All Projects → ni1o1 → Pygeo Tutorial

ni1o1 / Pygeo Tutorial

Licence: mit
Tutorial of geospatial data processing using python 用python分析时空数据的教程(in Chinese and English )

Programming Languages

python
139335 projects - #7 most used programming language

Projects that are alternatives of or similar to Pygeo Tutorial

Janggu
Deep learning infrastructure for bioinformatics
Stars: ✭ 174 (-5.43%)
Mutual labels:  jupyter-notebook
Qhue
A very lightweight Python wrapper to the Philips Hue API
Stars: ✭ 183 (-0.54%)
Mutual labels:  jupyter-notebook
Deep Reinforcement Learning Book
書籍「つくりながら学ぶ!深層強化学習」のサポートリポジトリです
Stars: ✭ 184 (+0%)
Mutual labels:  jupyter-notebook
Deep Ttf
Survival analsyis and time-to-failure predictive modeling using Weibull distributions and Recurrent Neural Networks in Keras
Stars: ✭ 183 (-0.54%)
Mutual labels:  jupyter-notebook
Practical Machine Learning With Python
Machine Learning Tutorials in Python
Stars: ✭ 183 (-0.54%)
Mutual labels:  jupyter-notebook
Pointrend
an numpy-based implement of PointRend
Stars: ✭ 184 (+0%)
Mutual labels:  jupyter-notebook
Gans From Theory To Production
Material for the tutorial: "Deep Diving into GANs: from theory to production"
Stars: ✭ 182 (-1.09%)
Mutual labels:  jupyter-notebook
Deep Text Recognition Benchmark
Text recognition (optical character recognition) with deep learning methods.
Stars: ✭ 2,665 (+1348.37%)
Mutual labels:  jupyter-notebook
Machine Learning
Experiments, algorithms and reports in machine learning reseach.
Stars: ✭ 183 (-0.54%)
Mutual labels:  jupyter-notebook
Graphein
Protein Graph Library
Stars: ✭ 184 (+0%)
Mutual labels:  jupyter-notebook
Cufflinks
Productivity Tools for Plotly + Pandas
Stars: ✭ 2,416 (+1213.04%)
Mutual labels:  jupyter-notebook
Sirajscodingchallenges
Code for Siraj Raval's Coding Challenges!
Stars: ✭ 183 (-0.54%)
Mutual labels:  jupyter-notebook
Gpu Jupyter
Leverage the flexibility of Jupyterlab through the power of your NVIDIA GPU to run your code from Tensorflow and Pytorch in collaborative notebooks on the GPU.
Stars: ✭ 183 (-0.54%)
Mutual labels:  jupyter-notebook
Principles Of Machine Learning Python
Principles of Machine Learning Python
Stars: ✭ 183 (-0.54%)
Mutual labels:  jupyter-notebook
Machine Learning
Código Python, Jupyter Notebooks, archivos csv con ejemplos para los ejercicios del Blog aprendemachinelearning.com y del libro Aprende Machine Learning en Español
Stars: ✭ 182 (-1.09%)
Mutual labels:  jupyter-notebook
Complex Network
复杂网络研究资源整理和基础知识学习
Stars: ✭ 182 (-1.09%)
Mutual labels:  jupyter-notebook
Data Science For Covid 19
DS4C: Data Science for COVID-19 in South Korea
Stars: ✭ 184 (+0%)
Mutual labels:  jupyter-notebook
Tutorials
Tutorials for creating and using ONNX models
Stars: ✭ 2,502 (+1259.78%)
Mutual labels:  jupyter-notebook
Vwnlp
Solving NLP problems with Vowpal Wabbit: Tutorial and more
Stars: ✭ 184 (+0%)
Mutual labels:  jupyter-notebook
Fairness Indicators
Tensorflow's Fairness Evaluation and Visualization Toolkit
Stars: ✭ 183 (-0.54%)
Mutual labels:  jupyter-notebook

<<<<<<< HEAD

English
本教程的b站视频地址:https://www.bilibili.com/video/BV1A5411a7xz
本教程的github地址:https://github.com/ni1o1/pygeo-tutorial
本教程的gitee地址(国内访问快):https://gitee.com/ni1o1/pygeo-tutorial
由于网速或者各种问题,网页打开本教程可能会出现图片或文件显示不能,因此建议各位下载教程到本地后用jupyter notebook打开教程观看

如何使用本教程

本教程是在python的Jupyter notebook上编写,有些python的基础环境需要配置:

  1. Python环境: Python3.6/3.7均可,这里推荐装一个Anaconda,点击这个链接下载安装(Python是个编程语言,Anaconda是一个打包了数据分析常用功能的Python平台,安装Anaconda就已经包含Python本体)
    关于如何使用anaconda的Jupyter notebook可以看这个链接
  2. 把本教程搞到本地,点击本网页右上角的Clone or download,用git clone或者直接Download ZIP下载到本地。
  3. 安装本教程最核心的包:Python的geopandas包,点击这个链接,按照上面的方法安装(比较推荐里面的Installing from source的方法安装)。
  4. 打开教程,enjoy!

