Python地理空间数据分析
Bonny P. McClain
郭晨, 孙郁俨, 金宝成 译
出版时间:2024年11月
页数:293
“本书涵盖了各种数据可视化的问题,每一章都很有价值。通过阅读本书,我感到提升了使用Python工具解决地理空间数据问题的能力。”
——Patrick Viafore
Robust Python 作者

托布勒的地理的第一定律告诉我们,所有事物之间都相关,但是距离近的事物比距离远的关系更密切。但是当我们再看托布勒的第二定律:特定地理区域外部的现象对内部产生影响,就会理解为什么地理学家和数据分析师在数据故事和大规模研究项目中引入位置科学。
本书注重实践,地理空间专家、数据科学家、地理学家、地质学家,以及其他致力于数据分析和可视化的专业人员都能从中学到空间数据分析的基本知识。
本书作者展示了为什么发现并量化数据模式对空间数据分析非常重要。本书面向对Python结合地理空间分析有兴趣的专业人员和业余爱好者。
你将学会:
● 在数据问题中应用空间关系。
● 使用栅格和矢量图。
● 使用开源工具和公共数据集为地图增加信息量。
● 使用 Python 脚本自动化处理地理数据。
● 理解空间数据科学的图形化表现形式,激发好奇心。
  1. 前言
  2. 第1章 地理空间分析入门
  3. 1.1 数据普及
  4. 1.2 提出数据问题
  5. 1.3 空间数据科学的概念框架
  6. 1.3.1 地图投影
  7. 1.3.2 矢量数据:用对象表示地点
  8. 1.3.3 栅格数据:了解空间关系
  9. 1.4 数据集的选择和评估
  10. 1.5 总结
  11. 第2章 空间分析的基本设施
  12. 2.1 探索QGIS中的空间数据
  13. 2.1.1 安装配置QGIS
  14. 2.1.2 将底图添加到QGIS
  15. 2.1.3 探索数据资源
  16. 2.2 可视化纽约市的环境投诉
  17. 2.2.1 上传数据到QGIS
  18. 2.2.2 设置项目CRS
  19. 2.2.3 使用查询构建器过滤数据
  20. 2.3 人口数据可视化
  21. 2.3.1 QGIS Python控制台
  22. 2.3.2 加载栅格层
  23. 2.3.3 红线区:反映不平等
  24. 2.4 小结
  25. 第3章 QGIS:探索用于空间分析的PyQGIS和原生算法
  26. 3.1 探索QGIS工作区:旧金山的绿化和不平等现象
  27. 3.1.1 Python插件
  28. 3.1.2 访问数据
  29. 3.1.3 使用图层面板
  30. 3.1.4 处理研究问题
  31. 3.2 WFS:识别马萨诸塞州的环境威胁
  32. 3.2.1 访问数据
  33. 3.2.2 探索属性
  34. 3.2.3 使用迭代器
  35. 3.2.4 图层样式
  36. 3.3 在Python控制台中使用处理算法
  37. 3.3.1 使用算法
  38. 3.3.2 按表达式提取
  39. 3.3.3 缓冲区
  40. 3.3.4 按位置提取
  41. 3.4 总结
  42. 第4章 云上的地理空间分析:Google Earth Engine以及其他工具
  43. 4.1 配置Google Earth Engine
  44. 4.2 使用GEE控制台和geemap
  45. 4.2.1 创建Conda环境
  46. 4.2.2 打开Jupyter Notebook
  47. 4.2.3 安装geemap和其他包
  48. 4.3 geemap概览
  49. 4.3.1 图层和工具
  50. 4.3.2 底图
  51. 4.4 探索Landsat 9影像集
  52. 4.5 使用光谱带
  53. 4.6 国土覆盖数据库底图
  54. 4.6.1 访问数据
  55. 4.6.2 建立自定义图例
  56. 4.7 Leafmap:Google Earth Engine的代用品
  57. 4.8 总结
  58. 第5章 OpenStreetMap:使用OSMnx访问地理空间数据
  59. 5.1 OpenStreetMap的概念模型
  60. 5.1.1 标签
  61. 5.1.2 多重图
  62. 5.2 安装OSMnx
  63. 5.3 选择一个地点
  64. 5.4 了解变量和参数
  65. 5.5 计算出行时间
  66. 5.6 OSMnx中的基本统计度量指标
  67. 5.6.1 迂回性
  68. 5.6.2 路网分析:法国巴黎的迂回性
  69. 5.6.3 中间向心性
  70. 5.6.4 网络类型
  71. 5.7 定制地区地图
  72. 5.7.1 通过地点生成几何图像
  73. 5.7.2 通过地址生成几何图像
  74. 5.8 在QGIS中使用QuickOSM
  75. 5.9 总结
  76. 第6章 ArcGIS的Python API
  77. 6.1 安装配置
  78. 6.1.1 ArcGIS Python API中的可用模块
  79. 6.1.2 安装ArcGIS Pro
  80. 6.1.3 环境设置
  81. 6.1.4 安装依赖
  82. 6.2 连接到ArcGIS Python API
  83. 6.2.1 以匿名用户身份连接到ArcGIS Online
  84. 6.2.2 使用证书连接到ArcGIS用户账户
  85. 6.3 探索图像层:城市热岛图
  86. 6.4 栅格函数
  87. 6.5 探索图像属性
  88. 6.5.1 图像提升
  89. 6.5.2 比较位置的不同时间点数据
  90. 6.5.3 过滤图层
  91. 6.6 总结
  92. 第7章 GeoPandas和空间统计
  93. 7.1 安装GeoPandas
  94. 7.2 使用GeoJSON文件
  95. 7.3 创建GeoDataFrame
  96. 7.4 使用美国人口普查数据:洛杉矶(LA)人口密度地图
  97. 7.4.1 通过人口普查API和FTP访问区域和人口数据
  98. 7.4.2 在浏览器中通过人口普查API访问数据
  99. 7.4.3 使用数据配置文件
  100. 7.4.4 创建地图
  101. 7.5 总结
  102. 第8章 数据清洗
  103. 8.1 检查缺失数据
  104. 8.1.1 上传到Colab
  105. 8.1.2 空值和非空值
  106. 8.1.3 数据类型
  107. 8.1.4 元数据
  108. 8.1.5 汇总统计
  109. 8.1.6 替换缺失值
  110. 8.2 使用Missingno可视化数据
  111. 8.3 映射模式
  112. 8.3.1 纬度和经度
  113. 8.3.2 shapefile
  114. 8.4 总结
  115. 第9章 探索地理空间数据抽象库(GDAL)
  116. 9.1 安装配置GDAL
  117. 9.1.1 安装Spider
  118. 9.1.2 安装GDAL
  119. 9.2 在命令行中使用GDAL
  120. 9.3 使用GDAL编辑数据
  121. 9.3.1 Warp函数
  122. 9.3.2 获取输入光栅波段
  123. 9.4 在Python中使用GDAL库
  124. 9.4.1 初识Spyder
  125. 9.4.2 在Spyder中浏览数据
  126. 9.4.3 在GDAL中转换文件
  127. 9.4.4 在GDAL中使用Binmask
  128. 9.4.5 完整脚本
  129. 9.5 探索开源光栅文件
  130. 9.5.1 USGS EarthExplorer
  131. 9.5.2 Copernicus Open Access Hub
  132. 9.5.3 Google Earch Engine
  133. 9.6 总结
  134. 第10章 使用Python测量气候数据
  135. 10.1 案例1:使用降水数据验证气候预测
  136. 10.1.1 目标
  137. 10.1.2 下载数据
  138. 10.1.3 使用Xarray
  139. 10.1.4 合并2015年和2021年的数据集
  140. 10.1.5 生成图像
  141. 10.1.6 其他探索
  142. 10.2 案例2:使用WTSS Series分析亚马逊雨林中的森林砍伐和碳排放
  143. 10.2.1 安装设置
  144. 10.2.2 创建地图
  145. 10.2.3 分析
  146. 10.2.4 调优
  147. 10.3 案例3:使用Forest at Risk对瓜德罗普岛的森林砍伐建模和预测
  148. 10.3.1 安装配置
  149. 10.3.2 数据图像化
  150. 10.3.3 数据抽样
  151. 10.3.4 图像关联
  152. 10.3.5 使用iCAR模型对森林被砍伐的概率建模
  153. 10.3.6 马尔科夫链蒙特卡洛方法(MCMC)距离矩阵
  154. 10.3.7 使用predict_raster_binomial_iCAR对森林被砍伐的概率建模
  155. 10.3.8 碳排放
  156. 10.3.9 分析
  157. 10.4 总结
  158. 附录 推荐阅读
  159. 参考资料
书名:Python地理空间数据分析
作者:Bonny P. McClain
译者:郭晨, 孙郁俨, 金宝成 译
国内出版社:中国电力出版社
出版时间:2024年11月
页数:293
书号:978-7-5198-9052-0
原版书书名:Python for Geospatial Data Analysis
原版书出版商:O'Reilly Media
Bonny P. McClain
 
