Wiki.Citydatum - 用户贡献 [zh-cn]

首页

2025-07-24T10:51:45Z

Reiziuh：

<div style="margin-top:-2em; line-height:25px;"> </div>
__NOTOC__

<center>
'''<big>欢迎访问 wiki.citydatum —— 关于城市量化研究的中文知识库</big>'''

''创建于2017年8月18日，已有文章{{NUMBEROFARTICLES}}篇，编辑{{NUMBEROFEDITS}}次。''
</center>

{|width="100%" cellspacing="10" cellpadding="0"

| valign="top" width="100%" style="border:1px solid #aaaaaa;"|
<div><center style="background-color:#eeeeee; padding: 10px;">'''<big>特色文章推荐</big>'''</center>

{|width="100%" cellspacing="10" cellpadding="0"
| valign="top" width="40%" style="background-color:#f8f8f8"|
'''<big>[[箱线图]]</big>'''，也称箱须图（box-and-whisker plot）、箱形图（boxplot），都是利用分位值来描述数值型数据分散情况的图示化表达方法，可以应用于各类数值型数据的描述性统计。箱线图通过添加上下延伸的线，来描述落在上、下四分位以外数值的分布情况。异常值（outlier）通常以独立的点来表示。在城市数据分析和城市规划领域中，箱形图有更多的潜在应用可能，如地块指标赋值的描述性统计分析，校核异常值等。
| valign="top" width="10%"|
[[文件:BoxPlot1.jpg|96px|无框|右]]
| valign="top" width="40%" style="background-color:#f8f8f8"|
<div style="margin:10px">'''<big>[[OpenStreetMap]]</big>'''，是一个任何人都可以编辑和自由使用的全球地图，其目标是创建并提供开源的地理数据。其中大部分内容都是由志愿者从无到有地构建起来的，并以开放授权的形式发布。OSM为城市研究提供了免费、易于获取的基础地理数据，既可以将地图数据下载，作为研究底图或空间分析的基础数据使用，也可以在与城市量化分析的开发中作为外部数据源调用。</div>
| valign="top" width="10%"|
[[文件:OSM_logo.png|96px|无框|右]]
|}
</div>
|}

{|width="100%" cellspacing="10" cellpadding="0"

| valign="top" width="100%" style="border:1px solid #aaaaaa;"|
<div><center style="background-color:#eeeeee; padding: 10px;"><big>'''浏览或编辑已有文章'''</big></center>
<div style="margin:10px">

文章数量持续增长，希望您能找到有价值的信息。如果您有wiki编辑经验，欢迎 [[特殊:创建账户|<big>'''加入我们'''</big>]]，不断完善已有文章质量。
{{Special:AllPages/50,namespace=main}}
</div></div>
|}

{|width="100%" cellspacing="10" cellpadding="0"
| valign="top" width="75%" style="border:1px solid #aaaaaa;"|
<div><center style="background-color:#eeeeee; padding: 10px;"><big>'''编写新文章'''</big></center>
<div style="margin:10px">
您可以参考以下链接、查看完整的[[特殊:需要的页面|<big>'''需要的页面'''</big>]]，或用右上角的搜索框，选择熟悉的领域来撰写新文章。

* {{特殊:需要的页面/60,namespace=main}}
</div></div>

|valign="top" width="25%" style="border:1px solid #aaaaaa;" |
<div><center style="background-color:#eeeeee; padding: 10px;"> '''<big>了解Mediawiki使用</big>'''</center>
<div style="margin:10px">
[[mw:MediaWiki/zh-hans|MediaWiki]]最初是为维基百科量身打造的自由开源套件。维基页面使用维基文本格式编写，不会使用HTML、CSS也能轻松编辑页面。下方的链接有助于您了解基本操作方法。
* [[mw:Help:Contents/zh|用户指南]]
* [[mw:Manual:FAQ/zh|MediaWiki常见问题]]
* [[mw:Special:MyLanguage/Manual:Configuration_settings/zh|MediaWiki配置设置列表]]
* [[mw:Special:MyLanguage/Localisation#Translation_resources/zh|本地化MediaWiki到您的语言]]
* [https://lists.wikimedia.org/mailman/listinfo/mediawiki-announce MediaWiki发布邮件列表]

您可以在 [[Wiki.Citydatum:Sandbox|<big>'''沙盒'''</big>]] 中尝试编辑技巧，该页面内容会定期清除，不会长期保存。如果您已登陆，也可以通过右上角的用户沙盒链接进行尝试。
</div></div>
|}

首页

2025-07-24T10:50:48Z

Reiziuh：

<div style="margin-top:-2em; line-height:25px;"> </div>
__NOTOC__

<center>
'''<big>欢迎访问Wiki.Citydatum，关于城市量化研究的中文知识库</big>'''

''创建于2017年8月18日，已有文章{{NUMBEROFARTICLES}}篇，编辑{{NUMBEROFEDITS}}次。''
</center>

{|width="100%" cellspacing="10" cellpadding="0"

| valign="top" width="100%" style="border:1px solid #aaaaaa;"|
<div><center style="background-color:#eeeeee; padding: 10px;">'''<big>特色文章推荐</big>'''</center>

{|width="100%" cellspacing="10" cellpadding="0"
| valign="top" width="40%" style="background-color:#f8f8f8"|
'''<big>[[箱线图]]</big>'''，也称箱须图（box-and-whisker plot）、箱形图（boxplot），都是利用分位值来描述数值型数据分散情况的图示化表达方法，可以应用于各类数值型数据的描述性统计。箱线图通过添加上下延伸的线，来描述落在上、下四分位以外数值的分布情况。异常值（outlier）通常以独立的点来表示。在城市数据分析和城市规划领域中，箱形图有更多的潜在应用可能，如地块指标赋值的描述性统计分析，校核异常值等。
| valign="top" width="10%"|
[[文件:BoxPlot1.jpg|96px|无框|右]]
| valign="top" width="40%" style="background-color:#f8f8f8"|
<div style="margin:10px">'''<big>[[OpenStreetMap]]</big>'''，是一个任何人都可以编辑和自由使用的全球地图，其目标是创建并提供开源的地理数据。其中大部分内容都是由志愿者从无到有地构建起来的，并以开放授权的形式发布。OSM为城市研究提供了免费、易于获取的基础地理数据，既可以将地图数据下载，作为研究底图或空间分析的基础数据使用，也可以在与城市量化分析的开发中作为外部数据源调用。</div>
| valign="top" width="10%"|
[[文件:OSM_logo.png|96px|无框|右]]
|}
</div>
|}

{|width="100%" cellspacing="10" cellpadding="0"

| valign="top" width="100%" style="border:1px solid #aaaaaa;"|
<div><center style="background-color:#eeeeee; padding: 10px;"><big>'''浏览或编辑已有文章'''</big></center>
<div style="margin:10px">

文章数量持续增长，希望您能找到有价值的信息。如果您有wiki编辑经验，欢迎 [[特殊:创建账户|<big>'''加入我们'''</big>]]，不断完善已有文章质量。
{{Special:AllPages/50,namespace=main}}
</div></div>
|}

{|width="100%" cellspacing="10" cellpadding="0"
| valign="top" width="75%" style="border:1px solid #aaaaaa;"|
<div><center style="background-color:#eeeeee; padding: 10px;"><big>'''编写新文章'''</big></center>
<div style="margin:10px">
您可以参考以下链接、查看完整的[[特殊:需要的页面|<big>'''需要的页面'''</big>]]，或用右上角的搜索框，选择熟悉的领域来撰写新文章。

* {{特殊:需要的页面/60,namespace=main}}
</div></div>

|valign="top" width="25%" style="border:1px solid #aaaaaa;" |
<div><center style="background-color:#eeeeee; padding: 10px;"> '''<big>了解Mediawiki使用</big>'''</center>
<div style="margin:10px">
[[mw:MediaWiki/zh-hans|MediaWiki]]最初是为维基百科量身打造的自由开源套件。维基页面使用维基文本格式编写，不会使用HTML、CSS也能轻松编辑页面。下方的链接有助于您了解基本操作方法。
* [[mw:Help:Contents/zh|用户指南]]
* [[mw:Manual:FAQ/zh|MediaWiki常见问题]]
* [[mw:Special:MyLanguage/Manual:Configuration_settings/zh|MediaWiki配置设置列表]]
* [[mw:Special:MyLanguage/Localisation#Translation_resources/zh|本地化MediaWiki到您的语言]]
* [https://lists.wikimedia.org/mailman/listinfo/mediawiki-announce MediaWiki发布邮件列表]

您可以在 [[Wiki.Citydatum:Sandbox|<big>'''沙盒'''</big>]] 中尝试编辑技巧，该页面内容会定期清除，不会长期保存。如果您已登陆，也可以通过右上角的用户沙盒链接进行尝试。
</div></div>
|}

多样性指数

2023-01-05T07:22:09Z

Reiziuh：

{{提示|该页面仍需完善}}

多样性指数在[[生态学]]领域应用广泛，逐步引入到城市研究中。

== 概述 ==
=== 生物学缘起：物种多样性 ===
从物种水平来讲，一个地区的物种（植物和动物物种）多样性，既可以用物种的数量来衡量，也可以用相对种数多度（relative abundance of species）来衡量。理论上讲，这两方面的原始数据可以转换成物种多样性指数（species diversity indices），可通过多种量化方法来评价，常用有
# Simpson指数
# Shannon-Wiener指数（香农-威纳指数）
# Margalef指数

=== 城市数据分析领域的应用 ===
常被用于
* 景观多样性评价
* 设施类型多样性评价
* 功能混合度的评价

== 计算方法 ==
=== 香农-威纳指数 ===
公式：H=-ΣPilnPi；单位：无；范围：SHDI≥0

== 参考链接 ==
* [https://baike.baidu.com/item/%E5%A4%9A%E6%A0%B7%E6%80%A7%E6%8C%87%E6%95%B0 百度百科：多样性指数]
* [https://baike.baidu.com/item/%E9%A6%99%E5%86%9C-%E5%A8%81%E7%BA%B3%E6%8C%87%E6%95%B0 百度百科：香农-威纳指数]
* [https://baike.baidu.com/item/%E9%A6%99%E5%86%9C%E5%A4%9A%E6%A0%B7%E6%80%A7%E6%8C%87%E6%95%B0 百度百科：香农多样性指数]

中国城市繁荣活力评估报告

2023-01-05T03:52:08Z

Reiziuh：创建页面，内容为“2022年12月29日，《中国城市繁荣活力评估报告2022》线上发布会成功召开。本次发布的《中国城市繁荣活力评估报告2022》（以…”

2022年12月29日，《中国城市繁荣活力评估报告2022》线上发布会成功召开。

本次发布的《中国城市繁荣活力评估报告2022》（以下简称《报告》）是[[中国城市规划设计研究院]]城市繁荣活力系列研究第3年度的研究成果。

今年的《报告》延续往年对“人的活力”的关注，以全国 36 座主要城市为研究对象，通过建立“活力指标体系”、“活力基因图谱”、“活力观察矩阵”三个工具，探索“城市活力”的“空间基因”，为“后疫情”时代推动城市活力的恢复与提升提供研究支撑。

报告下载：[[媒体文件:中国城市繁荣活力评估报告2022.pdf|全文pdf]]