教程目录

基础的数据处理

  1. 出租车数据的基础处理,由gps生成OD(pandas)
  2. 出租车数据的集计与基础图表绘制(matplotlib)
  3. 出租车数据的地理信息处理(geopandas)
  4. 基于出租车GPS的OD期望线绘制与底图添加(plot_map)
  5. 绘制数据分布的散点图和热力图(contourf)
  6. 结构化数据的存储及处理的思维训练(理论课)

用python实现GIS处理

  1. 轨道客流可视化!shapely初探
  2. 用道路切分地块!shapely的线转面处理!
  3. 利用osmnx与plot_map计算并可视化街道方向_by_YuanLianggg

爬虫

  1. 爬虫爬API抓取行政区划(urllib)
  2. 抓抓抓包!用百度迁徙数据计算人口恢复率
  3. 抓微博!微博评论关系可视化(微博api)

可视化

  1. 基于folium的可交互地图可视化(folium)
  2. 基于pyecharts的可交互可视化(pyecharts)
  3. 利用pandana可视化城市设施的可达性_by_fff2zrx
  4. 好看又高大上的可视化pydeck入门

项目

  1. 实战项目:怎么当一个优秀的出租车手-1
  2. 实战项目:怎么当一个优秀的出租车手-2

学术课

  1. 主成分分析PCA的原理、实现、缺陷及改进
  2. 谱聚类的原理及实现
  3. 基于自表达性的深度子空间聚类
  4. 社区发现!Fast unfolding算法分析出租车社区

教程说明

大数据时代到来,随着数据的逐步开放,数据工作者们或多或少都要接触到时空数据。

小旭学长曾经说:The data is data since it's data.

是的!数据处理是一门艺术!在处理时空数据的时候,你不仅要数据处理,还需要会GIS,最重要的它是一门艺术,要用你的审美,要出很好看的可视化图!

以前,我要用sql数据库处理数据,导出到excel画图表,再导出到arcgis出图,一套流程下来得开好几个软件,工作效率极低。

上次老师跟我说:小旭啊,我们这个项目你给我出800张图吧,我这周五就要。这个其实画出来也没什么用,主要是想放我们项目文本的附录里显示我们的工作量
我当场把桌子掀起来,画你妹!老子这博不读了
不,以上是做梦,现实情况是: 我微笑着说,好的老师,我通宵画

现在,python出现了,有了python里面的pandas,geopandas,matplotlib包,只需要用python就能实现数据的批量计算,批量出gis图等等。

哇!太棒了!简直是读研、读博、设计院画图、数据分析、闲着没事、居家旅行时候都必须会的技能,别说800张图了,电脑空间有多少我就能生成多少图,包您满意

通过本教程,你将从头开始,会学到一些时空数据的处理技巧,用python进行数据清洗,数据集计,数据整合,可视化!教程的后半段介绍了几个常用的python可视化包,最后是实战项目

本教程的可视化效果图展示

使用数据

本教程的数据来源(公开数据集可直接下载):
深圳出租车数据
Urban Data Release V2
Taxi GPS Data Format: 22223,2013-10-22 08:49:25,114.116631,22.582466,0
Taxi ID, Time, Latitude, Longitude, Occupancy Status, Speed; Occupancy Status: 1-with passengers & 0-with passengers;

学习本教程需要的基础

在学习本教程之前,强烈建议各位已经掌握了python的最基础的编程语法。如果你还没有掌握,下面建议你完成:

小甲鱼的python入门视频(看到35P)

另外,推荐课程:

  1. imooc的Python数据分析-基础技术篇教程
  2. udacity的数据分析入门课程
  3. coursera的机器学习课程
  4. 莫烦PYTHON的pytorch动态神经网络课程

友情链接

小旭学长的Echarts作品

贡献者

ni1o1ni1o1

fff2zrxfff2zrx

YuanLiangggYuanLianggg

======= 本教程的b站视频地址:https://www.bilibili.com/video/BV1A5411a7xz 本教程的github地址:https://github.com/ni1o1/pygeo-tutorial 本教程的gitee地址(国内访问快):https://gitee.com/ni1o1/pygeo-tutorial 由于网速或者各种问题,在国内访问github打开本教程可能会出现图片或文件显示不能,可以尝试以下方法:
  1. 尝试使用这个网页将notebook对应的url链接拷贝进去后即可便捷学习代码(只支持github的notebook链接)
  2. 下载教程到本地后用jupyter notebook打开教程观看

如何使用本教程

本教程是在python的Jupyter notebook上编写,有些python的基础环境需要配置:

  1. Python环境: Python3.6/3.7均可,这里推荐装一个Anaconda,点击这个链接下载安装(Python是个编程语言,Anaconda是一个打包了数据分析常用功能的Python平台,安装Anaconda就已经包含Python本体)
    关于如何使用anaconda的Jupyter notebook可以看这个链接
  2. 把本教程搞到本地,点击本网页右上角的Clone or download,用git clone或者直接Download ZIP下载到本地。
  3. 安装本教程最核心的包:Python的geopandas包,点击这个链接,按照上面的方法安装(比较推荐里面的Installing from source的方法安装)。
  4. 打开教程,enjoy!

