01 为什么要学这门课？

人类的绝大部分活动都发生在地球上，都与地球表面位置（即地理空间位置）息息相关，随着计算机技术的日益发展和普及，“数字地球”、“数字城市”在人们的生产和生活中起着越来越重要的作用，掌握空间数据的分析方法成为步入“数字时代”的金钥匙。

作为数据分析师的你，无论是做数据分析也好，机器学习也好，几乎处理的都是横截面数据、面板数据、时序数据等二维空间数据，这门课将为你解密三维空间地理的数据。

本期课程将会带你轻松掌握使用Python进行空间数据分析的基本能力，结合对空间（地理）数据的理解和掌握，掌握定义问题、分析数据、研判解决方案的思考方法和实操能力，拥有对世界高人一等的洞察力。

02  如何学这门课？

为助你提升空间数据分析能力、地理数据可视化能力，CDA网校邀请到拥有丰富地理空间数据处理+城市治理一线研究专家的清华大学硕士来建新老师，与你分享他的地理数据分析实操经验。

03   这门课怎么学？

为了让大家更方便地学习，我们课程的以录播的方式进行，一共分为10次

4  这门课谁适合学？

如果你是有空间数据分析需求的数据分析师，这门小课将帮助你了解如何与需求方配合，将空间数据的价值最大化；

如果你是有空间数据可视化需求的数据可视化设计师，这门小课将帮助你快速实现空间数据可视化，深度探索数据的规律；

如果你是需要处理空间数据的研究员、研究生，这门小课将帮助你了解如何把空间地理数据分析应用到你的学术研究论文中；

如果你是有空间地理数据分析需求的业务方，这门小课将帮助你了解如何高效提出空间地理数据分析的需求；

如果你在为转行成为空间数据分析师做准备，这门小课将帮助你了解空间数据分析师的能力模型和工作方法论；

如果你是数据分析师或数据挖掘工程师，也都欢迎你来听一听这门小课，相信你一定会有所收获。

05 这门课学什么？

这是一门空间地理数据的基础入门课。一共10次课，每节课除了理论讲解外，都会有案例带你上手操作。

第1课 地图投影、空间数据及其处理
 
  1.1 数据导论
  1.2 什么是空间数据
  1.3 空间数据有哪些类型
  1.4 地图为什么长这样——地图投影
  1.5 地理数据处理与数据探索
  1.6 地理数据资源
  1.7  Python和开源工具
  【案例】：不同投影下的中国地图
  
第2课 Python 基础
 
  2.1 编写和执行代码
  2.2 一个脚本的基本结构
  2.3 变量
  2.4 基础数据类型：布尔、数值、字符串
  2.5 组合数据：列表和元组、集合、字典
  2.6 控制流：if、循环、断点
  2.7 函数
  2.8 类
  2.9 认识“库”
  2.10 Geopandas
  【案例】：基于python的应答系统
  
第3课 矢量数据
 
  3.1 什么是矢量数据
  3.2 OGR 介绍
  3.3 读取矢量数据：访问、查看数据、获取元数据
  3.4 写入矢量数据：创建新的数据源、新建属性字段
  3.5 更新现有数据：改变图层定义、要素添加、要素更新和要素删除
  3.6 矢量数据格式：shapefiles、GeoJson、PostGIS，SpatialLite、csv、ESRI地理数据库、网络数据库。
  3.7 测试格式能力
  3.8 Geopandas读写文件
  【案例】：北京市地图矢量数据的创建与维护
  
第4课 使用OGR 处理数据和几何要素

  4.1 属性过滤条件
  4.2 空间过滤条件
  4.3 SQL简介
  4.4 使用 SQL创建临时图层
  4.5 充分利用过滤条件
  4.6 几何对象的处理：点、线、多边形
  【案例】：使用过滤条件锁定目标

第5课 矢量分析

  5.1 叠加分析：用计算确定空间要素的位置关系
  5.2 邻近分析：要素距离的计算
  5.3 空间参照系统的使用
  5.4 使用pyproj空间参考
  5.5 使用Geopandas进行空间计算
  5.6 Geopandas的投影变换
  【案例】：数据决策→选址问题
  
第6课 栅格数据
  6.1 栅格数据介绍
  6.2 GDAL介绍
  6.3 数据集
  6.4 字节序列
  6.5 网络地图服务
  【案例】：北京市遥感图像处理

第7课 处理栅格数据
  7.1 地面控制点
  7.2 将像素坐标转换为另一图像
  7.3 颜色表、直方图、属性表
  7.4 虚拟栅格格式
  7.5 影像裁剪
  7.6 创建问题格式
  7.7 影像重投影
  7.8 回调函数
  7.9 异常和错误处理程序
  【案例】：自然地理要素加持下的空间分析
  
第8课 地图运算
 
  8.1 NumPy介绍
  8.2 地图代数
  8.3 局部分析
  8.4 焦点分析
  8.5 区域分析
  8.6 全局分析
  8.7 数据重采样
  【案例】：1+1>2：发现未知
  
第9课 数据可视化
 
  9.1 Matplotlib
  9.2 使用matplotlib绘制矢量数据
  9.3 使用matplotlib绘制栅格数据
  9.4 使用matplotlib绘制三维数据
  9.5 Mapnik
  9.6 使用mapnik绘制矢量数据
  9.7 使用XML存储信息
  9.8 使用mapnik绘制栅格数据
  9.9 使用Geopandas绘制地图
  【案例】：给数据以生命

第10课 机器学习入门与地图分类
 
  10.1 机器学习简介
  10.2 非监督分类
  10.3 监督分类
  【案例】：与“不确定性”携手前行

部分案例与实操代码截图：