来源：规划中国

文件:中国城市繁荣活力评估报告2022.pdf

2023-01-05T03:45:55Z

Reiziuh：

ArcGIS

2021-03-29T11:30:03Z

Reiziuh：

{{提示|该页面还需进一步完善，欢迎加入我们}}

[[文件:Esri_logo.png|缩略图|Esri公司标识]]
ArcGIS是一款[[地理信息系统]]（Geographic Information System，GIS）平台，用于处理地图及地理信息。ArcGIS可用于：创建和使用地图、编辑地理数据、分析地图信息、发现和分享地理信息、在许多其他应用中使用地图及地理信息，以及管理数据库中的地理信息等。ArcGIS提供了一个创建地图与地理信息的基础性架构，这些地图和地理信息可应用于某个机构、社区或开放性的网络。

== 概述 ==
=== 故事 ===
* [[ESRI]] 公司的商业GIS产品；
* ESRI：
** 成立于1969年；
** 全称Environmental Systems Research Institute Inc（美国环境系统研究所公司）；在GIS领域成立较早，目前是全球设有49处办事处的跨国企业；
* Jack Dangermond：
** 1960年代先后在明尼苏达大学获得城市规划硕士学位，在哈佛大学获得城市景观建筑的硕士学位；
** Jack“不务正业”地创建了从事地理信息研究的ESRI公司，这源自他当年的一次激动，而这次激动引发的热情持续了近40年。
** Jack第一次听哈佛大学一位教授讲如何用计算机帮助解决计量地理学的问题后，激动得几个晚上睡不着觉，他认为自己终于找到了一种用地理的思维、借助计算机去解决问题的方法。
**“将近40年时间，我就干了这么一件事，就是让GIS从实验室里走出来，并成为了一个蒸蒸日上的产业。”Jack兴奋地说，“我很庆幸找到了让自己激动一生的事情，我现在的热情，和39年前创办这家公司时相比丝毫无减。”
** 个人资产约56亿美元（2021年3月），2020年福布斯全球富豪榜451位；（[https://www.forbes.com/profile/jack-laura-dangermond/?sh=9229ccb205f8 福布斯]）

=== 产品构成 ===
{| class="wikitable" style="float: right;"
|+ ArcGIS 版本历史
|-
! 版本 || 发布日期
|-
|8.0||1999-12-27
|-
|8.0.1||2000-01-13
|-
|8.1||2001-05-01
|-
|8.2||2002-05-10
|-
|8.3||2003-02-10
|-
|9.0||2004-05-11
|-
|9.1||2005-05-25
|-
|9.2||2006-11-14
|-
|9.3||2008-06-25
|-
|9.3.1||2009-04-28
|}
ArcGIS包括多款Windows桌面软件：
* ArcGIS for Desktop：有三个级别的软件许可
** ArcGIS for Desktop Basic （曾称为ArcView）：可查看空间数据，创建分层地图，进行基础的空间分析；
** ArcGIS for Desktop Standard （曾称为ArcEditor)：除ArcView功能外，提供更多处理[[Shapefile]]和[[地理数据库]]的高级工具；
** ArcGIS for Desktop Advanced （曾称为ArcInfo）：具有更丰富的数据管理、编辑与分析能力。
* ArcReader：可浏览和查询其他ArcGIS产品创建的地图；
ArcGIS还包括更多服务器端、手持设备端软件，独立购买的扩展可进一步增强ArcGIS的功能。

=== 产品生命周期 ===
'''ArcGIS 10.x'''：
* ArcGIS 10.6：2016年1月发布；
* ArcGIS 10.5：2016年12月发布；
* ArcGIS 10.4：2016年2月发布；
* ArcGIS 10.3：2014年12月发布，该版本包括ArcGIS Pro 1.0；
* ArcGIS 10.2：2013年7月发布；
* ArcGIS 10.1：2012年6月发布；
* ArcGIS 10.0：2010年第三季度，Esri发布；

== 应用 ==
Ersi中国官方网站的 [http://www.esrichina.com.cn/anli-center.html '''案例中心'''] 提供了丰富的行业应用案例。
* 地理空间数据处理
* [[空间分析]]
* 商业网店选址：如肯德基、星巴克；

== 上手 ==
=== 基础操作 ===
* [[ArcMap]]
* [[ArcCatalog]]
* [[ArcCatalog]]
* [[ArcScene]]与[[ArcGlobe]]
=== 数据处理 ===
* 地理数据库
* 空间数据的采集与编辑
* 空间数据的拓扑处理
* 空间参考与变换
* 空间数据可视化
* 地图制图
=== 分析建模 ===
* 矢量数据的空间分析
* 栅格数据的空间分析
* 网络分析
* 三维分析
* 水文分析
* [[地统计分析]]
* Model Builder与空间建模

== 外部链接 ==
* [http://www.esri.com/software/arcgis/ 官网]
* [http://desktop.arcgis.com/zh-cn/arcmap/ ArcMap官方文档（中文）]
* [http://zhihu.esrichina.com.cn/article/2776 ArcGIS知乎：ArcGIS常见问题汇总]
* [https://en.wikipedia.org/wiki/ArcGIS Wikipedia]
* [https://baike.baidu.com/item/ArcGIS 百度百科]
* [http://blog.sina.com.cn/s/blog_6019bae50100esfk.html 经典的一个GIS学习定位帖(转)]
[[分类:软件工具]]

ArcGIS

2021-03-29T11:24:46Z

Reiziuh：

{{提示|该页面还需进一步完善，欢迎加入我们}}

[[文件:Esri_logo.png|缩略图|Esri公司标识]]
ArcGIS是一款[[地理信息系统]]（Geographic Information System，GIS）平台，用于处理地图及地理信息。ArcGIS可用于：创建和使用地图、编辑地理数据、分析地图信息、发现和分享地理信息、在许多其他应用中使用地图及地理信息，以及管理数据库中的地理信息等。ArcGIS提供了一个创建地图与地理信息的基础性架构，这些地图和地理信息可应用于某个机构、社区或开放性的网络。

== 概述 ==
* [[ESRI]] 公司的商业GIS产品；
* ESRI：
** 成立于1969年；
** 全称Environmental Systems Research Institute Inc（美国环境系统研究所公司）；在GIS领域成立较早，目前是全球设有49处办事处的跨国企业；
* Jack Dangermond：
** 1960年代先后在明尼苏达大学获得城市规划硕士学位，在哈佛大学获得城市景观建筑的硕士学位；
** Jack“不务正业”地创建了从事地理信息研究的ESRI公司，这源自他当年的一次激动，而这次激动引发的热情持续了近40年。
** Jack第一次听哈佛大学一位教授讲如何用计算机帮助解决计量地理学的问题后，激动得几个晚上睡不着觉，他认为自己终于找到了一种用地理的思维、借助计算机去解决问题的方法。
**“将近40年时间，我就干了这么一件事，就是让GIS从实验室里走出来，并成为了一个蒸蒸日上的产业。”Jack兴奋地说，“我很庆幸找到了让自己激动一生的事情，我现在的热情，和39年前创办这家公司时相比丝毫无减。”
** 个人资产约56亿美元（2021年3月），2020年福布斯全球富豪榜451位；（[https://www.forbes.com/profile/jack-laura-dangermond/?sh=9229ccb205f8 福布斯]）

=== 产品构成 ===
ArcGIS包括多款Windows桌面软件：
* ArcGIS for Desktop：有三个级别的软件许可
** ArcGIS for Desktop Basic （曾称为ArcView）：可查看空间数据，创建分层地图，进行基础的空间分析；
** ArcGIS for Desktop Standard （曾称为ArcEditor)：除ArcView功能外，提供更多处理[[Shapefile]]和[[地理数据库]]的高级工具；
** ArcGIS for Desktop Advanced （曾称为ArcInfo）：具有更丰富的数据管理、编辑与分析能力。
* ArcReader：可浏览和查询其他ArcGIS产品创建的地图；
ArcGIS还包括更多服务器端、手持设备端软件，独立购买的扩展可进一步增强ArcGIS的功能。

=== 产品生命周期 ===
{| class="wikitable" style="float: right;"
|+ ArcGIS 版本历史
|-
! 版本 || 发布日期
|-
|8.0||1999-12-27
|-
|8.0.1||2000-01-13
|-
|8.1||2001-05-01
|-
|8.2||2002-05-10
|-
|8.3||2003-02-10
|-
|9.0||2004-05-11
|-
|9.1||2005-05-25
|-
|9.2||2006-11-14
|-
|9.3||2008-06-25
|-
|9.3.1||2009-04-28
|}
'''ArcGIS 10.x'''：
* ArcGIS 10.6：2016年1月发布；
* ArcGIS 10.5：2016年12月发布；
* ArcGIS 10.4：2016年2月发布；
* ArcGIS 10.3：2014年12月发布，该版本包括ArcGIS Pro 1.0；
* ArcGIS 10.2：2013年7月发布；
* ArcGIS 10.1：2012年6月发布；
* ArcGIS 10.0：2010年第三季度，Esri发布；

== 应用 ==
Ersi中国官方网站的 [http://www.esrichina.com.cn/anli-center.html '''案例中心'''] 提供了丰富的行业应用案例。
* 地理空间数据处理
* [[空间分析]]
* 商业网店选址：如肯德基、星巴克；

== 上手 ==
=== 基础操作 ===
* [[ArcMap]]
* [[ArcCatalog]]
* [[ArcCatalog]]
* [[ArcScene]]与[[ArcGlobe]]
=== 数据处理 ===
* 地理数据库
* 空间数据的采集与编辑
* 空间数据的拓扑处理
* 空间参考与变换
* 空间数据可视化
* 地图制图
=== 分析建模 ===
* 矢量数据的空间分析
* 栅格数据的空间分析
* 网络分析
* 三维分析
* 水文分析
* [[地统计分析]]
* Model Builder与空间建模

== 外部链接 ==
* [http://www.esri.com/software/arcgis/ 官网]
* [http://desktop.arcgis.com/zh-cn/arcmap/ ArcMap官方文档（中文）]
* [http://zhihu.esrichina.com.cn/article/2776 ArcGIS知乎：ArcGIS常见问题汇总]
* [https://en.wikipedia.org/wiki/ArcGIS Wikipedia]
* [https://baike.baidu.com/item/ArcGIS 百度百科]
* [http://blog.sina.com.cn/s/blog_6019bae50100esfk.html 经典的一个GIS学习定位帖(转)]
[[分类:软件工具]]

多样性指数

2021-03-10T10:34:34Z

Reiziuh：创建页面，内容为“{{提示|该页面仍需完善}} 多样性指数在生态学领域应用广泛，逐步引入到城市研究中。 == 概述 == === 生物学缘起：物种多样…”

{{提示|该页面仍需完善}}

多样性指数在生态学领域应用广泛，逐步引入到城市研究中。

== 概述 ==
=== 生物学缘起：物种多样性 ===
从物种水平来讲，一个地区的物种（植物和动物物种）多样性，既可以用物种的数量来衡量，也可以用相对种数多度（relative abundance of species）来衡量。理论上讲，这两方面的原始数据可以转换成物种多样性指数（species diversity indices），可通过多种量化方法来评价，常用有
# Simpson指数
# Shannon-Wiener指数（香农-威纳指数）
# Margalef指数

