空间分析专属 Python 学习资料
空间数据分析能够帮助我们更好地理解地理空间中的模式和关系,从而为决策提供支持。例如,城市规划者可以使用空间数据分析来确定城市发展的最佳方向,环境科学家可以使用空间数据分析来评估污染的影响,而商业分析师可以使用空间数据分析来确定最佳的商业区位。以下给大家罗列了和鲸社区()中有关【空间分析Python】的学习资料。
空间数据分析能够帮助我们更好地理解地理空间中的模式和关系,从而为决策提供支持。例如,城市规划者可以使用空间数据分析来确定城市发展的最佳方向,环境科学家可以使用空间数据分析来评估污染的影响,而商业分析师可以使用空间数据分析来确定最佳的商业区位。
以下给大家罗列了和鲸社区(heywhale.com)中有关【空间分析Python】的学习资料
一、入门
1. Python 空间分析训练营 STDA1:认识空间数据
课 1 | 认识空间数据类型与特征
-
数据类型
-
数据特征
-
【案例】北京市行政区划数据、路网
-
【闯关题】描述空间网络数据
课 2 | 认识空间数据类型与特征
-
矢量数据处理
-
栅格数据处理
-
网络数据处理
-
【闯关题】读取遥感数据,找出数值指标
课 3 | 空间数据可视化
-
可视化的原则与技巧
-
可视化 POI 数据
-
可视化遥感数据
-
可视化空间网络数据
-
【闯关题】修改可视化遥感数据的代码参数,对比异同
2. 地理空间数据分析基础
课 1 | 空间数据的表示与显示
-
了解空间数据和Python处理空间数据的第三方库Geopandas
-
学会GeoSeries对象的创建,以及几何信息的管理
-
学会GeoDataFrame对象的创建,以及空间数据的简单管理
-
学会Geopandas提供的空间数据的可视化方法
课 2 | 空间数据的选择与选取
-
学会使用read_file()函数打开矢量数据,掌握自定义CSV格式的空间数据的加载方法;
-
掌握根据属性信息和几何信息两种空间数据的方法,学会用于GeoDataFrame和DataFrame数据的遍历的apply()函数;
-
了解和学会判断几何对象间关系的函数,如contain(),intersects(),within()等的使用方法;
-
掌握存储空间数据to_file()函数的使用方法。
课 3 | 空间分析(一)公园分布分析
-
掌握两种给空间数据添加属性信息的方法:使用join()连接属性,以及通过属性间的计算生成新属性
-
掌握用 dissolve()方法将多个几何对象合并为一个几何对象、用 clip()方法进行几何对象的裁切
-
了解泰森多边形的原理,用voronoi_diagram()方法生成泰森多边形
-
了解EPSG,WKT和Proj4等常用的投影表示方法,掌握crs属性、set_crs()方法和to_crs()方法,对空间数据投影进行操作
课 4 | 空间分析(二)新建公园选址
-
了解叠加分析和缓冲区分析的概念和原理
-
掌握Geopandas中,与叠加分析和缓冲区分析相关的高级方法:overlay() 方法和 buffer() 方法
-
学会建立多个约束条件,综合不同空间数据处理方法求解满足约束条件的区域
3. 空间聚类分析方法
课 1 | 空间聚类分析基础
-
了解空间聚类分析的基本原理
-
了解空间特征的常用编码方法
-
学会常用的特征升维和降维的方法
-
学会特征间距离和相似性的计算方法
课 2 | K-均值聚类
-
了解K-均值聚类的基本原理
-
学会使用Sklearn实现K均值聚类分析
-
学会从聚类结果中得到聚类中心
-
学会对矢量数据和栅格数据在聚类前进行预处理的方法
-
学会对矢量数据和栅格数据实现K-均值聚类分析
课 3 | 层次聚类
-
了解层次聚类的基本原理
-
了解样本间和类间的距离矩阵的计算方法
-
能够根据距离矩阵画出聚类树
-
学会层次聚类在矢量和栅格数据上的应用
课 4 | 高斯混合聚类
-
了解高斯混合聚类的基本原理
-
了解后验概率在聚类中的作用
-
学会Sklearn库中高斯混合聚类的使用方法
-
学会高斯混合聚类在矢量数据和栅格数据上的应用
课 5 | 模糊聚类
-
了解模糊数学与隶属度
-
了解模糊聚类的基本原理
-
学会使用 scikit-fuzzy 库实现模糊聚类分析
-
掌握在矢量数据上完成模糊聚类分析
-
掌握在栅格数据上完成模糊聚类分析
二、【进阶】Python空间分析案例
活动教案
利用复杂网络分析传染病空间传播
-
构建基础的 SEIR 模型
-
拓展 SEIRS 模型在社区和工作空间的应用
-
构建传染病复杂网络模型
-
模拟传染病在城市空间的传播动态
-
作业练习
新冠疫情中的空间不平等:多尺度地理加权回归
-
背景
-
认识数据
-
OlS 回归
-
地理加权回归 GWR
-
多尺度地理加权回归 MGWR
-
作业
秦岭淮河人均预期寿命的差异:时空断点分析
-
设计思路、学习目标
-
RD分析简介
-
应用python语言做RD分析
-
数据集
-
RD分析流程
-
总结
-
作业:分析模拟数据集,并按照RD分析流程给出分析报告
利用复杂网络预测城市空间流量
-
如何做好时间序列分析的自相关分析?
-
如何利用复杂网络提取特征?
-
基于SVR方法,预测城市空间流量
-
作业
优质项目
地理空间数据分析入门:GeoPandas 和 Shapely
开放原子开发者工作坊旨在鼓励更多人参与开源活动,与志同道合的开发者们相互交流开发经验、分享开发心得、获取前沿技术趋势。工作坊有多种形式的开发者活动,如meetup、训练营等,主打技术交流,干货满满,真诚地邀请各位开发者共同参与!
更多推荐
所有评论(0)