现在公众号不止可以从底部菜单进行简单检索了，还可以直接发送私信来检索，如图中可以直接检索“深圳共享单车数据表”文章的内容，如数据量、数据字段情况。

ArcGIS_Python的课程索引

这篇博客介绍了2023年地理空间领域增长最快的11个Python包，包括leafmap、DuckDB、geemap、Placekey、Apache Sedona、H3、Xarray、GeoPandas、pydeck、Whitebox和GDAL。这些包在地理空间分析、数据可视化和处理大规模空间数据等方面得到了广泛应用。

《利用深度学习来识别建筑年代和风格》项目的仓库说明（README）（附文章目录和使用说明）

接下来开启新的系列：使用PyTorch进行深度学习系列

Pandas datetime 格式的保存和读取取决于文件格式和读取方式。CSV 格式需要指定日期时间格式，而 Parquet 和 Feather 格式可以自动识别。Pickle 格式可以保存整个 DataFrame 对象，但存在兼容性和安全问题。Parquet 和 Feather 格式适用于大型数据集，而 CSV 格式更通用。选择格式时应考虑数据大小、效率和兼容性。

多尺度地理加权回归（MGWR）是一种空间分析技术，它允许回归参数在不同的空间尺度上变化。mgwr库是一个Python包，用于实现MGWR，它提供了用户友好的API和各种功能，包括数据准备、模型拟合、模型诊断和结果可视化。MGWR在许多领域都有应用，例如环境科学、城市规划和公共卫生。它可以帮助研究人员探索和理解空间数据中的复杂关系，并更准确地建模和解释空间异质性。

要素类和 shapefile 都是用于存储地理空间数据的格式，但它们在功能和能力方面存在一些关键差异。 要素类 存储在地理数据库中（一种更现代、高效的空间数据存储格式）。 支持多种几何类型（点、线、面等），以及高级属性，例如域、子类型和关系类。 提供更好的性能和可扩展性，尤其是在处理大型数据集时。

本文详细介绍了如何使用Python和Pandas库从出租车GPS数据中提取OD行程信息的方法。过程包括数据预处理、行程识别和信息提取等关键步骤。通过处理缺失值、数据类型检查、去除重复记录等预处理操作，以及利用“载客状态”字段识别行程的开始和结束，文章成功地从大量GPS数据中提取了有价值的行程信息。这些信息不仅对城市交通流量分析和城市规划具有重要意义，也为出租车公司的运营优化提供了数据支持。此外，文章还探讨了数据处理的优化方法，如使用pandas的apply方法加速数据处理，有效提高了数据处理效率。

隐私安全、多语言支持，全面兼容Markdown，提供快速响应的聊天网站：[My NextChat](https://chat.renhai-lab.tech/)  支持图像识别、语音合成、多模态、可扩展的（[function call](https://platform.openai.com/docs/guides/function-calling)）插件系统的网站：[My Lobe Chat](https://lobechat.renhai-lab.tech/) 

本文为研究者提供了找寻和筛选学术论文的实用方法。文章建议确定研究主题和关键词，然后集中阅读论文的摘要、简介、方法、结果和总结等部分，并强调利用引用信息来追踪研究发展。作者还推荐了国内外的数据库和期刊，并介绍了使用RSS订阅来持续获取最新研究信息的方法。文章为读者提供了一套有效的学术论文搜寻和分析框架，尤其适用于建筑、景观和规划领域的研究者。

本文为非编程背景的读者提供了Python学习的指南。文章从基础语法、数据类型等入门知识开始，推荐了相关教程和书籍。进阶部分介绍了NumPy和Pandas等关键库，强调了Pandas在数据处理中的核心地位。文章还讨论了如何处理大数据集和使用如GitHub Copilot等辅助工具，为初学者提供了一个全面的Python数据分析学习路径。 ​

收集中国国内共享单车公开数据集

转载：🚀权威、准确、长时间序列的一套行政区划矢量数据（China Temporal sequence Administrative Map）

原网页已经移到了新位置：二、ArcGIS Pro和ArcMap的区别【ArcGIS Python系列】