=== 城市数据分析领域的应用 ===
常被用于
* 景观多样性评价
* 设施类型多样性评价
* 功能混合度的评价

== 计算方法 ==
=== 香农-威纳指数 ===
公式：H=-ΣPilnPi；单位：无；范围：SHDI≥0

== 参考链接 ==
* [https://baike.baidu.com/item/%E5%A4%9A%E6%A0%B7%E6%80%A7%E6%8C%87%E6%95%B0 百度百科：多样性指数]
* [https://baike.baidu.com/item/%E9%A6%99%E5%86%9C-%E5%A8%81%E7%BA%B3%E6%8C%87%E6%95%B0 百度百科：香农-威纳指数]
* [https://baike.baidu.com/item/%E9%A6%99%E5%86%9C%E5%A4%9A%E6%A0%B7%E6%80%A7%E6%8C%87%E6%95%B0 百度百科：香农多样性指数]

控制性详细规划

2019-12-31T10:48:36Z

Reiziuh：创建页面，内容为“{{提示|该页面仍需进一步完善}} 控制性详细规划，简称“控规”，是“城市、乡镇人民政府城乡规划主管部门根据城市、镇…”

{{提示|该页面仍需进一步完善}}

控制性详细规划，简称“控规”，是“城市、乡镇人民政府城乡规划主管部门根据城市、镇总体规划的要求，用以控制建设用地性质、使用强度和空间环境的规划<ref>[https://baike.baidu.com/reference/4290394/4c6cmB9NhG5m_3Ey67-K4dFnwR10feE1kiMNJva26bYl6Jkvtqz7_y_eFQk7ebw0B6uxZfOaU9SU3n8GuIfjO4i3nVCPfiYJ9gDHlwW5qtsl8A 城市、镇控制性详细规划编制审批办法]</ref>”。

== 概述 ==
* 发展沿革
* 多元探索：[[Zoning]]、[[法定图则]]
* 法定地位：中华人民共和国城乡规划法
* 工作内容/标准规范
** 指标体系：[[建筑限高]]、[[容积率]]、[[建筑密度]]、[[绿地率]]
** 设施配套：[[停车位]]、居住区规范
* 新探索
** 街区控规、单元控规
* 讨论与争论
** 国土空间规划背景下，控规何去何从
* 相关领域/话题：
** [[城市设计]]

== 技术应用与支撑 ==
* 常用软件：[[AutoCAD]]、[[湘源控规]]、[[ArcGIS]]
* [http://blog.citydatum.com/2017/08/24/r%e8%af%ad%e8%a8%80%e5%ba%94%e7%94%a8%ef%bc%9a%e6%8e%a7%e8%a7%84%e6%8c%87%e6%a0%87%e6%a0%a1%e9%aa%8c/ 控规指标校验，用R语言来帮忙]
* 规划管理：控规"一张图"

== 参考资料 ==
==== 出处与引用 ====
<references />
==== 更多阅读 ====
* [https://baike.baidu.com/item/%E6%8E%A7%E5%88%B6%E6%80%A7%E8%AF%A6%E7%BB%86%E8%A7%84%E5%88%92/4290394 百度百科]

C Sharp

2019-12-30T15:13:40Z

Reiziuh：

{{提示|该页面仍需进一步完善}}

''文章标题应为 '''C#''' ，因mediawiki不支持带#的文章标题，用读音 C Sharp 替代。''

C# 由[[微软]]（Microsoft）开发，是一个简单的、现代的、通用的、面向对象的编程语言。

== 概述 ==

== 应用 ==

== 上手 ==

== 参考链接 ==
* [https://en.wikipedia.org/wiki/C_Sharp_(programming_language) wikipedia(en)]
* [https://www.runoob.com/csharp/csharp-tutorial.html 菜鸟教程]
* [https://baike.baidu.com/item/c%23 百度百科]

C Sharp

2019-12-28T08:36:23Z

Reiziuh：创建页面，内容为“{{提示|该页面仍需进一步完善}} C# 由微软（Microsoft）开发，是一个简单的、现代的、通用的、面向对象的编程语言。”

{{提示|该页面仍需进一步完善}}

C# 由[[微软]]（Microsoft）开发，是一个简单的、现代的、通用的、面向对象的编程语言。

用户:Reiziuh/沙盒

2019-12-28T08:32:55Z

Reiziuh：

<div id="mp-topbanner" style="clear:both; position:relative; box-sizing:border-box; width:100%; margin:1.2em 0 6px; min-width:47em; border:1px solid #ddd; background-color:#f9f9f9; color:#000; white-space:nowrap;">

<div style="margin:0.4em; width:22em; text-align:center;">
<div style="font-size:162%; padding:.1em;">Welcome to [[Wikipedia]],</div>
<div style="font-size:95%;">the [[free content|free]] [[encyclopedia]] that [[Wikipedia:Introduction|anyone can edit]].</div>
<div id="articlecount" style="font-size:85%;">[[Special:Statistics|{{NUMBEROFARTICLES}}]] articles in [[English language|English]]</div>
</div>

<ul style="position:absolute; right:-1em; top:50%; margin-top:-2.4em; width:38%; min-width:25em; font-size:95%;">
<li style="position:absolute; left:0; top:0;">[[Portal:Arts|Arts]]</li>
<li style="position:absolute; left:0; top:1.6em;">[[Portal:Biography|Biography]]</li>
<li style="position:absolute; left:0; top:3.2em;">[[Portal:Geography|Geography]]</li>
<li style="position:absolute; left:33%; top:0;">[[Portal:History|History]]</li>
<li style="position:absolute; left:33%; top:1.6em;">[[Portal:Mathematics|Mathematics]]</li>
<li style="position:absolute; left:33%; top:3.2em;">[[Portal:Science|Science]]</li>
<li style="position:absolute; left:66%; top:0;">[[Portal:Society|Society]]</li>
<li style="position:absolute; left:66%; top:1.6em;">[[Portal:Technology|Technology]]</li>
<li style="position:absolute; left:66%; top:3.2em;"><strong>[[Portal:Contents/Portals|All portals]]</strong></li>
</ul>
</div>

{{#if:{{Main Page banner}}|
<div id="mp-banner" class="MainPageBG" style="margin-top:4px; padding:0.5em; background-color:#fffaf5; border:1px solid #f2e0ce;">
{{Main Page banner}}
</div>
}}

* [[C#语言]]
* [[C Sharp|C#]]
<categorytree mode="all" style="float:right; clear:right; margin-left:1ex; border:1px solid gray; padding:0.7ex; background-color:#F0FFFF;">分类索引</categorytree>

用户:Reiziuh/沙盒

2019-12-28T08:29:01Z

Reiziuh：

<div id="mp-topbanner" style="clear:both; position:relative; box-sizing:border-box; width:100%; margin:1.2em 0 6px; min-width:47em; border:1px solid #ddd; background-color:#f9f9f9; color:#000; white-space:nowrap;">

<div style="margin:0.4em; width:22em; text-align:center;">
<div style="font-size:162%; padding:.1em;">Welcome to [[Wikipedia]],</div>
<div style="font-size:95%;">the [[free content|free]] [[encyclopedia]] that [[Wikipedia:Introduction|anyone can edit]].</div>
<div id="articlecount" style="font-size:85%;">[[Special:Statistics|{{NUMBEROFARTICLES}}]] articles in [[English language|English]]</div>
</div>

<ul style="position:absolute; right:-1em; top:50%; margin-top:-2.4em; width:38%; min-width:25em; font-size:95%;">
<li style="position:absolute; left:0; top:0;">[[Portal:Arts|Arts]]</li>
<li style="position:absolute; left:0; top:1.6em;">[[Portal:Biography|Biography]]</li>
<li style="position:absolute; left:0; top:3.2em;">[[Portal:Geography|Geography]]</li>
<li style="position:absolute; left:33%; top:0;">[[Portal:History|History]]</li>
<li style="position:absolute; left:33%; top:1.6em;">[[Portal:Mathematics|Mathematics]]</li>
<li style="position:absolute; left:33%; top:3.2em;">[[Portal:Science|Science]]</li>
<li style="position:absolute; left:66%; top:0;">[[Portal:Society|Society]]</li>
<li style="position:absolute; left:66%; top:1.6em;">[[Portal:Technology|Technology]]</li>
<li style="position:absolute; left:66%; top:3.2em;"><strong>[[Portal:Contents/Portals|All portals]]</strong></li>
</ul>
</div>

{{#if:{{Main Page banner}}|
<div id="mp-banner" class="MainPageBG" style="margin-top:4px; padding:0.5em; background-color:#fffaf5; border:1px solid #f2e0ce;">
{{Main Page banner}}
</div>
}}

[[C#语言]]
<categorytree mode="all" style="float:right; clear:right; margin-left:1ex; border:1px solid gray; padding:0.7ex; background-color:#F0FFFF;">分类索引</categorytree>

Anaconda

2019-12-20T10:26:03Z

Reiziuh：

{{提示|该页面仍需进一步完善，欢迎加入我们}}

[[文件:Anaconda Logo.png|192px|缩略图|Anaconda标识]]
Anaconda是一款免费、开源的[[Python]]及[[R语言]]发行版本，其目的是简化组件包管理与配置，可通过组件包管理系统conda来管理组件包版本。Anaconda主要用于[[数据科学]]、[[机器学习]]等相关领域，如大数据处理、预测性分析、科学计算等，目前用户数量超过600万，并包含了超过250个流行的、适用于Windows、Linux或MacOS的数据科学组件包。

== 概述 ==

=== 应用 ===
* [[Jupyter Notebook]]
* [[JupyterLab]]
* [[RStudio]]
* [[Orange]]

== 应用 ==

== 上手 ==
* 可通过命令行模式操作：Windows下，打开Anaconda Prompt；macOS和Linux下，打开Terminal（终端）；

{| class="wikitable"
|-
! 分类 !! 功能 !! 命令 !! 说明
|-
|rowspan=3| '''管理conda''' || 显示版本信息 || <code>conda --version</code> || * 显示当前安装的 conda 版本号，如：conda 3.11.0；<br/> * 如果出现错误信息，核实是否出现以下情况：使用的用户是否是安装Anaconda时的账户；是否在安装Anaconda之后重启了终端；
|-
| 更新conda || <code>conda update conda</code> || * conda将会对版本进行比较，列出可以升级的版本，同时告知其他相关包也会升级到相应版本；<br/> * 当较新的版本可用于升级时，终端会提示 Proceed ([y]/n)? ，输入 y 可进行升级；
|-
| 查看帮助信息 || <code>conda --help</code> 或 <code>conda -h</code> || * 显示可用命令列表和帮助信息；
|-
|rowspan=2| '''管理环境''' || 创建新环境 || <code>conda create --name env_name package_names</code> || * env_name 为创建的环境名；建议以英文命名，且不包括空格；<BR/> * package_names 为安装在环境中的包名；
|-
| 切换环境 || Linux 或 macOS：<code>source activate <env_name></code> <br/> Windows：<code>activate <env_name></code> || * 如果创建环境后安装时未指定Python版本，那么将会安装与Anaconda版本相同的版本，如为Anaconda2，则自动安装Python 2.x；如为Anaconda3，则自动安装Python 3.x；<br/> * 成功切换环境后，行首将以“(env_name)”或“[env_name]”开头（“env_name”为切换到的环境名），如macOS下切换至名为“python2”的环境，则行首将会以(python2)开头；
|}

