-4e32-8e45-07d2fed1e73b
pipe = pipe₁ → pipe₂ ⊔ pipe₃ → pipe₄
# ╔═╡ 01698f77-3502-42f9-881a-caba86377d50
md"""
O framework GeoStats.jl executa pipelines em paralelo sempre que possível, e o domínio de geometrias é simplesmente mantido quando as transformações só envolvem a tabela de atributos:
"""
# ╔═╡ 2300846c-cd05-4298-b3fd-c1da5826bb5a
data |> pipe
# ╔═╡ d7c392c5-c992-44cf-beb3-0d00ece2bc0c
md"""
### Mais exemplos
Seguem outros exemplos para ilustrar o poder de transformações geoespaciais, e otimizações importantes realizadas pelo framework:
"""
# ╔═╡ 0735e72b-d6c9-456c-bcda-c731aa3adbe0
data |> Coerce(:litho => Multiclass) |> OneHot(:litho)
# ╔═╡ 1d2b2642-9749-4874-82d2-978b859ffaa8
md"""
Note que transformaçẽos de filtragem e amostragem não criam cópias desnecessárias de geometrias, o que permite aplicação em grandes modelos 3D de blocos:
"""
# ╔═╡ b089ff70-b365-4f71-b1db-03538ed8feed
data |> Filter(row -> row.Au > 0.5 && row.Cu > 0) |> domain
# ╔═╡ bd1967e4-8d6a-4a94-8752-5b637c38b99f
data |> Sample(100, replace=false) |> domain
# ╔═╡ a14f6b4f-d487-4c05-b3eb-ea0098479a2d
md"""
Podemos facilmente reverter pipelines inteiras, e isso é útil em certos contextos de geomodelagem, como por exemplo a simulação Gaussiana após remoção de trends e correlações entre variáveis:
"""
# ╔═╡ 0f8807e2-b775-45ff-8ab8-720335f51933
p = Select(1:5) → PCA()
# ╔═╡ 0a87123f-419b-4a6a-80c5-5ca6b15b5bbd
newdata, cache = apply(p, data)
# ╔═╡ 2ed5b121-2caa-4706-b163-6cfbd7baa72b
revert(p, newdata, cache)
# ╔═╡ e2079e7b-33ab-4cfd-9954-5d793ad1893a
md"""
## Geociência de dados avançada 🌎 📊 📈 📉
Como geocientistas de dados, nós frequentemente precisamos formular perguntas que envolvem tanto a tabela de atributos quanto o domínio de geometrias. Responder essas perguntas com softwares de ciência de dados tradicionais pode ser bem doloroso.
"""
# ╔═╡ 0a7ad9fc-b81c-4d89-92f7-9784704138fd
md"""
### split-apply-combine
O GeoStats.jl oferece uma funcionalidade da ciência de dados conhecida como "split-apply-combine" com a vantagem de ser capaz de tratar dados geoespaciais. As "macros" **`@groupby`**, **`@transform`** e **`@combine`** servem para esse propósito.
Para ilustrar a funcionalidade, vamos começar transformando as geometrias do conjunto de dados Bonnie. O conjunto de dados contém apenas os centros do modelo de blocos que a função `georef` reconheceu como `Point`. Queremos transformar essas geometrias em blocos do tipo `Box`.
Primeiro, definimos nossa função de conversão. Essa função recebe um ponto do tipo `Point` e converte em um bloco do tipo `Box`:
"""
# ╔═╡ 4e8e1de1-14b6-4304-8738-957bb668cb22
box(point) = Box(point - Vec(2.,2.,2.), point + Vec(2.,2.,2.))
