Python 用于地理空间数据分析

序言

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]

Python 地理空间数据分析》介绍了如何使用精选的 Python 库和软件包进行地理空间数据分析，并对探索和发现进行了优化。近年来，随着物联网的兴起和定位数据在本地计算机上的普及，各个领域的专业人士都在探索具有内置分析功能的地理空间平台--地理空间专业人士、数据科学家、商业分析师、地理学家、地质学家、研究人员、分析师、计算机科学家和统计专业人士等等，不一而足。在探索过程中，这些学习者往往希望更深入地了解工具中蕴含的技术。图形用户界面功能强大，但您可以通过编写自己的 Python 代码来完全定制或自动实现结果，并更好地掌握大型平台和系统的工作原理，从而真正提升自己的技能。

开放源码项目希望吸引广大用户参与；如今，大多数行业的专业人士都有可能访问位置数据和公开可用的数据集。云计算的进步不再需要向本地计算机进行大量下载，这意味着访问已经民主化，任何人只要有联网设备就可以访问。本书旨在成为一种资源，无论专业人士身处何地，都能满足他们的需求，并为他们的目标和理解提供指导。本书鼓励各种背景的读者参与地理空间分析，为城市规划、气候变化研究和许多其他领域的决策提供信息。

即使对于经验丰富的数据分析师来说，技术也往往是孤立的。你可能会一点 Python，可以在 QGIS 或 ArcGIS 中跳进跳出，而不需要真正了解可操作的工作流程。当然，您也可以在不了解栅格、矢量或数学模型的情况下使用嵌入式系统，但了解这些基础元素将为您探索和解释数据的能力带来新的严谨性和探究性。

我怎么会写一本关于地理空间分析和 Python 集成的书？我有一个问题要解决。在对电子健康记录进行分析时，我发现它们包含了大量医疗数据，但只有模糊有用的人口信息。通过研究医疗保健基础设施的这一方面，我发现了位置在预测健康结果方面的重要性。如果不知道以下问题的答案，我们就无法做出有关公共卫生的决策：

• 患者所在社区是否在步行范围内或交通便利的沿线有新鲜市场？

• 患者所在社区是否适合步行且安全？

• 病人可以使用绿地吗？

• 例如，靠近高速公路、电线和垃圾处理厂对附近居民区的健康有什么影响？

• 我们又该如何将位置数据引入这些环境的研究中呢？

将这些类型的非空间数据与空间信息结合起来，您就可以探索周围的环境，或者地球表面您感兴趣的任何其他地方，并生成地图和其他可视化信息，帮助您思考复杂的问题。

为什么选择 Python？

Python 是一种流行、灵活的脚本语言。它的编码语法简单易懂，比大多数编程语言更容易学习，因此您可以相对较快地开始使用它。Python 非常适合地理空间数据分析，因为它已被纳入许多地理信息系统 (GIS) 应用程序，包括 ArcGIS 和 QGIS。此外，Python 还得到了活跃的开源社区的支持，拥有丰富的库和软件包。

这不是一本 Python 101 的书。如果您是初学者，想了解 Python 语言的基础知识，有很多资源可供您使用。您可以从 Matt Harrison 和 Theodore Petrou 所著的《Pandas 1.x Cookbook》（第二版）（Packt 出版社），或者 Dunder Data 提供的任何面授或在线课程（如《掌握 Python 基础》）开始学习。

也许你没有意愿或时间去学习一门完整的编程语言。虽然我建议你在工具箱中至少有一门计算机语言，但没关系。本书的目的是让您能够使用广泛的公开地理空间数据生态系统，不要求您具备全面的编程能力。我在书中提供了循序渐进的指导和代码片段。我还会指导你查找本书未涉及的各种其他功能的资源，以便你能利用所学知识进行探索。当你在一个大型函数库或软件包中使用一两个函数变得得心应手时，你就会有信心扩展到新的领域。 ...