to navigate

to select

to close

On this page

《——基础试验》

📘 《城市空间数据分析方法——基础试验》新书发布

#城市空间数据分析 #编程与算法 #Python学习 #AI时代知识路径 #基础试验

📘 书名：城市空间数据分析方法——基础试验
✍️ 作者：包瑞清，Alexis Arias Betancourt
🛠 技术审稿人：程宏
📅 出版时间：2025年3月第1版
🏢 出版社：中国建筑工业出版社出版
🔢 ISBN：978-7-112-30513-1
🧮 字数：1534 千字
💰 定价：198.00元

在人工智能迅速发展的今天，ChatGPT、Deepseek 等模型正以前所未有的方式重塑人类知识生产与认知体系。这一趋势不仅推动了社会的智能化转型，也深刻影响了我们理解世界、表达知识的方式。

在这样的背景下，编程语言逐渐成为进入数字化与智能时代的基础工具。它不仅仅是一种技术手段，更是一种认知方法 —— 尤其是 Python，它为学习数学、理解算法和处理数据提供了前所未有的便利路径。

📌 我们深知：

编程语言本身是桥梁，但通过它，我们能够更深入地把握数学公式背后的逻辑结构，借助可视化工具，洞察数据变化与空间模式，从而更清晰地理解算法的运作机制。

虽然 AI 模型在不断进步，辅助人类完成越来越多的工作，但真正理解其原理，掌握算法背后的机制，仍然离不开基础扎实的编程训练。这正是“知其然，更要知其所以然”的真正体现。

📖 《城市空间数据分析方法——基础试验》作为一本面向城市空间研究者、数据分析初学者以及跨学科研究者的教材，尝试以编程语言为工具，以实验性的方式探索城市空间数据的基本处理与分析方法。

本书不仅关注技术操作，更强调通过实践理解背后的方法论与逻辑结构，是面向 AI 时代背景下，探索数据与空间关系的一种有益尝试。

🔍 适读对象：

城市规划、地理信息科学、建筑与景观相关专业学生与研究者
有志于通过编程语言进入空间数据分析领域的学习者
希望从“技术-方法-理解”三位一体角度切入数据与城市问题的跨界读者



📦 如果希望从作者处购置，请加微信。

目录

🛠 1. 准备

1.1 代码的整洁之道

1.1.1 代码的整洁之道
1.1.2 代码的风格

1.2 Python解释器和笔记，与GitHub代码托管

1.2.1 Python解释器和笔记
1.2.2 GitHub代码托管

1.3 数据库与数据分析基本流程组织

1.3.1 SQLite数据库
1.3.2 SQLite数据库的表间关系（多表关联）
1.3.3 PostgreSQL数据库
1.3.4 数据分析基本流程组织

🧰 2. 理论工具

2.1 城市空间数据分析方法理论集成研究框架

2.1.1 城市空间数据分析方法理论集成研究框架
2.1.2 数据分类和处理

2.2 USDA工具包和科学计算工具构建

2.2.1 USDA工具包的基本情况
2.2.2 USDA工具包的内容（0.0.30版本）
2.2.3 USDA科学计算软件工具构建

🧪 3. 基础试验

3-A 编程统计学及数据统计分析

3.1 POI数据与描述性统计和正态分布
3.1.1 单个分类POI数据检索与地理空间点地图
3.1.2 多个分类POI数据检索
3.1.3 描述性统计图表
3.1.4 正态分布与概率密度函数，异常值处理
3.2 OSM数据与核密度估计
3.2.1 OpenStreetMap（OSM）数据处理
3.2.2 核密度估计与地理空间点密度分布
3.3 公共健康数据的相关性分析
3.3.1 基本统计量
3.3.2 相关性
3.3.3 卡方分布与独立性检验
3.3.4 地理空间分布与相关性
3.4 简单回归与多元回归
3.4.1 预备知识
3.4.2 简单线性回归
3.4.3 多元线性回归
3.5 公共健康数据的线性回归与梯度下降法
3.5.1 简单线性回归
3.5.2 K-近邻模型（k-NN）
3.5.3 多元回归
3.5.4 梯度下降法

3-B 编程线性代数及遥感影像数据处理

3.6 编程线性代数
3.6.1 矩阵
3.6.2 向量
3.6.3 线性映射
3.6.4 特征值和特征向量
3.7 主成分分析与Landsat遥感影像
3.7.1 Landsat影像处理
3.7.2 PCA分析
3.7.3 数字高程（附）
3.8 基于NDVI指数影像与采样工具
3.8.1 影像数据处理
3.8.2 NDVI计算与解译
3.8.3 采样平台与精度计算

3-C 编程微积分及SIR空间传播模型

3.9 编程微积分
3.9.1 导数与微分
3.9.2 积分
3.9.3 泰勒展开式
3.9.4 偏导数
3.10 卷积与SIR传播模型
3.10.1 卷积
3.10.2 SIR模型
3.10.3 SIR空间传播模型

3-D 计算机视觉及城市街道空间

3.11 动态街景视觉感知
3.11.1 OpenCV图像处理
3.11.2 特征提取
3.11.3 街景视觉感知
3.12 Sentinel-2与超像素级图像分割
3.12.1 Sentinel-2遥感影像
3.12.2 特征尺度界定

3-E 机器学习试验

3.13 聚类与城市色彩
3.13.1 图像调研
3.13.2 聚类分析
3.13.3 图像主题色
3.14 图像分类器与平台部署
3.14.1 Flask平台
3.14.2 问卷调研
3.14.3 视觉词袋
3.14.4 决策树与随机森林
3.14.5 图像识别器

3-F 深度学习试验

3-G 点云数据处理与内存管理

3.22 点云处理
3.22.1 点云处理方法
3.22.2 建筑高度提取
3.23 SVF与内存管理
3.23.1 Sky View Factor计算
3.23.2 基于DSM计算
3.23.3 内存管理

📘 附：Python基础核心学写代码的方式

PCS-1. print()与变量运算

1.1 善用print
1.2 注释
1.3 基本数据类型与运算
1.4 变量与赋值

PCS-2. list/tuple/dict/set

2.1 基本介绍
2.2 列表
2.3 元组
2.4 字典
2.5 集合

PCS-3. 字符串处理

3.1 字符串与文件
3.2 open()函数
3.3 字符串方法
3.4 字符串格式化
3.5 正则表达式

PCS-4. 控制语句与推导式

4.1 缩进与代码块
4.2 条件语句
4.3 for 循环
4.4 while 循环
4.5 列表推导式

PCS-5. 函数与作用域

5.1 定义函数
5.2 作用域和命名空间
5.3 工厂函数
5.4 参数
5.5 箱形图实验

PCS-6. 递归、lambda、生成器

6.1 递归
6.2 匿名函数
6.3 生成器

PCS-7. 模块与发布

模块与包
PyPI分发

PCS-8. 类与继承

8.1 类定义与构造函数
8.2 继承机制
8.3 私有变量与方法
8.4 运算符重载与类属性

PCS-9. 装饰器与Slots

9.1 函数装饰器
9.2 类装饰器
9.3 slots

PCS-10. 异常处理

10.1 内置异常
10.2 异常处理方式

内页浏览

📚非出版社编辑网页版地址，托管于 GitHub。

[PADKS]出版物

2.7.4 人体姿态估计