== 参考链接 ==
* [https://www.anaconda.com/ 官方网站]
* [https://en.wikipedia.org/wiki/Anaconda_(Python_distribution) Wikipedia: Anaconda_(Python_distribution)]
* [https://baike.baidu.com/item/anaconda/20407441 百度百科：anaconda （一个开源的Python发行版本）]
* [https://mirror.tuna.tsinghua.edu.cn/help/anaconda/ 清华大学开源软件镜像站（Tuna）：Anaconda]
* [https://www.zhihu.com/question/58033789 知乎：初学python者自学anaconda的正确姿势是什么？？]

Python

2019-12-20T10:00:27Z

Reiziuh：/* 常见相关库 */

{{提示|欢迎帮助我们进一步提升文章质量，当前重点任务包括：
* 章节补充：补充案例、上手章节内容；
* 图片补充：用python绘制示例图表、以python为主要工具构建的网站或应用的截屏；
* 内容优化：概况章节的补充完善，补充来源引用与更多阅读章节的链接；}}

[[文件:pythonLogo.png|192px|缩略图|Python标识]]
Python是一款自由、开源的高级解释性计算机编程语言，遵循 GPL（GNU General Public License）协议。Python语法简洁清晰，具有丰富和强大的库，能够把用其他语言制作的各种模块（尤其是C/C++）轻松地联结在一起。在IEEE发布2017年编程语言排行榜中，Python高居首位<ref>[http://36kr.com/p/5084329.html IEEE发布2017年编程语言排行榜：Python高居首位]</ref>。

== 概况 ==
=== 发展历程 ===
* Python是一种[[高级编程语言]]，由荷兰人Guido van Rossum创建并于1991首次发布。

=== 主要特点 ===
* Python是一种[[解释性语言]],特别强调代码的可读性，最典型的例子就是Python用行缩进来区分代码块，而不是其他编程语言中较为常见的大括号。
* Python常常被称为[[胶水语言]]，能将其他编程语言制作的各种模块连接在一起。

=== Python改进提案（PEP） ===
* Python改进提案（Python Enhancement Proposals，PEP），由经验丰富的Python开发人员提出的改进建议；
* PEP 8 是关于提升代码可读性的样式指引：
** 关于变量名的参考建议：模块名称应短小、全小写；类名应采用CapWords样式；变量和函数应采用lowercase_with_underscores样式；常量应采用CAPS_WITH_UNDERSCORES样式；与Python关键字冲突的名字，如class、if，应添加下划线前缀；
** 关于空格使用的建议：建议在操作符前后，逗号后添加空格，以增加可读性；但不应过度使用白空格（whitespace），如在任何类型的括号内，应该避免使用空格；
** 其他建议：每行不应超过80个字符；避免使用 from module import *；每行应该只包括一个语句；
** tab与空格的选择：建议使用空格而非tab来设定行缩进，如果使用空格每行四个；当然，tab或者空格某种程度来说是个人习惯问题，但你选定以后，就该只用这一种方式；

=== 设计哲学 ===
* Python设计哲学（Zen of Python）包括了19条Python语言的基本原则，由Tim Peter于1999年在Python邮件列表中首次提出和发布。原始文档及后续的版本中都提及，应为20条基本原则而非19条，缺失的原则由Gindo进行补充，但实际上从未发布；
* Python设计哲学被Python优化提议（PEP，Python Enhancement Proposals）收录，作为第20号信息文档，可在Python官方网站中查看。同时作为Python编译器的复活节彩蛋，输入代码 <code>import this</code> 即会显示；
{| class="wikitable" width=100%
|- valign = "top"
| Beautiful is better than ugly.<br/>Explicit is better than implicit.<br/>Simple is better than complex.<br/>Complex is better than complicated.<br/>Flat is better than nested.<br/>Sparse is better than dense.<br/>Readability counts.<br/>Special cases aren't special enough to break the rules.<br/>Although practicality beats purity.<br/>Errors should never pass silently.<br/>Unless explicitly silenced.<br/>In the face of ambiguity, refuse the temptation to guess.<br/>There should be one—and preferably only one—obvious way to do it.<br/>Although that way may not be obvious at first unless you're Dutch.<br/>Now is better than never.<br/>Although never is often better than right now.<br/>If the implementation is hard to explain, it's a bad idea.<br/>If the implementation is easy to explain, it may be a good idea.<br/>Namespaces are one honking great idea—let's do more of those! <br/> ''Zen of Python, by Tim Peter''
|| '''优美胜于丑陋'''（Python 以编写优美的代码为目标）<br/>'''明了胜于晦涩'''（优美的代码应当是明了的，命名规范，风格相似） <br/>'''简洁胜于复杂'''（优美的代码应当是简洁的，不要有复杂的内部实现） <br/>'''复杂胜于凌乱'''（如果复杂不可避免，那代码间也不能有难懂的关系，要保持接口简洁） <br/>'''扁平胜于嵌套'''（优美的代码应当是扁平的，不能有太多的嵌套） <br/>'''间隔胜于紧凑'''（优美的代码有适当的间隔，不要奢望一行代码解决问题） <br/>'''可读性很重要'''（优美的代码是可读的） <br/>'''即便假借特例的实用性之名''' <br/>'''也不可违背这些规则'''（这些规则至高无上）<br/>'''不要包容所有错误'''<br/>'''除非你确定需要这样做'''（精准地捕获异常，不写except:pass风格的代码） <br/>'''当存在多种可能，不要尝试去猜测''' <br/>'''而是尽量找一种，最好是唯一一种明显的解决方案'''（如果不确定，就用穷举法） <br/>'''虽然这并不容易，因为你不是 Python 之父'''（这里的 Dutch 是指 Guido） <br/>'''做也许好过不做'''<br/>'''但不假思索就动手还不如不做'''（动手之前要细思量） <br/>'''如果你无法向人描述你的方案，那肯定不是一个好方案'''<br/>'''反之亦然'''（方案测评标准） <br/>'''命名空间是一种绝妙的理念，我们应当多加利用'''（倡导与号召）<br/>''中文翻译源自[https://blog.csdn.net/gzlaiyonghao/article/details/2151918 《Python之禅》的翻译和解释]，略有修改。''
|}

=== 库 ===
* Python拥有一个强大的标准库，提供了系统管理、网络通信、文本处理、数据库接口、图形系统、XML处理等额外的功能。Python标准库提供的工具适用于多种类型的任务，如：针对面向互联网的应用，提供了对MIME、HTTP等标准格式与协议的支持；针对图形用户界面（GUI）应用，提供了关系数据库连接、随机数生成、任意位数小数算法支持、[[正则表达式]]操作、单元测试等各类模块。Python标准库命名接口清晰、文档良好，很容易学习和使用。
* Python社区提供了大量的第三方模块，使用方式与标准库类似。它们的功能无所不包，覆盖科学计算、Web开发、数据库接口、图形系统多个领域，并且大多成熟而稳定。第三方模块可以使用Python或者C语言编写。截止2018年3月， Python官方第三方资源库[https://pypi.org/ Python Package Index] (PyPI)已收录超过13万项各类功能包。

=== 与R语言的比较 ===
* '''共同点'''：[[R语言]]与Python是数据分析领域中最流行的两个编程语言，他们都是免费的、都有活跃的社区支持，以及都提供开源的工具和库；
* '''应用场景'''：R语言的优势在于统计和图形模型，因此它更多的被学者、数据科学家和统计人员所采用；而Python更注重生产力和代码可读性，作为一种通用语言，Python拥有相对R语言更为广泛的应用领域，如Web开发、机器学习、智能控制等，因而在具有软件工程背景的数据科学工作者、开发者、工程师和程序员中更受欢迎；
* '''学习曲线'''：Python的用户学习曲线较平缓；而R语言对初学者来说，有一个较为陡峭的学习曲线，且R语言在数据分析之外的功能很有限，一些用户库写得较差、运行较为缓慢；

== 应用 ==
Python灵活且各类爬虫库、数据分析库、数据可视化库较为丰富，很适合用于做数据抓取的主体架构，并基于这些数据做分析及可视化<ref>[https://www.zhihu.com/question/28975391 知乎：你用 Python 做过什么有趣的数据挖掘/分析项目？]</ref>，可将互联网上越来越丰富的数据为各种类型的城市规划与研究所用。
=== 网络数据抓取 ===
* 交通：抓取12306火车、机票网站数据；搭建各个机场的实时流量图；
* 财经：抓取雪球及各类财经网站数据；
* 住宅：抓取58、搜房、链家等房屋租售数据；
* 自然资源：抓取天气数据，环境质量（PM2.5）数据；
* 地点舆情：抓取新浪微博的用户发言及舆论数据；
* 科技行业：抓取各应用商店的App的下载量及评论数据；追踪各门类App下载量热点，热点行业走势；
* 服务行业：抓取大众点评及美团网的餐饮及各类线下门店消费及评价情况；绘制城市早晚高峰时段（某类）人群出行的热点图；
=== 数据分析 ===

== 上手 ==
=== 网络爬取 ===
Python3.x的标准库urllib，将Python2.x的标准库urllib，urllib2功能进行了整合，提供网络爬取的相关功能。一个简单的抓取基本操作如下：
<pre>
from urllib import request #Python3.x下引用库，Python2.x下引用urllib2，通过urllib2.urlopen()调用

file = request.urlopen("http://wiki.citydatum.com")

data = file.read() #读取全部页面，数据格式为bytes类型

data_str = data.decode('utf-8') #解码，转换为str类型

fhandle=open("./1.html","wb") #将爬取的网页保存在本地
fhandle.write(data)
fhandle.close()
</pre>

=== 数据分析 ===
==== 基本操作流程 ====
{| class="wikitable" width=100%
|-
! 操作流程 !! 步骤说明 !! 常用命令/库.函数
|-
| rowspan = 2 | '''数据导入/导出''' || 读写csv、Excel等格式文件 || pandas.read_csv("路径文件名或文件网址")、pandas.read_excel("路径文件名或文件网址")、to_csv('文件名', encoding='utf-8', index=False)；
|-
| 连接、查询、读写MySQL数据库 || MySQLdb.connect(host='服务器URL', port=端口号,user='用户名', passwd='密码', db='数据库名称')、pandas.read_sql('SQL语句', con=连接变量)；
|-
| rowspan =2 | '''提取和筛选数据''' || 浏览与提取数据 || df.head(), df.tail(), df.columns, df.index, df.ix[行范围,列范围 (.loc、.iloc、.iat等）, df.shape；
|-
| 筛选数据 || dataframe[筛选条件（支持逻辑运算符）]；
|-
| '''统计描述''' || 计数、均值、分位指等 || dataframe.describe()；
|-
| rowspan = 5 | '''数据处理''' || 转置 || dataframe.T；
|-
| 排序 || dataframe.sort_values(by='字段名’)；
|-
| 处理缺失值 || dataframe['字段名'].fillna(缺失替换值)；
|-
| 数据分组 || df.groupby('字段名')；
|-
| 值替换 || data.replace(查找值,替换值)；
|-
| rowspan = 5 | '''统计分析''' || t检验 || 对两样本来自是否有显著差异进行推断；独立样本t检验：ttest_ind(Group1,Group2)；配对样本t检验：ttest_rel(Group1,Group2)；
|-
| 方差分析 || levene方差齐性检验：levene(*args, **kwds) ，如果p<0.05，则方差不齐；
|-
| 卡方检验 || 指统计样本的实际观测值与理论推断值之间的偏离程度；单因素卡方检验，chisquare(observed,expected)；
|-
| 计数统计 || dataframe['字段名'].value_counts()；
|-
| 回归分析 || 数据拟合，广义线性回归；
|-
| rowspan = 2 | '''可视化''' || 图表设置、绘制、存储 || plt.figure()；lmplot().savefig('路径文件名')；
|-
| xkcd风格的图表 || plt.xkcd()；
|}