# ╔═╡ 7357a4b6-48d4-431d-95d9-ea93dabaa759
md"""
Podemos aplicar a função diretamente na coluna `:geometry`, com a macro `@transform`:
"""
# ╔═╡ 2b74f74a-d9de-4e59-bf64-6a694a4b4a2f
blocks = @transform(data, :geometry = box(:geometry))
# ╔═╡ bdb29a08-9780-47e5-a88e-a1e121e2b3e2
md"""
Note como a nova coluna de geometrias agora contém objetos do tipo `Box`. O novo domínio passou a ser um `GeometrySet`:
"""
# ╔═╡ d1b25799-a669-4024-ab84-b208bbc5e8f9
blocks.geometry
# ╔═╡ 60900f0a-f4c5-4d94-a36a-5218b1758969
md"""
Estamos prontos para começar a geociência de dados agora que temos todos os blocos com seus respectivos volumes:
"""
# ╔═╡ f0510e72-c2a2-43f8-a7b2-aaf69462c288
blocks |> viewer
# ╔═╡ bded048b-f62a-4440-a58f-f634522469b3
md"""
Vamos assumir que estamos interessados em calcular a média e desvio padrão de teor de ouro (`Au`) dentro de cada geologia (`geo`). Isso pode ser feito da seguinte forma:
"""
# ╔═╡ 9a62e7d6-9b07-4853-be03-4ac1adbd945b
@chain blocks begin
@groupby(:geo)
@combine(:μ = mean(:Au), :σ = std(:Au))
end
# ╔═╡ 6eaa0062-6f1a-4c8a-adbe-d70279323e05
md"""
Vejamos o que acontece com calma...
A macro `@chain` simplesmente consome os blocos e envia os dados para as outras macros `@groupby` e `@combine` em sequência. Poderíamos ter obtido os mesmos resultados em duas etapas.
Primeiro, nós podemos agrupar os dados por geologia:
"""
# ╔═╡ bc895676-f4a7-4c6c-9982-c7705a794778
groups = @groupby(blocks, :geo)
# ╔═╡ 0d45cf8b-db05-4a1f-8167-cb8f36042bd9
md"""
e então, calcular as estatísticas de interesse em cada grupo:
"""
# ╔═╡ 3e94b284-96d9-4fd9-b726-4efa423a292c
@combine(groups, :μ = mean(:Au), :σ = std(:Au))
# ╔═╡ 65413b8b-c2b9-4cf7-9967-be8288338f3c
md"""
#### Exercício
Estamos interessados em estimar a massa total de ouro (`Au`) que vai ser minada de cada litologia (`litho`). Realize as três etapas do "split-apply-combine":
1. `@groupby`: agrupe os dados em diferentes grupos de litologia
2. `@transform`: calcule a massa de ouro ($\rho\times Au \times V(block)$)
3. `@combine`: some a massa de todos os blocos dentro de cada litologia
Você pode trocar a ordem das etapas (1) e (2) sem afetar os resultados.
"""
# ╔═╡ 531af2de-165f-4692-ba4d-a9197b610984
mined = missing
# ╔═╡ c08f37ca-7e70-4f9e-a63e-5065925b0517
md"""
Agora que você tem a massa total dentro de cada litologia, qual é a massa total a ser minada?
"""
# ╔═╡ 7e4910cd-ab82-4ccc-9abd-85e7d942754d
mass = missing
# ╔═╡ 80e77630-5d46-4657-a8af-d1bd19201e4e
begin
scored2 = false
if ismissing(mass)
still_missing()
elseif mass isa Number && mass ≈ 1.46547827118592e6
scored2 = true
correct()
else
keep_working()
end
end
# ╔═╡ 1849f322-815d-4ad9-ab2f-20ace46b7aa5
hint(md"A expressão `volume(:geometry)` pode ser utilizada para calcular volumes dentro da macro `@transform` na etapa (2) do exercício.")
# ╔═╡ 945a98ce-7f15-4b54-bb32-7162e08dd563
md"""
Podemos visualizar esse novo atributo em cada grupo de geometrias ou "subdomínio" produzido. Basta descomentar a linha abaixo quando tiver a resposta certa.
"""
# ╔═╡ 2e18638d-4b73-406a-86af-cc711c791a0b
# mined |> viewer
# ╔═╡ 14f6fa6d-737a-417f-982c-d59e9d5b959a
md"""
## Recursos adicionais
O GeoStats.jl é o framework para geociência de dados e modelagem geospacial mais poderoso da atualidade. Além de uma **comunidade internacional** cada vez mais engajada, ele está sendo utilizado em projetos reais com a indústria e é totalmente **gratuito**.
