分享城市空间研究专题（Python）【价值1499元】资源课程视频,希望可以帮助有需要的同学
城市空间研究专题（Python）【价值1499元】 1
点击获取课程资源：城市空间研究专题（Python）【价值1499元】
https://www.51zxlm.com/zyjn/50237.html?ref=10
城市空间研究专题（Python）【价值1499元】 1
课程介绍(A000143)：
课程概述
本课程由城市数据团旗下的“城市数据研习社”出品。旨在讲授如何用Python强化城市空间量化研究能力，课程内容从GIS到Python，整个微专业包括5大实战案例60节课时，深度挖掘城市数据价值。
证书要求
1. 在规定时间内提交课程中设置的作业
2. 课程老师对作业进行打分，所有作业均大于60分，可获得证书
预备知识
本微专业将会以研究专题为主，要求学员熟悉GIS分析方法，初步掌握Python语言，及numpy、pandas、matplotlib等工具包。
1. 学习GIS分析方法请报名城市数据团的《城市数据分析师》微专业
2. 学习Python基础语言请报名城市数据团的《数据分析师（Python）》微专业
课程目录：
| CH01 | 1.1 课程介绍 |
| 课前准备 | 1.2 环境配置 |
| CH02 专题1 | 2.1 研究思路 |
| 近十年我国城乡规划重要学术论文的总体特征 | 2.2 数据爬取：用scrapy爬取万方、知网数据 |
| 2.3 数据清洗（一）：无效字符清理 | |
| 2.4 数据清洗（二）：数据重复与拆分 | |
| 2.5 数据清洗（三）：数据合并与作者单位数据处理 | |
| 2.6 数据分析（一）：透视表格与数据基本分析 | |
| 2.7 数据分析（二）：作者发文数据分析 | |
| 2.8 数据分析（三）：国家自科、社科基金论文数据分析 | |
| 2.9 数据分析（四）：论文作者关系网络分析 | |
| 2.10 数据分析（五）：论文关键词分析 | |
| 2.11 总结 | |
| CH03 专题2 | 3.1 研究思路解析 |
| 基于高铁余票的客流行为特征及其效应分析 | 3.2 数据爬取（一）：几行简单代码获取某区间某日余票数据 |
| 3.3 数据爬取（二）：代码优化——获取沿线区间某日余票数据 | |
| 3.4 数据爬取（三）：代码再优化——构建全天候运行的余票抓取代码 | |
| 3.5 数据分析（一）：南京至上海一周余票数据统计 | |
| 3.6 数据分析（二）：昆山南站一天内上下净客流量值变化情况分析（1） | |
| 3.7 数据分析（三）：昆山南站一天内上下净客流量值变化情况分析（2） | |
| 3.8 数据分析（四）：特点站点一天内上下净客流量分布特点 | |
| 3.9 总结 | |
| CH04 专题3 | 4.1 研究思路解析 |
| 基于上市公司数据的中国城市网络空间结构 | 4.2 数据爬取（一）：来源与爬取思路 |
| 4.3 数据爬取（二）：selenium网页自动化 | |
| 4.4 数据爬取（三）：初步尝试下载全部数据 | |
| 4.5 数据爬取（四）：通过代理下载全部数据 | |
| 4.6 数据爬取（五）：POST请求AJAX数据 | |
| 4.7 数据清洗（一）：数据的基本清洗 | |
| 4.8 数据清洗（二）：通过百度API识别公司归属地（1） | |
| 4.9 数据清洗（三）：通过百度API识别公司归属地（2） | |
| 4.10 数据分析（一）：上市公司空间分布特征 | |
| 4.11 数据分析（二）：城市关联网络特征（1） | |
| 4.12 数据分析（三）：城市关联网络特征（2） | |
| 4.13 数据分析（四）：城市关联网络特征（3） | |
| 4.14 数据分析（五）：城市网络空间组织分析 | |
| 4.15 数据分析（六）：城市网络拓扑结构复杂性分析（1） | |
| 4.16 数据分析（七）：城市网络拓扑结构复杂性分析（2） | |
| 4.17 总结 | |
| CH05 专题4 | 5.1 研究思路解析：研究框架、流程逻辑 |
| 规划视角下乡村人地关系基本认知方法研究 | 5.2 数据整理：数据基本整理 |
| 5.3 数据分析（一）：基本关系分析 | |
| 5.4 数据分析（二）：基本评价分析 | |
| 5.5 数据分析（三）：典型特征分析 | |
| 5.6 总结 | |
| CH06 专题5 | 6.1 研究思路：研究框架、流程逻辑 |
| 大城市公共服务设施可达性评估 | 6.2 数据获取（一）：Scrapy框架下载二手房小区数据 |
| 6.3 数据获取（二）：云端部署爬虫下载数据 | |
