欢迎学习《Python城市宜居指数KPI分析和城市规划分析视频教程》，在本课程中，您将通过实践 Python 编码方法深入了解城市数据分析的世界。这不仅仅是理论概述 – 这是一门实践课程，您将主动编写代码来操作、分析和可视化来自 OpenStreetMap (OSM) 的地理空间数据。
Published 9/2024
Created by Milan Janosov
MP4 | Video: h264, 1280×720 | Audio: AAC, 44.1 KHz, 2 Ch
Genre: eLearning | Language: English | Duration: 33 Lectures ( 4h 28m ) | Size: 2.22 GB
本课程首先介绍地理空间数据，包括矢量和栅格数据类型之间的区别，同时为使用 OSM 作为强大的数据源奠定基础。当您继续前进时，我们将指导您设置 Python 环境并介绍基本的地理空间库，例如 GeoPandas 和 Shapely。您将立即开始编码，使用几何数据类型并处理地理空间数据结构。
一旦您熟悉了 Python 和地理空间基础知识，我们将专注于使用 OSMNx 和 OverPy 等功能强大的 Python 包从 OSM 获取不同的城市数据集。您将学习如何收集和使用点、多边形和图形数据，从建筑足迹到道路网络。每一步都将涉及 Python 编码，确保您获得处理现实世界地理空间数据任务的技术技能。
最后，我们将总结先进的城市分析技术。您将参与实际项目、分析道路网络、构建轮廓并创建可视化来探索城市地区。本课程以一个综合性的小型项目结束，您将应用所学的所有技术来创建城市的宜居性指数，并使用 Python 结合各种城市 KPI。
最后，您将扎实掌握地理空间数据科学，并能够使用 Python 和 OSM 数据进行高级城市分析项目。让我们一起编码并释放城市数据的力量！
你在这里得到什么：
– 直接与作者联系的章节介绍和摘要视频
– 带有 PDF 补充幻灯片的演示文稿
– 通过屏幕共享编码视频，附带录制的实时代码文件以及 Jupyter Notebook 格式的颂歌的清理版本
你将会学到的
- 学习地理空间数据科学的基础知识，特别是如何在 Python 中识别和操作矢量数据
- 如何在 Python 中使用可定制的自动方式从 OpenStreetMap 收集和存储各种矢量数据
- 如何使用空间分析从矢量数据中量化相关的城市特征和特征
- 如何合并和量化来自 OpenStreetMap 的各种矢量数据以得出城市地区的宜居性分析
此课程面向哪些人：
- 有兴趣将技能扩展到空间和城市分析趋势领域的数据科学家
- 对使用热门数据科学工具感兴趣的 GIS 分析和城市规划者
