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。
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
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
CH01 课前准备 |
1.1 课程介绍 |
1.2 环境配置 | |
CH02 专题1 近十年我国城乡规划重要学术论文的总体特征 |
2.1 研究思路 |
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 基于高铁余票的客流行为特征及其效应分析 |
3.1 研究思路解析 |
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 基于上市公司数据的中国城市网络空间结构 |
4.1 研究思路解析 |
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 规划视角下乡村人地关系基本认知方法研究 |
5.1 研究思路解析:研究框架、流程逻辑 |
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 大城市公共服务设施可达性评估 |
6.1 研究思路:研究框架、流程逻辑 |
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 |