==== 常见相关库 ====
{| class="wikitable" width = 100%
|-
! 名称 !! width = 100px | 应用领域 !! 功能概述
|-
| '''numpy''' || 科学计算 || python科学计算的基础包；numpy提供了快速高效的多维数组对象ndarray、对数组执行元素级计算以及直接对数组执行数学运算的函数、读写硬盘上基于数组的数据集的工具，线性代数运算、傅里叶变换、随机数生成功能，以及将C、C++、Fortran代码集成到python的工具；
|-
| '''pandas''' || 科学计算 ||提供了能够快速便捷处理结构化数据的大量数据结构和函数；pandas兼具numpy高性能的数组计算功能以及电子表格和关系型数据（如SQL）灵活的数据处理能力，提供了复杂精细的索引功能，以便更为便捷地完成重塑、切片和切块、聚合以及选取数据子集等操作；
|-
| '''MySQLdb''' || 数据库操作 || 提供MySQL数据库连接等功能的Python库；
|-
| '''PyMySQL''' || 数据库操作 || MySQL数据库支持；
|-
| '''xlrd''' || Excel文档操作 || 提供读取Excel文件功能的Python库；
|-
| '''matplotlib''' || 数据图表绘制 || 最为流行的数据图表绘制Python库；
|-
| '''scipy''' || 科学计算 || 一组专门解决科学计算中各种标准问题域的包的集合；
|-
| '''statsmodels''' || 统计分析 || 用于统计分析各类模型的模型集合；（[https://github.com/statsmodels/statsmodels Github页面]）
|-
| '''scikit-learn''' || 数据分析 || 一些用于数据挖掘与分析的，简单、高效的工具集；（[http://scikit-learn.org/stable/ 官方网站]）
|-
| '''BeautifulSoup''' || 网络数据抓取 || 利用HTTP请求方式简化网站访问，提供更为强大的数据提取工具，效果通常比自己用正则表达式建立的爬虫要好；（[https://www.crummy.com/software/BeautifulSoup/ 官方网站]）
|-
| '''Django''' || 网站框架 || 最常用的用Python编写的网页框架，代表网站Instagram、Disqus；Django包括很多有用的特性，且大多缺失功能可用扩展包来解决；（[https://www.djangoproject.com/ 官方网站]）
|}

=== GUI（图形界面）开发 ===
==== 常见相关库 ====
{| class="wikitable" width = 100%
|-
! 名称 !! width = 100px | 应用领域 !! 功能概述
|-
| '''tkinter''' || 图形界面开发 || [[Tkinter]] 模块(Tk 接口)是 Python 的标准 Tk GUI 工具包的接口 .Tk 和 Tkinter 可以在大多数的 Unix 平台下使用,同样可以应用在 Windows 和 Macintosh 系统里。Tk8.0 的后续版本可以实现本地窗口风格,并良好地运行在绝大多数平台中。
|-
| '''wkPython''' || 图形界面开发 || wxPython 是一款开源软件，是 Python 语言的一套优秀的 GUI 图形库，允许 Python 程序员很方便的创建完整的、功能健全的 GUI 用户界面。
|-
| '''Jython''' || 图形界面开发 || Jython 程序可以和 Java 无缝集成。除了一些标准模块，Jython 使用 Java 的模块。Jython 几乎拥有标准的Python 中不依赖于 C 语言的全部模块。比如，Jython 的用户界面将使用 Swing，AWT或者 SWT。Jython 可以被动态或静态地编译成 Java 字节码。
|}

== 参考 ==
=== 参考资料 ===
<references />

=== 外部链接 ===
* [https://www.python.org/ 官网]
* [https://en.wikipedia.org/wiki/Python_(programming_language) Wikipedia]
* [https://baike.baidu.com/item/Python 百度百科]
* [https://www.cnblogs.com/zhizhan/p/5546599.html Python数据分析入门]
* [https://www.zhihu.com/question/20899988 知乎：如何入门 Python 爬虫？]
* [http://python.jobbole.com/81332/ 伯乐在线：Python爬虫入门]
* [http://www.360doc.com/content/18/0429/06/36490684_749590101.shtml Python VS R，哪个更适合开发者？]

[[分类:编程语言]]

Anaconda

2019-12-19T15:31:42Z

Reiziuh：

{{提示|该页面仍需进一步完善，欢迎加入我们}}

[[文件:Anaconda Logo.png|192px|缩略图|Anaconda标识]]
Anaconda是一款免费、开源的[[Python]]及[[R语言]]发行版本，其目的是简化组件包管理与配置，可通过组件包管理系统conda来管理组件包版本。Anaconda主要用于[[数据科学]]、[[机器学习]]等相关领域，如大数据处理、预测性分析、科学计算等，目前用户数量超过600万，并包含了超过250个流行的、适用于Windows、Linux或MacOS的数据科学组件包。

== 概述 ==

=== 应用 ===
* [[Jupyter Notebook]]
* [[JupyterLab]]
* [[RStudio]]

=== 常用组件包 ===
* beautifulsoup：python包，主要用于网页解析；
* pymysql：python包，主要用于对mysql数据库的支持；

== 应用 ==

== 上手 ==
* 可通过命令行模式操作：Windows下，打开Anaconda Prompt；macOS和Linux下，打开Terminal（终端）；

=== 管理conda ===
==== 验证conda安装 ====
<pre>conda --version</pre>
* 显示当前安装的 conda 版本号，如：conda 3.11.0；
* 如果出现错误信息，核实是否出现以下情况：使用的用户是否是安装Anaconda时的账户；是否在安装Anaconda之后重启了终端；
==== 更新conda ====
<pre>conda update conda</pre>
* conda将会对版本进行比较，列出可以升级的版本，同时告知其他相关包也会升级到相应版本；
* 当较新的版本可用于升级时，终端会提示 Proceed ([y]/n)? ，输入 y 可进行升级。

=== 管理环境 ===
==== 创建新环境 ====
<pre>conda create --name env_name package_names</pre>
* env_name 为创建的环境名；建议以英文命名，且不包括空格；
* package_names 为安装在环境中的包名；

== 参考链接 ==
* [https://www.anaconda.com/ 官方网站]
* [https://en.wikipedia.org/wiki/Anaconda_(Python_distribution) Wikipedia: Anaconda_(Python_distribution)]
* [https://baike.baidu.com/item/anaconda/20407441 百度百科：anaconda （一个开源的Python发行版本）]
* [https://mirror.tuna.tsinghua.edu.cn/help/anaconda/ 清华大学开源软件镜像站（Tuna）：Anaconda]
* [https://www.zhihu.com/question/58033789 知乎：初学python者自学anaconda的正确姿势是什么？？]

Tkinter

2019-12-15T06:24:28Z

Reiziuh：创建页面，内容为“{{提示|该页面仍需进一步完善}} Tkinter 是 Python 的标准 GUI 库。Python 使用 Tkinter 可以快速的创建 GUI 应用程序。 == 概况 == * Tkin…”

{{提示|该页面仍需进一步完善}}
Tkinter 是 Python 的标准 GUI 库。Python 使用 Tkinter 可以快速的创建 GUI 应用程序。

== 概况 ==
* Tkinter 模块(Tk 接口)是 [[Python]] 的标准 Tk GUI 工具包的接口，对于'''简单'''的图形界面 Tkinter 基本能够应付自如；
* Tk 和 Tkinter 可以在大多数的 Unix 平台下使用，同样可以应用在 Windows 和 Macintosh 系统里；Tk8.0 的后续版本可以实现本地窗口风格，并良好地运行在绝大多数平台中；

== 应用 ==
* IDLE 是用 Tkinter 编写而成的

== 上手 ==
* 由于 Tkinter 是内置到 python 的安装包中、只要安装好 Python 之后就能 import Tkinter 库；
* 创建一个简单GUI程序的基本流程：
<pre># !/usr/bin/python
# -*- coding: UTF-8 -*-

# 1、导入 Tkinter 模块；
import Tkinter #注意：Python3.x 版本使用的库名为 tkinter，即首写字母 T 为小写；

# 2、创建控件；指定控件master；告诉 GM(geometry manager) 有控件产生；
top = Tkinter.Tk()

# 进入消息循环
top.mainloop()</pre>

== 参考 ==
* [https://wiki.python.org/moin/TkInter wiki.python]
* [https://www.runoob.com/python/python-gui-tkinter.html 菜鸟教程]

Python

2019-12-15T06:07:13Z

Reiziuh：

{{提示|欢迎帮助我们进一步提升文章质量，当前重点任务包括：
* 章节补充：补充案例、上手章节内容；
* 图片补充：用python绘制示例图表、以python为主要工具构建的网站或应用的截屏；
* 内容优化：概况章节的补充完善，补充来源引用与更多阅读章节的链接；}}

[[文件:pythonLogo.png|192px|缩略图|Python标识]]
Python是一款自由、开源的高级解释性计算机编程语言，遵循 GPL（GNU General Public License）协议。Python语法简洁清晰，具有丰富和强大的库，能够把用其他语言制作的各种模块（尤其是C/C++）轻松地联结在一起。在IEEE发布2017年编程语言排行榜中，Python高居首位<ref>[http://36kr.com/p/5084329.html IEEE发布2017年编程语言排行榜：Python高居首位]</ref>。

== 概况 ==
=== 发展历程 ===
* Python是一种[[高级编程语言]]，由荷兰人Guido van Rossum创建并于1991首次发布。

=== 主要特点 ===
* Python是一种[[解释性语言]],特别强调代码的可读性，最典型的例子就是Python用行缩进来区分代码块，而不是其他编程语言中较为常见的大括号。
* Python常常被称为[[胶水语言]]，能将其他编程语言制作的各种模块连接在一起。

=== Python改进提案（PEP） ===
* Python改进提案（Python Enhancement Proposals，PEP），由经验丰富的Python开发人员提出的改进建议；
* PEP 8 是关于提升代码可读性的样式指引：
** 关于变量名的参考建议：模块名称应短小、全小写；类名应采用CapWords样式；变量和函数应采用lowercase_with_underscores样式；常量应采用CAPS_WITH_UNDERSCORES样式；与Python关键字冲突的名字，如class、if，应添加下划线前缀；
** 关于空格使用的建议：建议在操作符前后，逗号后添加空格，以增加可读性；但不应过度使用白空格（whitespace），如在任何类型的括号内，应该避免使用空格；
** 其他建议：每行不应超过80个字符；避免使用 from module import *；每行应该只包括一个语句；
** tab与空格的选择：建议使用空格而非tab来设定行缩进，如果使用空格每行四个；当然，tab或者空格某种程度来说是个人习惯问题，但你选定以后，就该只用这一种方式；