A [Arpeggeo®](https://arpeggeo.tech) constroe soluções avançadas utilizando o framework. Entre em contato conosco caso precise de uma solução de geomodelagem customizada para os desafios na sua empresa:
"""
# ╔═╡ 3a14cffb-d80f-40da-bfcd-ae50b8944b0e
html"""
<center>
<a href="https://arpeggeo.tech"><img src="https://i.imgur.com/xgq72Z7.png" height=300>
"""
# ╔═╡ 00000000-0000-0000-0000-000000000001
PLUTO_PROJECT_TOML_CONTENTS = """
[deps]
CSV = "336ed68f-0bac-5ca0-87d4-7b16caf5d00b"
CairoMakie = "13f3f980-e62b-5c42-98c6-ff1f3baf88f0"
GeoStats = "dcc97b0b-8ce5-5539-9008-bb190f959ef6"
PlutoTeachingTools = "661c6b06-c737-4d37-b85c-46df65de6f69"
PlutoUI = "7f904dfe-b85e-4ff6-b463-dae2292396a8"
Tables = "bd369af6-aec1-5ad0-b16a-f7cc5008161c"
[compat]
CSV = "~0.10.11"
CairoMakie = "~0.10.8"
GeoStats = "~0.43.5"
PlutoTeachingTools = "~0.2.12"
PlutoUI = "~0.7.52"
Tables = "~1.10.1"
"""
# ╔═╡ 00000000-0000-0000-0000-000000000002
PLUTO_MANIFEST_TOML_CONTENTS = """
# This file is machine-generated - editing it directly is not advised
julia_version = "1.9.2"
manifest_format = "2.0"
project_hash = "c7628a11c38bad988cf32ad309671f85426419c0"
[[deps.AbstractFFTs]]
deps = ["LinearAlgebra"]
git-tree-sha1 = "d92ad398961a3ed262d8bf04a1a2b8340f915fef"
uuid = "621f4979-c628-5d54-868e-fcf4e3e8185c"
version = "1.5.0"
weakdeps = ["ChainRulesCore", "Test"]
[deps.AbstractFFTs.extensions]
AbstractFFTsChainRulesCoreExt = "ChainRulesCore"
AbstractFFTsTestExt = "Test"
[[deps.AbstractLattices]]
git-tree-sha1 = "f35684b7349da49fcc8a9e520e30e45dbb077166"
uuid = "398f06c4-4d28-53ec-89ca-5b2656b7603d"
version = "0.2.1"
[[deps.AbstractPlutoDingetjes]]
deps = ["Pkg"]
git-tree-sha1 = "91bd53c39b9cbfb5ef4b015e8b582d344532bd0a"
uuid = "6e696c72-6542-2067-7265-42206c756150"
version = "1.2.0"
[[deps.AbstractTrees]]
git-tree-sha1 = "faa260e4cb5aba097a73fab382dd4b5819d8ec8c"
uuid = "1520ce14-60c1-5f80-bbc7-55ef81b5835c"
version = "0.4.4"
[[deps.Adapt]]
deps = ["LinearAlgebra", "Requires"]
git-tree-sha1 = "76289dc51920fdc6e0013c872ba9551d54961c24"
uuid = "79e6a3ab-5dfb-504d-930d-738a2a938a0e"
version = "3.6.2"
weakdeps = ["StaticArrays"]
[deps.Adapt.extensions]
AdaptStaticArraysExt = "StaticArrays"
[[deps.Animations]]
deps = ["Colors"]
git-tree-sha1 = "e81c509d2c8e49592413bfb0bb3b08150056c79d"
uuid = "27a7e980-b3e6-11e9-2bcd-0b925532e340"
version = "0.4.1"
[[deps.ArgCheck]]
git-tree-sha1 = "a3a402a35a2f7e0b87828ccabbd5ebfbebe356b4"
uuid = "dce04be8-c92d-5529-be00-80e4d2c0e197"
version = "2.3.0"
[[deps.ArgTools]]
uuid = "0dad84c5-d112-42e6-8d28-ef12dabb789f"
version = "1.1.1"
[[deps.ArnoldiMethod]]
deps = ["LinearAlgebra", "Random", "StaticArrays"]
git-tree-sha1 = "62e51b39331de8911e4a7ff6f5aaf38a5f4cc0ae"
uuid = "ec485272-7323-5ecc-a04f-4719b315124d"
version = "0.2.0"
[[deps.ArrayInterface]]