| 6.4 数据获取（三）：通过百度API获取多对多交通耗时 | |
| 6.5 数据清洗（一）：小区数据清洗 | |
| 6.6 数据清洗（二）：三项数据整合 | |
| 6.7 数据分析（一）：服务设施服务人口分析 | |
| 6.8 数据分析（二）：服务设施平均耗时分析 | |
| 6.9 数据分析（三）：服务设施覆盖率分析 | |
| 6.10 总结 |
文件目录：
| ├─微专业-城市空间研究专题 |
| │ │ Python定量城市研究实战_课程资料.rar |
| │ │ 素材.rar |
| │ │ |
| │ ├─Python定量城市研究实战_课程资料 |
| │ │ ├─一. Python语言基础 |
| │ │ │ ├─CH01学前准备 |
| │ │ │ │ └─环境配置 |
| │ │ │ ├─CH02分析与研究环境 |
| │ │ │ └─CH03Python语言入门 |
| │ │ │ └─data |
| │ │ ├─七. 综合专题三：基于上市公司数据的中国城市网络空间结构 |
| │ │ │ ├─.ipynb_checkpoints |
| │ │ │ ├─China-Company-Net |
| │ │ │ │ ├─data.gdb |
| │ │ │ │ └─shp |
| │ │ │ ├─data |
| │ │ │ └─py |
| │ │ ├─三. 数据处理 |
| │ │ ├─九. 综合专题五：基于多源数据时空熵的城市功能混合度识别评价 |
| │ │ │ ├─.ipynb_checkpoints |
| │ │ │ ├─bd09_to_wgs84 |
| │ │ │ ├─Multi-Source-Data |
| │ │ │ │ ├─.idea |
| │ │ │ │ │ └─inspectionProfiles |
| │ │ │ │ ├─data_ana |
| │ │ │ │ │ ├─nanjing_db.gdb |
| │ │ │ │ │ └─nanjing_main.gdb |
| │ │ │ │ └─show |
| │ │ │ │ ├─nanjing_db.gdb |
| │ │ │ │ └─nanjing_main.gdb |
| │ │ │ ├─poi_data |
| │ │ │ ├─sample_data |
| │ │ │ └─SQL server数据库文件 |
| │ │ ├─二. 数据爬取 |
| │ │ │ ├─CH01数据存储与管理 |
| │ │ │ │ ├─data-show |
| │ │ │ │ └─demo_data |
| │ │ │ ├─CH02爬虫入门 |
| │ │ │ │ ├─data |
| │ │ │ │ └─data-download |
| │ │ │ ├─CH03用selenium爬数据 |
| │ │ │ └─CH04用scrapy爬数据 |
| │ │ │ ├─4.3-scrapy作用机制_demo |
| │ │ │ │ └─planning |
| │ │ │ │ └─planning |
| │ │ │ │ ├─spiders |
| │ │ │ │ │ └─__pycache__ |
| │ │ │ │ └─__pycache__ |
| │ │ │ ├─4.5-land_sz |
| │ │ │ │ └─sz_spider |
| │ │ │ │ └─sz_spider |
| │ │ │ │ ├─spiders |
| │ │ │ │ │ └─__pycache__ |
| │ │ │ │ └─__pycache__ |
| │ │ │ └─land_nt |
| │ │ │ ├─apple |
| │ │ │ │ ├─spiders |
| │ │ │ │ │ └─__pycache__ |
| │ │ │ │ └─__pycache__ |
| │ │ │ └─DataBAK |
| │ │ ├─五. 综合专题一：近十年我国城乡规划重要学术论文的总体特征 |
| │ │ │ └─data |
| │ │ │ └─original_data |
| │ │ ├─八. 综合专题四：规划视角下乡村人地关系基本认知方法研究 |
| │ │ │ ├─data |
| │ │ │ │ ├─labor_force |
| │ │ │ │ ├─labor_force_csv |
| │ │ │ │ └─land_use |
| │ │ │ │ ├─year2000.gdb |
| │ │ │ │ ├─year2005.gdb |
| │ │ │ │ ├─year2010.gdb |
| │ │ │ │ └─year2013.gdb |