=== 设计哲学 ===
* Python设计哲学（Zen of Python）包括了19条Python语言的基本原则，由Tim Peter于1999年在Python邮件列表中首次提出和发布。原始文档及后续的版本中都提及，应为20条基本原则而非19条，缺失的原则由Gindo进行补充，但实际上从未发布；
* Python设计哲学被Python优化提议（PEP，Python Enhancement Proposals）收录，作为第20号信息文档，可在Python官方网站中查看。同时作为Python编译器的复活节彩蛋，输入代码 <code>import this</code> 即会显示；
{| class="wikitable" width=100%
|- valign = "top"
| Beautiful is better than ugly.<br/>Explicit is better than implicit.<br/>Simple is better than complex.<br/>Complex is better than complicated.<br/>Flat is better than nested.<br/>Sparse is better than dense.<br/>Readability counts.<br/>Special cases aren't special enough to break the rules.<br/>Although practicality beats purity.<br/>Errors should never pass silently.<br/>Unless explicitly silenced.<br/>In the face of ambiguity, refuse the temptation to guess.<br/>There should be one—and preferably only one—obvious way to do it.<br/>Although that way may not be obvious at first unless you're Dutch.<br/>Now is better than never.<br/>Although never is often better than right now.<br/>If the implementation is hard to explain, it's a bad idea.<br/>If the implementation is easy to explain, it may be a good idea.<br/>Namespaces are one honking great idea—let's do more of those! <br/> ''Zen of Python, by Tim Peter''
|| '''优美胜于丑陋'''（Python 以编写优美的代码为目标）<br/>'''明了胜于晦涩'''（优美的代码应当是明了的，命名规范，风格相似） <br/>'''简洁胜于复杂'''（优美的代码应当是简洁的，不要有复杂的内部实现） <br/>'''复杂胜于凌乱'''（如果复杂不可避免，那代码间也不能有难懂的关系，要保持接口简洁） <br/>'''扁平胜于嵌套'''（优美的代码应当是扁平的，不能有太多的嵌套） <br/>'''间隔胜于紧凑'''（优美的代码有适当的间隔，不要奢望一行代码解决问题） <br/>'''可读性很重要'''（优美的代码是可读的） <br/>'''即便假借特例的实用性之名''' <br/>'''也不可违背这些规则'''（这些规则至高无上）<br/>'''不要包容所有错误'''<br/>'''除非你确定需要这样做'''（精准地捕获异常，不写except:pass风格的代码） <br/>'''当存在多种可能，不要尝试去猜测''' <br/>'''而是尽量找一种，最好是唯一一种明显的解决方案'''（如果不确定，就用穷举法） <br/>'''虽然这并不容易，因为你不是 Python 之父'''（这里的 Dutch 是指 Guido） <br/>'''做也许好过不做'''<br/>'''但不假思索就动手还不如不做'''（动手之前要细思量） <br/>'''如果你无法向人描述你的方案，那肯定不是一个好方案'''<br/>'''反之亦然'''（方案测评标准） <br/>'''命名空间是一种绝妙的理念，我们应当多加利用'''（倡导与号召）<br/>''中文翻译源自[https://blog.csdn.net/gzlaiyonghao/article/details/2151918 《Python之禅》的翻译和解释]，略有修改。''
|}

=== 库 ===
* Python拥有一个强大的标准库，提供了系统管理、网络通信、文本处理、数据库接口、图形系统、XML处理等额外的功能。Python标准库提供的工具适用于多种类型的任务，如：针对面向互联网的应用，提供了对MIME、HTTP等标准格式与协议的支持；针对图形用户界面（GUI）应用，提供了关系数据库连接、随机数生成、任意位数小数算法支持、[[正则表达式]]操作、单元测试等各类模块。Python标准库命名接口清晰、文档良好，很容易学习和使用。
* Python社区提供了大量的第三方模块，使用方式与标准库类似。它们的功能无所不包，覆盖科学计算、Web开发、数据库接口、图形系统多个领域，并且大多成熟而稳定。第三方模块可以使用Python或者C语言编写。截止2018年3月， Python官方第三方资源库[https://pypi.org/ Python Package Index] (PyPI)已收录超过13万项各类功能包。

=== 与R语言的比较 ===
* '''共同点'''：[[R语言]]与Python是数据分析领域中最流行的两个编程语言，他们都是免费的、都有活跃的社区支持，以及都提供开源的工具和库；
* '''应用场景'''：R语言的优势在于统计和图形模型，因此它更多的被学者、数据科学家和统计人员所采用；而Python更注重生产力和代码可读性，作为一种通用语言，Python拥有相对R语言更为广泛的应用领域，如Web开发、机器学习、智能控制等，因而在具有软件工程背景的数据科学工作者、开发者、工程师和程序员中更受欢迎；
* '''学习曲线'''：Python的用户学习曲线较平缓；而R语言对初学者来说，有一个较为陡峭的学习曲线，且R语言在数据分析之外的功能很有限，一些用户库写得较差、运行较为缓慢；

== 应用 ==
Python灵活且各类爬虫库、数据分析库、数据可视化库较为丰富，很适合用于做数据抓取的主体架构，并基于这些数据做分析及可视化<ref>[https://www.zhihu.com/question/28975391 知乎：你用 Python 做过什么有趣的数据挖掘/分析项目？]</ref>，可将互联网上越来越丰富的数据为各种类型的城市规划与研究所用。
=== 网络数据抓取 ===
* 交通：抓取12306火车、机票网站数据；搭建各个机场的实时流量图；
* 财经：抓取雪球及各类财经网站数据；
* 住宅：抓取58、搜房、链家等房屋租售数据；
* 自然资源：抓取天气数据，环境质量（PM2.5）数据；
* 地点舆情：抓取新浪微博的用户发言及舆论数据；
* 科技行业：抓取各应用商店的App的下载量及评论数据；追踪各门类App下载量热点，热点行业走势；
* 服务行业：抓取大众点评及美团网的餐饮及各类线下门店消费及评价情况；绘制城市早晚高峰时段（某类）人群出行的热点图；
=== 数据分析 ===

== 上手 ==
=== 网络爬取 ===
Python3.x的标准库urllib，将Python2.x的标准库urllib，urllib2功能进行了整合，提供网络爬取的相关功能。一个简单的抓取基本操作如下：
<pre>
from urllib import request #Python3.x下引用库，Python2.x下引用urllib2，通过urllib2.urlopen()调用

file = request.urlopen("http://wiki.citydatum.com")

data = file.read() #读取全部页面，数据格式为bytes类型

data_str = data.decode('utf-8') #解码，转换为str类型

fhandle=open("./1.html","wb") #将爬取的网页保存在本地
fhandle.write(data)
fhandle.close()
</pre>

=== 数据分析 ===
==== 基本操作流程 ====
{| class="wikitable" width=100%
|-
! 操作流程 !! 步骤说明 !! 常用命令/库.函数
|-
| rowspan = 2 | '''数据导入/导出''' || 读写csv、Excel等格式文件 || pandas.read_csv("路径文件名或文件网址")、pandas.read_excel("路径文件名或文件网址")、to_csv('文件名', encoding='utf-8', index=False)；
|-
| 连接、查询、读写MySQL数据库 || MySQLdb.connect(host='服务器URL', port=端口号,user='用户名', passwd='密码', db='数据库名称')、pandas.read_sql('SQL语句', con=连接变量)；
|-
| rowspan =2 | '''提取和筛选数据''' || 浏览与提取数据 || df.head(), df.tail(), df.columns, df.index, df.ix[行范围,列范围 (.loc、.iloc、.iat等）, df.shape；
|-
| 筛选数据 || dataframe[筛选条件（支持逻辑运算符）]；
|-
| '''统计描述''' || 计数、均值、分位指等 || dataframe.describe()；
|-
| rowspan = 5 | '''数据处理''' || 转置 || dataframe.T；
|-
| 排序 || dataframe.sort_values(by='字段名’)；
|-
| 处理缺失值 || dataframe['字段名'].fillna(缺失替换值)；
|-
| 数据分组 || df.groupby('字段名')；
|-
| 值替换 || data.replace(查找值,替换值)；
|-
| rowspan = 5 | '''统计分析''' || t检验 || 对两样本来自是否有显著差异进行推断；独立样本t检验：ttest_ind(Group1,Group2)；配对样本t检验：ttest_rel(Group1,Group2)；
|-
| 方差分析 || levene方差齐性检验：levene(*args, **kwds) ，如果p<0.05，则方差不齐；
|-
| 卡方检验 || 指统计样本的实际观测值与理论推断值之间的偏离程度；单因素卡方检验，chisquare(observed,expected)；
|-
| 计数统计 || dataframe['字段名'].value_counts()；
|-
| 回归分析 || 数据拟合，广义线性回归；
|-
| rowspan = 2 | '''可视化''' || 图表设置、绘制、存储 || plt.figure()；lmplot().savefig('路径文件名')；
|-
| xkcd风格的图表 || plt.xkcd()；
|}

==== 常见相关库 ====
{| class="wikitable" width = 100%
|-
! 名称 !! width = 100px | 应用领域 !! 功能概述
|-
| '''numpy''' || 科学计算 || python科学计算的基础包；numpy提供了快速高效的多维数组对象ndarray、对数组执行元素级计算以及直接对数组执行数学运算的函数、读写硬盘上基于数组的数据集的工具，线性代数运算、傅里叶变换、随机数生成功能，以及将C、C++、Fortran代码集成到python的工具；
|-
| '''pandas''' || 科学计算 ||提供了能够快速便捷处理结构化数据的大量数据结构和函数；pandas兼具numpy高性能的数组计算功能以及电子表格和关系型数据（如SQL）灵活的数据处理能力，提供了复杂精细的索引功能，以便更为便捷地完成重塑、切片和切块、聚合以及选取数据子集等操作；
|-
| '''MySQLdb''' || 数据库操作 || 提供MySQL数据库连接等功能的Python库；
|-
| '''xlrd''' || Excel文档操作 || 提供读取Excel文件功能的Python库；
|-
| '''matplotlib''' || 数据图表绘制 || 最为流行的数据图表绘制Python库；
|-
| '''scipy''' || 科学计算 || 一组专门解决科学计算中各种标准问题域的包的集合；
|-
| '''statsmodels''' || 统计分析 || 用于统计分析各类模型的模型集合；（[https://github.com/statsmodels/statsmodels Github页面]）
|-
| '''scikit-learn''' || 数据分析 || 一些用于数据挖掘与分析的，简单、高效的工具集；（[http://scikit-learn.org/stable/ 官方网站]）
|-
| '''BeautifulSoup''' || 网络数据抓取 || 利用HTTP请求方式简化网站访问，提供更为强大的数据提取工具，效果通常比自己用正则表达式建立的爬虫要好；（[https://www.crummy.com/software/BeautifulSoup/ 官方网站]）
|-
| '''Django''' || 网站框架 || 最常用的用Python编写的网页框架，代表网站Instagram、Disqus；Django包括很多有用的特性，且大多缺失功能可用扩展包来解决；（[https://www.djangoproject.com/ 官方网站]）
|}