deps = ["Adapt", "LinearAlgebra", "Requires", "SparseArrays", "SuiteSparse"]
git-tree-sha1 = "f83ec24f76d4c8f525099b2ac475fc098138ec31"
uuid = "4fba245c-0d91-5ea0-9b3e-6abc04ee57a9"
version = "7.4.11"
[deps.ArrayInterface.extensions]
ArrayInterfaceBandedMatricesExt = "BandedMatrices"
ArrayInterfaceBlockBandedMatricesExt = "BlockBandedMatrices"
ArrayInterfaceCUDAExt = "CUDA"
ArrayInterfaceGPUArraysCoreExt = "GPUArraysCore"
ArrayInterfaceStaticArraysCoreExt = "StaticArraysCore"
ArrayInterfaceTrackerExt = "Tracker"
[deps.ArrayInterface.weakdeps]
BandedMatrices = "aae01518-5342-5314-be14-df237901396f"
BlockBandedMatrices = "ffab5731-97b5-5995-9138-79e8c1846df0"
CUDA = "052768ef-5323-5732-b1bb-66c8b64840ba"
GPUArraysCore = "46192b85-c4d5-4398-a991-12ede77f4527"
StaticArraysCore = "1e83bf80-4336-4d27-bf5d-d5a4f845583c"
Tracker = "9f7883ad-71c0-57eb-9f7f-b5c9e6d3789c"
[[deps.Artifacts]]
uuid = "56f22d72-fd6d-98f1-02f0-08ddc0907c33"
[[deps.Automa]]
deps = ["TranscodingStreams"]
git-tree-sha1 = "ef9997b3d5547c48b41c7bd8899e812a917b409d"
uuid = "67c07d97-cdcb-5c2c-af73-a7f9c32a568b"
version = "0.8.4"
[[deps.AxisAlgorithms]]
deps = ["LinearAlgebra", "Random", "SparseArrays", "WoodburyMatrices"]
git-tree-sha1 = "66771c8d21c8ff5e3a93379480a2307ac36863f7"
uuid = "13072b0f-2c55-5437-9ae7-d433b7a33950"
version = "1.0.1"
[[deps.AxisArrays]]
deps = ["Dates", "IntervalSets", "IterTools", "RangeArrays"]
git-tree-sha1 = "16351be62963a67ac4083f748fdb3cca58bfd52f"
uuid = "39de3d68-74b9-583c-8d2d-e117c070f3a9"
version = "0.4.7"
[[deps.BangBang]]
deps = ["Compat", "ConstructionBase", "InitialValues", "LinearAlgebra", "Requires", "Setfield", "Tables"]
git-tree-sha1 = "e28912ce94077686443433c2800104b061a827ed"
uuid = "198e06fe-97b7-11e9-32a5-e1d131e6ad66"
version = "0.3.39"
[deps.BangBang.extensions]
BangBangChainRulesCoreExt = "ChainRulesCore"
BangBangDataFramesExt = "DataFrames"
BangBangStaticArraysExt = "StaticArrays"
BangBangStructArraysExt = "StructArrays"
BangBangTypedTablesExt = "TypedTables"
[deps.BangBang.weakdeps]
ChainRulesCore = "d360d2e6-b24c-11e9-a2a3-2a2ae2dbcce4"
DataFrames = "a93c6f00-e57d-5684-b7b6-d8193f3e46c0"
StaticArrays = "90137ffa-7385-5640-81b9-e52037218182"
StructArrays = "09ab397b-f2b6-538f-b94a-2f83cf4a842a"
TypedTables = "9d95f2ec-7b3d-5a63-8d20-e2491e220bb9"
[[deps.Base64]]
uuid = "2a0f44e3-6c83-55bd-87e4-b1978d98bd5f"
[[deps.Baselet]]
git-tree-sha1 = "aebf55e6d7795e02ca500a689d326ac979aaf89e"
uuid = "9718e550-a3fa-408a-8086-8db961cd8217"
version = "0.1.1"
[[deps.Bessels]]
git-tree-sha1 = "4435559dc39793d53a9e3d278e185e920b4619ef"
uuid = "0e736298-9ec6-45e8-9647-e4fc86a2fe38"
version = "0.2.8"
[[deps.Bzip2_jll]]
deps = ["Artifacts", "JLLWrappers", "Libdl", "Pkg"]
git-tree-sha1 = "19a35467a82e236ff51bc17a3a44b69ef35185a2"
uuid = "6e34b625-4abd-537c-b88f-471c36dfa7a0"