| │ │ │ └─NoteBook |
| │ │ ├─六. 综合专题二：基于高铁余票的客流行为特征及其效应分析 |
| │ │ │ │ 1几行简单代码获取某区间某日余票数据.ipynb |
| │ │ │ │ 2代码优化——获取沿线区间某日余票数据.ipynb |
| │ │ │ │ 3代码再优化——构建全天候运行的余票抓取代码.ipynb |
| │ │ │ │ 4筛选有用的余票信息（时间筛选）.ipynb |
| │ │ │ │ 5.筛选有用的余票信息（站点筛选）.ipynb |
| │ │ │ │ 6.数据分析与可视化.ipynb |
| │ │ │ │ _基于高铁余票的客流行为特征及其效应分析——以沪宁沿线高铁站点为例_基于高铁余票的客流行为特征及其效应分析——以沪宁沿线高铁站点为例.pdf |
| │ │ │ │ |
| │ │ │ ├─.ipynb_checkpoints |
| │ │ │ ├─12306data |
| │ │ │ │ NingHu-2016-12-22.csv |
| │ │ │ │ NingHu-2016-12-23.csv |
| │ │ │ │ NingHu-2016-12-24.csv |
| │ │ │ │ NingHu-2016-12-25.csv |
| │ │ │ │ NingHu-2016-12-26.csv |
| │ │ │ │ NingHu-2016-12-27.csv |
| │ │ │ │ NJ-SH-train_names.csv |
| │ │ │ │ SH-NJ-train_names.csv |
| │ │ │ │ |
| │ │ │ ├─data |
| │ │ │ │ HuNing-2016-12-21.csv |
| │ │ │ │ hu_ning_ft1.json |
| │ │ │ │ NJ-SH-train_names.csv |
| │ │ │ │ SH-NJ-station.csv |
| │ │ │ │ SH-NJ-train-no.csv |
| │ │ │ │ SH-NJ-train_names.csv |
| │ │ │ │ tickets_to_analysi.json |
| │ │ │ │ |
| │ │ │ └─data2 |
| │ │ │ 2018-07-29TEST.csv |
| │ │ │ HuNing2018-07-18TEST.csv |
| │ │ │ NingHu2018-07-18TEST.csv |
| │ │ │ SH-NJ-station.csv |
| │ │ │ SH-NJ-train-no.csv |
| │ │ │ TEST2018-08-10-SH-NJ.csv |
| │ │ │ |
| │ │ ├─十. 综合专题六：大城市公共服务设施可达性评估 |
| │ │ │ │ 课程更新说明.txt |
| │ │ │ │ |
| │ │ │ └─001爬虫代码 |
| │ │ │ └─fang |
| │ │ │ │ scrapy.cfg |
| │ │ │ │ |
| │ │ │ └─fang_tx |
| │ │ │ │ items.py |
| │ │ │ │ middlewares.py |
| │ │ │ │ pipelines.py |
| │ │ │ │ settings.py |
| │ │ │ │ __init__.py |
| │ │ │ │ |
| │ │ │ ├─spiders |
| │ │ │ │ │ cd.py |
| │ │ │ │ │ ip.py |
| │ │ │ │ │ __init__.py |
| │ │ │ │ │ |
| │ │ │ │ └─__pycache__ |
| │ │ │ │ cd.cpython-36.pyc |
| │ │ │ │ ip.cpython-36.pyc |
| │ │ │ │ __init__.cpython-36.pyc |
| │ │ │ │ |
| │ │ │ └─__pycache__ |
| │ │ │ items.cpython-36.pyc |
| │ │ │ middlewares.cpython-36.pyc |
| │ │ │ settings.cpython-36.pyc |
| │ │ │ __init__.cpython-36.pyc |
| │ │ │ |
| │ │ └─四. 面向ArcGIS的Python – Arcpy |
| │ │ 课程更新说明.txt |
| │ │ |
| │ └─视频 |
| │ ├─第一章：课前准备 |
| │ │ 课程1.1课程介绍.mp4 |