=== GUI（图形界面）开发 ===
==== 常见相关库 ====
{| class="wikitable" width = 100%
|-
! 名称 !! width = 100px | 应用领域 !! 功能概述
|-
| '''tkinter''' || 图形界面开发 || [[Tkinter]] 模块(Tk 接口)是 Python 的标准 Tk GUI 工具包的接口 .Tk 和 Tkinter 可以在大多数的 Unix 平台下使用,同样可以应用在 Windows 和 Macintosh 系统里。Tk8.0 的后续版本可以实现本地窗口风格,并良好地运行在绝大多数平台中。
|-
| '''wkPython''' || 图形界面开发 || wxPython 是一款开源软件，是 Python 语言的一套优秀的 GUI 图形库，允许 Python 程序员很方便的创建完整的、功能健全的 GUI 用户界面。
|-
| '''Jython''' || 图形界面开发 || Jython 程序可以和 Java 无缝集成。除了一些标准模块，Jython 使用 Java 的模块。Jython 几乎拥有标准的Python 中不依赖于 C 语言的全部模块。比如，Jython 的用户界面将使用 Swing，AWT或者 SWT。Jython 可以被动态或静态地编译成 Java 字节码。
|}

== 参考 ==
=== 参考资料 ===
<references />

=== 外部链接 ===
* [https://www.python.org/ 官网]
* [https://en.wikipedia.org/wiki/Python_(programming_language) Wikipedia]
* [https://baike.baidu.com/item/Python 百度百科]
* [https://www.cnblogs.com/zhizhan/p/5546599.html Python数据分析入门]
* [https://www.zhihu.com/question/20899988 知乎：如何入门 Python 爬虫？]
* [http://python.jobbole.com/81332/ 伯乐在线：Python爬虫入门]
* [http://www.360doc.com/content/18/0429/06/36490684_749590101.shtml Python VS R，哪个更适合开发者？]

[[分类:编程语言]]

PostgreSQL

2019-11-15T10:59:26Z

Reiziuh：/* SOL查询示例 */

{{提示|该页面仍需完善欢迎加入我们}}

[[文件:PostgreSQL_logo.png|192px|缩略图|PostgresSQL标识]]
PostgreSQL（常简称为Postgres）是一款强调可扩展性及标准兼容的对象关系型数据库管理系统（Object-Relational Database Management System，ORDBMS）。

== 概述 ==
* PostgreSQL是免费、开源的，由全球志愿者团队，不受任何公司或其他私人实体控制。
* PostgreSQL是跨平台的，可以在许多操作系统上运行，如Linux，FreeBSD，OS X，Solaris和Microsoft Windows等。

== 应用 ==
* 借助[[PostGIS]]扩展模块，可支持空间对象、空间索引、空间操作函数、空间操作符等空间信息服务功能。

== 上手 ==
=== 常用psql命令 ===
{| class="wikitable"
|-
| <code>help</code> || 查看帮助 || <code>\h</code> || SQL语句帮助 || <code>\?</code> || psql 命令帮助 || <code>\g</code> 或 <code>;</code> || 进行查询 || <code>\q</code> || 退出
|-
| <code>\l</code> || 列出所有库名 || <code>\c 数据库名</code> || 切换数据库 || <code>\dt</code> || 列出所有表 || <code>\d 表名</code> || 列出表结构 || <code>\dx</code> || 列出已安装扩展
|}
=== SQL查询示例 ===
{| class="wikitable"
|-
| <code>SHOW ALL</code> || 显示所有运行参数
|-
| <code>SELECT datname FROM pg_database; </code> || 列出所有数据库名，大致相当于<code>\l</code>
|-
| <pre>SELECT tablename FROM pg_tables
WHERE tablename NOT LIKE 'pg%'
AND tablename NOT LIKE 'sql_%'
ORDER BY tablename;</pre> || 列出用户自定义表的名字，大致相当于<code>\dt</code>
|-
| <pre>SELECT tablename FROM pg_tables
WHERE schemaname='public';</pre> || 列出用户自定义表的名字，大致相当于<code>\dt</code><br/>（如未经特殊处理，用户自定义的表默认是放在名为public的schema下的）
|}

=== 网络教程 ===
* [https://www.yiibai.com/postgresql/ 易百教程：PostgreSQL]

== 参考链接 ==
* [https://www.postgresql.org/ 官方网站]
* [[wikipedia:PostgreSQL|Wikipedia: PostgreSQL]]
* [https://baike.baidu.com/item/PostgreSQL 百度百科：PostgreSQL]

[[分类:数据库]]

PostgreSQL

2019-11-15T09:07:39Z

Reiziuh：

{{提示|该页面仍需完善欢迎加入我们}}

[[文件:PostgreSQL_logo.png|192px|缩略图|PostgresSQL标识]]
PostgreSQL（常简称为Postgres）是一款强调可扩展性及标准兼容的对象关系型数据库管理系统（Object-Relational Database Management System，ORDBMS）。

== 概述 ==
* PostgreSQL是免费、开源的，由全球志愿者团队，不受任何公司或其他私人实体控制。
* PostgreSQL是跨平台的，可以在许多操作系统上运行，如Linux，FreeBSD，OS X，Solaris和Microsoft Windows等。

== 应用 ==
* 借助[[PostGIS]]扩展模块，可支持空间对象、空间索引、空间操作函数、空间操作符等空间信息服务功能。

== 上手 ==
=== 常用psql命令 ===
{| class="wikitable"
|-
| <code>help</code> || 查看帮助 || <code>\h</code> || SQL语句帮助 || <code>\?</code> || psql 命令帮助 || <code>\g</code> 或 <code>;</code> || 进行查询 || <code>\q</code> || 退出
|-
| <code>\l</code> || 列出所有库名 || <code>\c 数据库名</code> || 切换数据库 || <code>\dt</code> || 列出所有表 || <code>\d 表名</code> || 列出表结构 || <code>\dx</code> || 列出已安装扩展
|}
=== SOL查询示例 ===
{| class="wikitable"
|-
| <code>SHOW ALL</code> || 显示所有运行参数
|-
| <code>SELECT datname FROM pg_database; </code> || 列出所有数据库名，大致相当于<code>\l</code>
|-
| <pre>SELECT tablename FROM pg_tables
WHERE tablename NOT LIKE 'pg%'
AND tablename NOT LIKE 'sql_%'
ORDER BY tablename;</pre> || 列出用户自定义表的名字，大致相当于<code>\dt</code>
|-
| <pre>SELECT tablename FROM pg_tables
WHERE schemaname='public';</pre> || 列出用户自定义表的名字，大致相当于<code>\dt</code><br/>（如未经特殊处理，用户自定义的表默认是放在名为public的schema下的）
|}
=== 网络教程 ===
* [https://www.yiibai.com/postgresql/ 易百教程：PostgreSQL]

== 参考链接 ==
* [https://www.postgresql.org/ 官方网站]
* [[wikipedia:PostgreSQL|Wikipedia: PostgreSQL]]
* [https://baike.baidu.com/item/PostgreSQL 百度百科：PostgreSQL]

[[分类:数据库]]

PostGIS

2019-11-13T11:48:02Z

Reiziuh：

{{提示|该页面仍需进一步完善，欢迎加入我们}}

PostGIS是对象关系型数据库系统[[PostgreSQL]]的一个扩展，PostGIS遵循[[OpenGIS]]的规范，提供空间对象、空间索引、空间操作函数、空间操作符等空间信息服务功能。PostGIS的版权被纳入到[[GNU]]的GPL中，任何人可以自由得到PostGIS源码并对其做研究和改进。

== 概述 ==
=== 特性 ===
* 支持所有的空间数据类型，包括：点（POINT）、线（LINESTRING）、多边形（POLYGON）、多点（MULTIPOINT）、多线（MULTILINESTRING）、多多边形（MULTIPOLYGON）和集合对象集（GEOMETRYCOLLECTION）等；
* 提供多种类型的空间对象存储：对于空间矢量数据，Geometry使用笛卡尔坐标系，Geography使用球面坐标系（默认是WGS84坐标系）；对于空间栅格数据，提供Raster类型；
* 支持所有的对象表达方法，如：WKT和WKB；
* 支持所有的数据存取和构造方法，如：GeomFromText()、AsBinary()，以及GeometryN()等；
* 提供简单的空间分析函数，如：Area、Length；
* 提供一些具有复杂分析功能的函数，如：Distance；
* 提供对于元数据的支持，如：GEOMETRY_COLUMNS、SPATIAL_REF_SYS；
* 提供对于元数据的支持函数，如：AddGeometryColumn、DropGeometryColumn；
* 提供一系列的二元谓词，用于检测空间对象之间的空间关系，同时返回布尔值来表征对象之间符合这个关系，如：Contains、Within、Overlaps、Touches；
* 提供用于空间数据操作的空间操作符，如：Union（融合多边形之间的边界。两个交迭的多边形通过Union运算形成一个新的多边形，这个新的多边形的边界为两个多边形中最大边界）、Difference；

=== 软件支持 ===
许多GIS软件都支持将PostGIS作为后台数据库，包括：
* [[ArcGIS]] (通过GISquirrel, ST-Links SpatialKit, ZigGIS, ArcSDE，[https://github.com/rburhum/arcgis-ogr arcgis-ogr]或其他第三方连接插件)
* Cadcorp SIS
* CartoDB
* CitySurf Globe
* GeoMedia (需要安装第三方连接插件)
* GeoServer
* GeoNetwork
* [[GRASS GIS]] (GPL)
* gvSIG (GPL)
* Kosmo (GPL)
* Manifold System
* MapInfo Professional
* Mapnik (LGPL)
* MapServer (BSD)
* MapGuide (LGPL)
* OpenJUMP (GPL)
* [[QGIS]] (GPL)
* SAGA GIS (GPL)
* TerraLib (LGPL)
* TerraView (GPL)
* uDig (LGPL)

== 应用 ==
* [http://live.osgeo.org/zh/quickstart/postgis_quickstart.html OSGeo-Live: PostGIS 快速入门]
* [http://trac.osgeo.org/postgis/wiki/UsersWikiMain PostGIS Wiki]

== 上手 ==
* 安装PostGIS；
* 在每个需要使用它的数据库中激活插件；
<pre>CREATE EXTENSION postgis;

-- 栅格数据支持 —
CREATE EXTENSION postgis_raster;

-- 拓扑支持 —
CREATE EXTENSION postgis_topology;

-- SFCGAL支持（可处理三维数据） —
CREATE EXTENSION postgis_sfcgal;

-- Tiger地理编码支持 —
CREATE EXTENSION fuzzystrmatch;
CREATE EXTENSION postgis_tiger_geocoder;

-- PCRE支持，地址标准化插件 --
CREATE EXTENSION address_standardizer;</pre>

== 参考链接 ==
* [http://www.postgis.org/ 官方网站]
* [https://en.wikipedia.org/wiki/PostGIS Wikipedia:PostGIS]
* [https://baike.baidu.com/item/postgis 百度百科：PostGIS]

[[分类:数据库]]

Spring框架

2019-10-29T16:09:17Z

Reiziuh：创建页面，内容为“{{提示|该页面仍需进一步完善}} Spring是一个为了解决企业应用开发的复杂性而创建的开源框架。Spring使用基本的JavaBean来…”

