Python 用于地理空间数据分析

第 1 章. 地理空间分析简介

本作品已使用人工智能进行翻译。欢迎您提供反馈和意见：[e-mail]

您是地理学家、地质学家还是计算机科学家？令人印象深刻，如果你的回答是肯定的！我不是这些人：我是一名空间数据分析师，对探索数据和将位置信息整合到数据分析中感兴趣。

地理空间数据的收集无处不在。在数据分析中了解地理空间引入了一个新的维度：理解更多特征对特定观察或结果的影响。例如，我花了大量专业时间研究公共卫生和医疗保健领域的大型开源数据集。一旦你熟悉了地理编码和空间文件，你不仅可以收集多个领域的见解，还可以识别并锁定存在巨大社会和经济差距的领域。

在我成为数据分析师的初期，我开始意识到我需要考虑更大、更复杂的问题，我需要更多的资源。 考虑到要处理美国的人口普查数据，我报名参加了一门应用分析课程。我曾使用过 R 编程语言，但这门课是用 Python 讲授的。我顺利通过了考试，但在接下来的几个月里，我发现了很多我希望在学习 Python 基础知识的同时也能学到的东西。这本书的目的就是分享我希望有人教我的东西。

我希望在这里分享的不是完整的 Python 编码范例，也不是 Python 101 课程。相反，它旨在通过向您展示如何编写可操作的代码来补充您的 Python 学习，从而让您在实践中学习。本书包含一些简单的示例，详细探讨了一些关键概念。前几章中的图形会让你熟悉地图的外观以及不同工具如何呈现关系。后面几章探讨了代码和各种平台，使你有能力将 Python 作为回答地理空间问题的资源。 如果您希望在开源和专有系统中灵活操作数据，Python 可能是您缺少的一块拼图。Python 非常容易上手，而且拥有各种库，可用于透视和重塑表格、合并数据和生成图表。

将 Python 融入空间分析是本书的重点。 OpenStreetMap (OSM)等开源平台允许我们放大和添加属性。OSMnx 是一个 Python 软件包，可以让你从 OSM 下载空间数据，并在 Jupyter Notebook 中对现实世界的街道网络和景观结构进行建模、投影、可视化和分析，不受任何特定应用程序或工具的影响。¹只需一行 Python 代码，您就可以下载并模拟可步行、可驾驶或可骑自行车的城市网络，然后轻松地对其进行分析和可视化。您还可以下载并处理其他基础设施类型、便利设施和兴趣点、建筑占地面积、高程数据、街道方位和方向、速度和旅行时间。本书第 5 章提供了深入研究 OSM 的机会。

利用空间数据分析原理，您可以考虑地方、区域和全球层面的挑战。这些问题可能包括环境、医疗保健、生物、地理、经济、历史、工程、地方政府、城市规划和供应链管理等等。即使是看似地方性或区域性的问题，也会跨越物理和政治边界、生态区域、城市和流域，并具有空间成分。由于地图是我们对数据可视化的最初认识之一，因此在审阅数据后，您可能会对位置产生好奇。本章将向你介绍空间数据分析的一些广泛目标，并探讨地理空间信息如何影响我们的思维。

数据民主化

开源数据工具和大规模开放式在线课程（MOOCs）的普及为新一批公民科学家提供了机会。现在，公众可以访问位置数据和地理空间数据集，许多人开始变得 "对数据充满好奇"，无论他们的专业头衔或研究领域如何。也许你是一个观鸟者，你对某种鸟类感兴趣，比如蓝鹭。你可能想获取空间数据，了解它的栖息地。您可能会提出以下研究问题蓝鹭在哪里筑巢？它们在哪里迁徙？它们的哪些栖息地支持最多的物种？您可以绘制自己的目击地图或其他感兴趣的变量地图。

除了个人或职业爱好之外，地理空间分析师还研究社区的社会经济 ...