version = "1.0.8+0"
[[deps.CEnum]]
git-tree-sha1 = "eb4cb44a499229b3b8426dcfb5dd85333951ff90"
uuid = "fa961155-64e5-5f13-b03f-caf6b980ea82"
version = "0.4.2"
[[deps.CRC32c]]
uuid = "8bf52ea8-c179-5cab-976a-9e18b702a9bc"
[[deps.CRlibm]]
deps = ["CRlibm_jll"]
git-tree-sha1 = "32abd86e3c2025db5172aa182b982debed519834"
uuid = "96374032-68de-5a5b-8d9e-752f78720389"
version = "1.0.1"
[[deps.CRlibm_jll]]
deps = ["Artifacts", "JLLWrappers", "Libdl", "Pkg"]
git-tree-sha1 = "e329286945d0cfc04456972ea732551869af1cfc"
uuid = "4e9b3aee-d8a1-5a3d-ad8b-7d824db253f0"
version = "1.0.1+0"
[[deps.CSV]]
deps = ["CodecZlib", "Dates", "FilePathsBase", "InlineStrings", "Mmap", "Parsers", "PooledArrays", "PrecompileTools", "SentinelArrays", "Tables", "Unicode", "WeakRefStrings", "WorkerUtilities"]
git-tree-sha1 = "44dbf560808d49041989b8a96cae4cffbeb7966a"
uuid = "336ed68f-0bac-5ca0-87d4-7b16caf5d00b"
version = "0.10.11"
[[deps.Cairo]]
deps = ["Cairo_jll", "Colors", "Glib_jll", "Graphics", "Libdl", "Pango_jll"]
git-tree-sha1 = "d0b3f8b4ad16cb0a2988c6788646a5e6a17b6b1b"
uuid = "159f3aea-2a34-519c-b102-8c37f9878175"
version = "1.0.5"
[[deps.CairoMakie]]
deps = ["Base64", "Cairo", "Colors", "FFTW", "FileIO", "FreeType", "GeometryBasics", "LinearAlgebra", "Makie", "PrecompileTools", "SHA"]
git-tree-sha1 = "30562a68ded3dabe80109caf6b4de73a48ac27bc"
uuid = "13f3f980-e62b-5c42-98c6-ff1f3baf88f0"
version = "0.10.8"
[[deps.Cairo_jll]]
deps = ["Artifacts", "Bzip2_jll", "CompilerSupportLibraries_jll", "Fontconfig_jll", "FreeType2_jll", "Glib_jll", "JLLWrappers", "LZO_jll", "Libdl", "Pixman_jll", "Pkg", "Xorg_libXext_jll", "Xorg_libXrender_jll", "Zlib_jll", "libpng_jll"]
git-tree-sha1 = "4b859a208b2397a7a623a03449e4636bdb17bcf2"
uuid = "83423d85-b0ee-5818-9007-b63ccbeb887a"
version = "1.16.1+1"
[[deps.Calculus]]
deps = ["LinearAlgebra"]
git-tree-sha1 = "f641eb0a4f00c343bbc32346e1217b86f3ce9dad"
uuid = "49dc2e85-a5d0-5ad3-a950-438e2897f1b9"
version = "0.5.1"
[[deps.CategoricalArrays]]
deps = ["DataAPI", "Future", "Missings", "Printf", "Requires", "Statistics", "Unicode"]
git-tree-sha1 = "1568b28f91293458345dabba6a5ea3f183250a61"
uuid = "324d7699-5711-5eae-9e2f-1d82baa6b597"
version = "0.10.8"
[deps.CategoricalArrays.extensions]
CategoricalArraysJSONExt = "JSON"
CategoricalArraysRecipesBaseExt = "RecipesBase"
CategoricalArraysSentinelArraysExt = "SentinelArrays"
CategoricalArraysStructTypesExt = "StructTypes"
[deps.CategoricalArrays.weakdeps]
JSON = "682c06a0-de6a-54ab-a142-c8b1cf79cde6"
RecipesBase = "3cdcf5f2-1ef4-517c-9805-6587b60abb01"
SentinelArrays = "91c51154-3ec4-41a3-a24f-3f23e20d615c"
StructTypes = "856f2bd8-1eba-4b0a-8007-ebc267875bd4"
[[deps.Chain]]
git-tree-sha1 = "8c4920235f6c561e401dfe569beb8b924adad003"
uuid = "8be319e6-bccf-4806-a6f7-6fae938471bc"
version = "0.5.0"
[[deps.ChainRulesCore]]