Bonny P. McClain博士是美国国家出版俱乐部(National Press Club)、500女性科学家(500 Women Scientists),以及城市和地区信息系统协会(Urban and Regional Information Systems Association, URISA)的成员,还曾经是“Tableau 演讲局”(Tableau Speaker Bureau)和美国调查记者编辑协会(Investigative Reporters and Editors, IRE)成员,因此有大量机会参与卫生政策制定和卫生经济学研讨。
 
 
本书封面上的动物是一只钻石蟒(学名:Morelia spilota spilota),属于地毯蟒的一种,主要分布在澳大利亚东南部的维多利亚和新南威尔士等地区的灌木丛、森林、荒地等地区,在城镇和郊区都有分布。钻石蟒擅长爬行和伪装,因此经常出现在人类房屋的阁楼、墙壁、房梁、屋顶等地方。
钻石蟒属于中大型蛇类,成年钻石蟒体长可达10英尺,寿命通常在20年左右,其背部的花纹形似钻石,且光滑闪亮,因此而得名。钻石蟒通常为黑色、深褐色或深绿色,并带有浅色或带深色轮廓的亮黄色斑点。钻石蟒没有毒性,以老鼠、田鼠、负鼠、鸟类、蜥蜴、青蛙等为食,通常是整只吞咽猎物,并通过挤压消化食物。钻石蟒通常在九、十月份繁殖,雌性钻石蟒一次可产卵54只,并且在长达55天的孵化期内保护这些后代。
成年钻石蟒很少有天敌,但是幼年钻石蟒可能遭受鸟类、猫、狗、其他蛇类和蜥蜴等的攻击和捕食。蛇类的生存空间普遍受到压缩,世界自然保护联盟已经将地毯蟒列为无危,并没有对钻石蟒单独标注。
购买选项
定价:98.00元
书号:978-7-5198-9052-0
出版社:中国电力出版社