教程目录

基础的数据处理

  1. 出租车数据的基础处理,由gps生成OD(pandas)
  2. 出租车数据的集计与基础图表绘制(matplotlib)
  3. 出租车数据的地理信息处理(geopandas)
  4. 基于出租车GPS的OD期望线绘制与底图添加(plot_map)
  5. 绘制数据分布的散点图和热力图(contourf)
  6. 结构化数据的存储及处理的思维训练(理论课)

用python实现GIS处理

  1. 轨道客流可视化!shapely初探
  2. 用道路切分地块!shapely的线转面处理!
  3. 利用osmnx与plot_map计算并可视化街道方向_by_YuanLianggg
  4. 基于互联网地图获取公交站点及线路有信息_by_Jian Yuan

爬虫

  1. 爬虫爬API抓取行政区划(urllib)
  2. 抓抓抓包!用百度迁徙数据计算人口恢复率
  3. 抓微博!微博评论关系可视化(微博api)

可视化

  1. 基于folium的可交互地图可视化(folium)
  2. 基于pyecharts的可交互可视化(pyecharts)
  3. 利用pandana可视化城市设施的可达性_by_fff2zrx
  4. 好看又高大上的可视化pydeck入门

项目

  1. 实战项目:怎么当一个优秀的出租车手-1
  2. 实战项目:怎么当一个优秀的出租车手-2

学术课

  1. 主成分分析PCA的原理、实现、缺陷及改进
  2. 谱聚类的原理及实现
  3. 基于自表达性的深度子空间聚类
  4. 社区发现!Fast unfolding算法分析出租车社区

教程说明

大数据时代到来,随着数据的逐步开放,数据工作者们或多或少都要接触到时空数据。

小旭学长曾经说:The data is data since it's data.

是的!数据处理是一门艺术!在处理时空数据的时候,你不仅要数据处理,还需要会GIS,最重要的它是一门艺术,要用你的审美,要出很好看的可视化图!

以前,我要用sql数据库处理数据,导出到excel画图表,再导出到arcgis出图,一套流程下来得开好几个软件,工作效率极低。

上次老师跟我说:小旭啊,我们这个项目你给我出800张图吧,我这周五就要。这个其实画出来也没什么用,主要是想放我们项目文本的附录里显示我们的工作量
我当场把桌子掀起来,画你妹!老子这博不读了
不,以上是做梦,现实情况是: 我微笑着说,好的老师,我通宵画

现在,python出现了,有了python里面的pandas,geopandas,matplotlib包,只需要用python就能实现数据的批量计算,批量出gis图等等。

哇!太棒了!简直是读研、读博、设计院画图、数据分析、闲着没事、居家旅行时候都必须会的技能,别说800张图了,电脑空间有多少我就能生成多少图,包您满意

通过本教程,你将从头开始,会学到一些时空数据的处理技巧,用python进行数据清洗,数据集计,数据整合,可视化!教程的后半段介绍了几个常用的python可视化包,最后是实战项目

本教程的可视化效果图展示

使用数据

本教程的数据来源(公开数据集可直接下载):
深圳出租车数据
Urban Data Release V2
Taxi GPS Data Format: 22223,2013-10-22 08:49:25,114.116631,22.582466,0
Taxi ID, Time, Latitude, Longitude, Occupancy Status, Speed; Occupancy Status: 1-with passengers & 0-with passengers;

学习本教程需要的基础

在学习本教程之前,强烈建议各位已经掌握了python的最基础的编程语法。如果你还没有掌握,下面建议你完成:

小甲鱼的python入门视频(看到35P)

另外,推荐课程:

  1. imooc的Python数据分析-基础技术篇教程
  2. udacity的数据分析入门课程
  3. coursera的机器学习课程
  4. 莫烦PYTHON的pytorch动态神经网络课程

友情链接

小旭学长的Echarts作品

贡献者

ni1o1ni1o1

fff2zrxfff2zrx

YuanLiangggYuanLianggg

Jame0910Jame0910

>>>>>>> 8b3d6945d07112c6705f56b9b3cb26c882cd579b
Note that the project description data, including the texts, logos, images, and/or trademarks, for each open source project belongs to its rightful owner. If you wish to add or remove any projects, please contact us at [email protected].