deps = ["Compat", "LinearAlgebra", "SparseArrays"]
git-tree-sha1 = "e30f2f4e20f7f186dc36529910beaedc60cfa644"
uuid = "d360d2e6-b24c-11e9-a2a3-2a2ae2dbcce4"
version = "1.16.0"
[[deps.CircularArrays]]
deps = ["OffsetArrays"]
git-tree-sha1 = "61bc114e595167090b4cbcb7305ddeacd4274f16"
uuid = "7a955b69-7140-5f4e-a0ed-f168c5e2e749"
version = "1.3.2"
[[deps.Clustering]]
deps = ["Distances", "LinearAlgebra", "NearestNeighbors", "Printf", "Random", "SparseArrays", "Statistics", "StatsBase"]
git-tree-sha1 = "b86ac2c5543660d238957dbde5ac04520ae977a7"
uuid = "aaaa29a8-35af-508c-8bc3-b662a17a0fe5"
version = "0.15.4"
[[deps.CoDa]]
deps = ["AxisArrays", "Distances", "Distributions", "FillArrays", "LinearAlgebra", "Printf", "Random", "ScientificTypes", "StaticArrays", "Statistics", "StatsBase", "TableTransforms", "Tables"]
git-tree-sha1 = "022f60f3f2b1ee81d3568afd833999d18eb41d4e"
uuid = "5900dafe-f573-5c72-b367-76665857777b"
version = "1.0.8"
[[deps.CodeTracking]]
deps = ["InteractiveUtils", "UUIDs"]
git-tree-sha1 = "a1296f0fe01a4c3f9bf0dc2934efbf4416f5db31"
uuid = "da1fd8a2-8d9e-5ec2-8556-3022fb5608a2"
version = "1.3.4"
[[deps.CodecZlib]]
deps = ["TranscodingStreams", "Zlib_jll"]
git-tree-sha1 = "02aa26a4cf76381be7f66e020a3eddeb27b0a092"
uuid = "944b1d66-785c-5afd-91f1-9de20f533193"
version = "0.7.2"
[[deps.ColorBrewer]]
deps = ["Colors", "JSON", "Test"]
git-tree-sha1 = "61c5334f33d91e570e1d0c3eb5465835242582c4"
uuid = "a2cac450-b92f-5266-8821-25eda20663c8"
version = "0.4.0"
[[deps.ColorSchemes]]
deps = ["ColorTypes", "ColorVectorSpace", "Colors", "FixedPointNumbers", "PrecompileTools", "Random"]
git-tree-sha1 = "d9a8f86737b665e15a9641ecbac64deef9ce6724"
uuid = "35d6a980-a343-548e-a6ea-1d62b119f2f4"
version = "3.23.0"
[[deps.ColorTypes]]
deps = ["FixedPointNumbers", "Random"]
git-tree-sha1 = "eb7f0f8307f71fac7c606984ea5fb2817275d6e4"
uuid = "3da002f7-5984-5a60-b8a6-cbb66c0b333f"
version = "0.11.4"
[[deps.ColorVectorSpace]]
deps = ["ColorTypes", "FixedPointNumbers", "LinearAlgebra", "SpecialFunctions", "Statistics", "TensorCore"]
git-tree-sha1 = "600cc5508d66b78aae350f7accdb58763ac18589"
uuid = "c3611d14-8923-5661-9e6a-0046d554d3a4"
version = "0.9.10"
[[deps.Colors]]
deps = ["ColorTypes", "FixedPointNumbers", "Reexport"]
git-tree-sha1 = "fc08e5930ee9a4e03f84bfb5211cb54e7769758a"
uuid = "5ae59095-9a9b-59fe-a467-6f913c188581"
version = "0.12.10"
[[deps.Combinatorics]]
git-tree-sha1 = "08c8b6831dc00bfea825826be0bc8336fc369860"
uuid = "861a8166-3701-5b0c-9a16-15d98fcdc6aa"
version = "1.0.2"
[[deps.CommonSubexpressions]]
deps = ["MacroTools", "Test"]
git-tree-sha1 = "7b8a93dba8af7e3b42fecabf646260105ac373f7"
uuid = "bbf7d656-a473-5ed7-a52c-81e309532950"
version = "0.3.0"
[[deps.Compat]]
deps = ["UUIDs"]
git-tree-sha1 = "e460f044ca8b99be31d35fe54fc33a5c33dd8ed7"