| │ │ 课程1.2环境配置.mp4 |
| │ │ |
| │ ├─第三章：高铁余票及客流特征分析 |
| │ │ 课时3.1研究思路解析_recv.mp4 |
| │ │ 课时3.2几行代码获取某区间某日余票数据_recv.mp4 |
| │ │ 课时3.3获取沿线区间某日余票数据_recv.mp4 |
| │ │ 课时3.4构建全天候运行的余票抓取代码_recv.mp4 |
| │ │ 课时3.5南京至上海一周余票数据统计_recv.mp4 |
| │ │ 课时3.6昆山南站客流量值变化情况分析（1）_recv.mp4 |
| │ │ 课时3.7昆山南站客流量值变化情况分析（2）_recv.mp4 |
| │ │ 课时3.8特定站点上下净客流量分布特点_recv.mp4 |
| │ │ 课时3.9总结_recv.mp4 |
| │ │ |
| │ ├─第二章：重要城乡规划学术论文分析 |
| │ │ 课时2.10数据分析（五）：论文关键词分析.mp4 |
| │ │ 课时2.11总结.mp4 |
| │ │ 课时2.1研究思路.mp4 |
| │ │ 课时2.2数据爬取：用scrapy爬取万方、知网数据.mp4 |
| │ │ 课时2.3数据清洗（一）：无效字符清理.mp4 |
| │ │ 课时2.4数据清洗（二）：数据重复与拆分.mp4 |
| │ │ 课时2.5数据清洗（三）：数据合并与作者单位数据处理.mp4 |
| │ │ 课时2.6数据分析（一）：透视表格与数据基本分析.mp4 |
| │ │ 课时2.7数据分析（二）：作者发文数据分析.mp4 |
| │ │ 课时2.8数据分析（三）：国家自科、社科基金论文数据分析.mp4 |
| │ │ 课时2.9数据分析（四）：论文作者关系网络分析.mp4 |
| │ │ |
| │ ├─第五章：乡村人地关系基本特征分析 |
| │ │ 课程5.10空间关系分析（三）：G值计算.mp4 |
| │ │ 课程5.11空间关系分析（四）：无量纲化处理及最终数值计算.mp4 |
| │ │ 课程5.12协调性评价.mp4 |
| │ │ 课程5.13变动性评价（一）：分析思路.mp4 |
| │ │ 课程5.14变动性评价（二）：分享偏移模型.mp4 |
| │ │ 课程5.15变动性评价（三）：土地差异模型.mp4 |
| │ │ 课程5.16空间特征分析（一）：分析思路.mp4 |
| │ │ 课程5.17空间特征分析（二）：延展度与指状度计算.mp4 |
| │ │ 课程5.18总结.mp4 |
| │ │ 课程5.1研究思路.mp4 |
| │ │ 课程5.2人地数据认识与处理-01python2内核配置.mp4 |
| │ │ 课程5.3人地数据认识与处理-02数据认识.mp4 |
| │ │ 课程5.4人地数据认识与处理-03农村劳动力密度分析.mp4 |
| │ │ 课程5.5依存关系分析.mp4 |
| │ │ 课程5.6数量关系分析-01分村数据提取.mp4 |
| │ │ 课程5.7数量关系分析-02分村数值更新.mp4 |
| │ │ 课程5.8空间关系-01研究思路.mp4 |
| │ │ 课程5.9空间关系-02NPI值计算.mp4 |
| │ │ |
| │ └─第四章：中国城市网络空间结构分析 |
| │ 课时4.10上市公司空间分布特征.mp4 |
| │ 课时4.11城市关联网络特征（1）.mp4 |
| │ 课时4.12城市关联网络特征（2）.mp4 |
| │ 课时4.13城市关联网络特征（3）.mp4 |
| │ 课时4.14城市网络空间组织分析.mp4 |
| │ 课时4.15城市网络拓扑结构复杂性分析（1）.mp4 |
| │ 课时4.16城市网络拓扑结构复杂性分析（2）.mp4 |
| │ 课时4.17总结.mp4 |
| │ 课时4.1研究思路解析.mp4 |
| │ 课时4.2数据来源与爬取思路.mp4 |
| │ 课时4.3selenium网页自动化.mp4 |
| │ 课时4.4初步尝试下载全部数据.mp4 |
| │ 课时4.5通过代理下载全部数据.mp4 |
| │ 课时4.6POST请求子公司数据.mp4 |
| │ 课时4.7数据的基本清洗.mp4 |
| │ 课时4.8通过百度API识别公司归属地（1）.mp4 |
| │ 课时4.9通过百度API识别公司归属地（2）.mp4 |
https://www.51zxlm.com/zyjn/50237.html?ref=10
转载请说明出处
吾爱课堂 » 城市空间研究专题（Python）【价值1499元】
吾爱课堂 » 城市空间研究专题（Python）【价值1499元】