uuid = "34da2185-b29b-5c13-b0c7-acf172513d20"
version = "4.9.0"
weakdeps = ["Dates", "LinearAlgebra"]
[deps.Compat.extensions]
CompatLinearAlgebraExt = "LinearAlgebra"
[[deps.CompilerSupportLibraries_jll]]
deps = ["Artifacts", "Libdl"]
uuid = "e66e0078-7015-5450-92f7-15fbd957f2ae"
version = "1.0.5+0"
[[deps.CompositionsBase]]
git-tree-sha1 = "802bb88cd69dfd1509f6670416bd4434015693ad"
uuid = "a33af91c-f02d-484b-be07-31d278c5ca2b"
version = "0.1.2"
[deps.CompositionsBase.extensions]
CompositionsBaseInverseFunctionsExt = "InverseFunctions"
[deps.CompositionsBase.weakdeps]
InverseFunctions = "3587e190-3f89-42d0-90ee-14403ec27112"
[[deps.ConstructionBase]]
deps = ["LinearAlgebra"]
git-tree-sha1 = "fe2838a593b5f776e1597e086dcd47560d94e816"
uuid = "187b0558-2788-49d3-abe0-74a17ed4e7c9"
version = "1.5.3"
weakdeps = ["IntervalSets", "StaticArrays"]
[deps.ConstructionBase.extensions]
ConstructionBaseIntervalSetsExt = "IntervalSets"
ConstructionBaseStaticArraysExt = "StaticArrays"
[[deps.Contour]]
git-tree-sha1 = "d05d9e7b7aedff4e5b51a029dced05cfb6125781"
uuid = "d38c429a-6771-53c6-b99e-75d170b6e991"
version = "0.6.2"
[[deps.CpuId]]
deps = ["Markdown"]
git-tree-sha1 = "fcbb72b032692610bfbdb15018ac16a36cf2e406"
uuid = "adafc99b-e345-5852-983c-f28acb93d879"
version = "0.3.1"
[[deps.Crayons]]
git-tree-sha1 = "249fe38abf76d48563e2f4556bebd215aa317e15"
uuid = "a8cc5b0e-0ffa-5ad4-8c14-923d3ee1735f"
version = "4.1.1"
[[deps.DataAPI]]
git-tree-sha1 = "8da84edb865b0b5b0100c0666a9bc9a0b71c553c"
uuid = "9a962f9c-6df0-11e9-0e5d-c546b8b5ee8a"
version = "1.15.0"
[[deps.DataStructures]]
deps = ["Compat", "InteractiveUtils", "OrderedCollections"]
git-tree-sha1 = "3dbd312d370723b6bb43ba9d02fc36abade4518d"
uuid = "864edb3b-99cc-5e75-8d2d-829cb0a9cfe8"
version = "0.18.15"
[[deps.DataValueInterfaces]]
git-tree-sha1 = "bfc1187b79289637fa0ef6d4436ebdfe6905cbd6"
uuid = "e2d170a0-9d28-54be-80f0-106bbe20a464"
version = "1.0.0"
[[deps.Dates]]
deps = ["Printf"]
uuid = "ade2ca70-3891-5945-98fb-dc099432e06a"
[[deps.DefineSingletons]]
git-tree-sha1 = "0fba8b706d0178b4dc7fd44a96a92382c9065c2c"
uuid = "244e2a9f-e319-4986-a169-4d1fe445cd52"
version = "0.1.2"
[[deps.DelaunayTriangulation]]
deps = ["DataStructures", "EnumX", "ExactPredicates", "Random", "SimpleGraphs"]
git-tree-sha1 = "a1d8532de83f8ce964235eff1edeff9581144d02"
uuid = "927a84f5-c5f4-47a5-9785-b46e178433df"
version = "0.7.2"
weakdeps = ["MakieCore"]
[deps.DelaunayTriangulation.extensions]
DelaunayTriangulationMakieCoreExt = "MakieCore"
[[deps.DensityRatioEstimation]]
deps = ["LinearAlgebra", "Parameters", "Random", "Statistics", "StatsBase"]
git-tree-sha1 = "f62c41b0e7363161e3ba81bbfde0d667f9b01710"
uuid = "ab46fb84-d57c-11e9-2f65-6f72e4a7229f"
version = "1.2.0"
[deps.DensityRatioEstimation.extensions]
DensityRatioEstimationChainRulesCoreExt = "ChainRulesCore"