{{提示|该页面仍需进一步完善}}

Spring是一个为了解决企业应用开发的复杂性而创建的开源框架。Spring使用基本的[[JavaBean]]来完成以前只可能由[[EJB]]完成的事情。Spring的用途不仅限于服务器端的开发，从简单性、可测试性和松耦合的角度而言，任何[[Java]]应用都可以从Spring中受益。

== 概述 ==
=== Spring的特性 ===
Spring是一个轻量级的控制反转(IoC)和面向切面(AOP)的容器框架。
* 轻量——从大小与开销两方面而言Spring都是轻量的。完整的Spring框架可以在一个大小只有1MB多的[[JAR]]文件里发布。并且Spring所需的处理开销也是微不足道的。此外，Spring是非侵入式的：典型地，Spring应用中的对象不依赖于Spring的特定类。
* 控制反转——Spring通过一种称作控制反转（IoC）的技术促进了松耦合。当应用了IoC，一个对象依赖的其它对象会通过被动的方式传递进来，而不是这个对象自己创建或者查找依赖对象。你可以认为IoC与JNDI相反——不是对象从容器中查找依赖，而是容器在对象初始化时不等对象请求就主动将依赖传递给它。
* 面向切面——Spring提供了面向切面编程的丰富支持，允许通过分离应用的业务逻辑与系统级服务（例如审计（auditing）和事务（transaction）管理）进行内聚性的开发。应用对象只实现它们应该做的——完成业务逻辑——仅此而已。它们并不负责（甚至是意识）其它的系统级关注点，例如日志或事务支持。
* 容器——Spring包含并管理应用对象的配置和生命周期，在这个意义上它是一种容器，你可以配置你的每个bean如何被创建——基于一个可配置原型（prototype），你的bean可以创建一个单独的实例或者每次需要时都生成一个新的实例——以及它们是如何相互关联的。然而，Spring不应该被混同于传统的重量级的EJB容器，它们经常是庞大与笨重的，难以使用。
* 框架——Spring可以将简单的组件配置、组合成为复杂的应用。在Spring中，应用对象被声明式地组合，典型地是在一个[[XML]]文件里。Spring也提供了很多基础功能（事务管理、持久化框架集成等等），将应用逻辑的开发留给了你。

=== Spring Boot ===
SpringBoot是由Pivotal团队在2013年开始研发、2014年4月发布第一个版本的全新开源的轻量级框架。它基于Spring4.0设计，不仅继承了Spring框架原有的优秀特性，而且还通过简化配置来进一步简化了Spring应用的整个搭建和开发过程。另外SpringBoot通过集成大量的框架使得依赖包的版本冲突，以及引用的不稳定性等问题得到了很好的解决。
* 可以创建独立的Spring应用程序，并且基于其[[Maven]]或[[Gradle]]插件，可以创建可执行的JARs和WARs；
* 内嵌[[Tomcat]]或Jetty等Servlet容器；
* 提供自动配置的“starter”项目对象模型（POMS）以简化Maven配置；
* 尽可能自动配置Spring容器；
* 提供准备好的特性，如指标、健康检查和外部化配置；
* 绝对没有代码生成，不需要[[XML]]配置

== 应用 ==
* 构建[[RESTful]]网络应用；

== 上手 ==
* 构建[[RESTful]]网络应用的基本步骤：java源文件编写；安装Maven；创建pom.xml，加载依赖项；编译（compile）或打包（package）；测试运行；

== 参考链接 ==
* [https://spring.io/ 官方网站]
* [https://baike.baidu.com/item/spring%E6%A1%86%E6%9E%B6/2853288 百度百科]

Vue.js

2019-10-14T11:07:49Z

Reiziuh：

{{提示|该页面仍需进一步完善，欢迎贡献你的力量}}

[[文件:Vue-logo.png|192px|缩略图|右|Vue.js 标识]]
Vue (读音 /vjuː/，类似于 view) 是一套用于构建用户界面的[[渐进式框架]]。与其它大型框架不同的是，Vue 被设计为可以自底向上逐层应用。Vue 的核心库只关注视图层，不仅易于上手，还便于与第三方库或既有项目整合。另一方面，当与现代化的工具链以及各种支持类库结合使用时，Vue 也完全能够为复杂的[[单页应用]]提供驱动。

== 概况 ==
=== 突出特点 ===
* 易用：已经会了 HTML、CSS、JavaScript？即刻阅读指南开始构建应用！
* 灵活：不断繁荣的生态系统，可以在一个库和一套完整框架之间自如伸缩；
* 高效：20kB min+gzip 运行大小，超快虚拟 DOM，最省心的优化；
=== 常见组件 ===
* [https://router.vuejs.org/zh/ vue-router]：Vue.js 官方的'''路由管理器'''，和 Vue.js 的核心深度集成，让构建[[单页应用]]变得易如反掌。
* [https://element.eleme.cn/#/zh-CN element-ui]：一套为开发者、设计师和产品经理准备的基于 Vue 2.0 的'''桌面端组件库'''；
* [http://mint-ui.github.io/#!/zh-cn mint-ui]：基于 Vue.js 的'''移动端组件库'''；
* [https://vuex.vuejs.org/zh/ vuex]：专为 Vue.js 应用程序开发的'''状态管理模式'''，采用集中式存储管理应用的所有组件的状态，并以相应的规则保证状态以一种可预测的方式发生变化。

== 应用 ==
* [https://segmentfault.com/a/1190000015151511?utm_source=tag-newest Vue.js实际开发案例]

== 上手 ==
=== 安装 ===
* 独立版本：在 Vue.js 的官网上直接下载 vue.min.js 并用 <script> 标签引入。
* [[NPM]]方法：

=== Vue实例 ===
* 每个 Vue 应用都需要通过实例化 Vue 来实现。
* 当一个 Vue 实例被创建时，它向 Vue 的响应式系统中加入了其 data 对象中能找到的所有的属性。设置属性会影响到原始数据，反之亦然。
<pre>var vm = new Vue({
//el 参数：DOM 元素中的id；
//data参数：用于定义属性；
//methods参数：用于定义的函数，可以通过 return 来返回函数值
})</pre>
* <code>{{ }}</code> 用于输出对象属性和函数返回值。

=== Vue 模版语法 ===
* Vue.js 使用了基于 [[HTML]] 的模版语法，允许开发者声明式地将 [[DOM ]]绑定至底层 Vue 实例的数据；
* Vue.js 的核心是一个允许你采用简洁的模板语法来声明式的将数据渲染进 DOM 的系统；
* 结合响应系统，在应用状态改变时， Vue 能够智能地计算出重新渲染组件的最小代价并应用到 DOM 操作上；
* Vue.js 提供了完全的 [[JavaScript]] 表达式支持；
* 指令：是带有 v- 前缀的特殊属性；用于在表达式的值改变时，将某些行为应用到 DOM 上。
** v-html 指令：用于输出 HTML 代码；
** v-bind 指令：用于响应地更新 HTML 属性；

== 参考链接 ==
* [https://cn.vuejs.org/ 官网（中文）]
* [https://baike.baidu.com/item/Vue.js/19884851 百度百科]
* [https://www.runoob.com/vue2/vue-tutorial.html Vue.js教程（菜鸟教程）]

文件:Vue-logo.png

2019-10-14T11:05:31Z

Reiziuh：

Vue.js 标识

Vue.js

2019-10-04T14:35:43Z

Reiziuh：创建页面，内容为“{{提示|该页面仍需进一步完善，欢迎贡献你的力量}} Vue (读音 /vjuː/，类似于 view) 是一套用于构建用户界面的渐进式框架…”

{{提示|该页面仍需进一步完善，欢迎贡献你的力量}}

Vue (读音 /vjuː/，类似于 view) 是一套用于构建用户界面的[[渐进式框架]]。与其它大型框架不同的是，Vue 被设计为可以自底向上逐层应用。Vue 的核心库只关注视图层，不仅易于上手，还便于与第三方库或既有项目整合。另一方面，当与现代化的工具链以及各种支持类库结合使用时，Vue 也完全能够为复杂的[[单页应用]]提供驱动。

== 概况 ==
* 易用：已经会了 HTML、CSS、JavaScript？即刻阅读指南开始构建应用！
* 灵活：不断繁荣的生态系统，可以在一个库和一套完整框架之间自如伸缩；
* 高效：20kB min+gzip 运行大小，超快虚拟 DOM，最省心的优化；

== 应用 ==
* [https://segmentfault.com/a/1190000015151511?utm_source=tag-newest Vue.js实际开发案例]

== 上手 ==
=== 安装 ===
* 独立版本：在 Vue.js 的官网上直接下载 vue.min.js 并用 <script> 标签引入。
* [[NPM]]方法：

== 参考链接 ==
* [https://cn.vuejs.org/ 官网（中文）]
* [https://baike.baidu.com/item/Vue.js/19884851 百度百科]
* [https://www.runoob.com/vue2/vue-tutorial.html Vue.js教程（菜鸟教程）]

Tomcat

2019-07-15T16:06:14Z

Reiziuh：创建页面，内容为“{{提示|该页面仍需进一步完善，欢迎加入我们}} The Apache Tomcat® 是一款开源的服务器软件，支持Java Servlet、Java服务器页面…”

{{提示|该页面仍需进一步完善，欢迎加入我们}}

The [[Apache]] Tomcat® 是一款开源的服务器软件，支持Java Servlet、Java服务器页面（JSP，Java Server Pages）、Java表达式语言规范（JEXL，Java Expression Language）、Java WebSocket等Java社区进程（JCP，Java Community Process）维护的技术标准。

== 参考链接 ==
* [https://tomcat.apache.org/ 官方网站]
* [https://baike.baidu.com/item/tomcat/255751 百度百科]

OpenLayers

2019-06-06T03:53:58Z

Reiziuh：

{{提示|该页面仍需进一步完善，欢迎加入我们}}

[[文件:OpenLayers logo.png|100px|缩略图|Logo]]
OpenLayers 是一款基于[[FreeBSD]]许可协议的开源[[JavaScript]]库，主要功能是通过[[瓦片地图]]方式在网络浏览器中展示地图数据，并提供API接口，可构建类似[[百度地图]]、[[谷歌地图]]的多功能网络地图应用。

== 概述 ==
* OpenLayers最初由[[MetaCarta]]公司开发；
* OpenLayers基于面向对象的JavaScript，通过JavaScript实现对文档对象模型（[[DOM]]）的操作，并借用了[[Prototype]]框架和[[Rico]]库的一些组件，支持各种网络浏览器；
* OpenLayers支持[[XML]]、[[JSON]]、[[GML]]（Geography Markup Language）、[[GeoRSS]]、[[KML]]（Keyhole Markup Language）、[[WFS]]、[[WKT]]（Well-Known Text）等数据格式，在其Format命名空间下的各个类里，实现读/写各种数据格式的解析器；
* OpenLayers支持[[OGC]]制定的[[WMS]]（Web Map Service）、[[WFS]]（Web Feature Service）等网络服务规范；

== 应用 ==
* [http://www.openlayers.cn/forum.php?mod=viewthread&tid=55 OpenLayers中文资源站：典型案例]

== 上手 ==

== 参考链接 ==
* [https://openlayers.org/ 官方网站]
* [https://en.wikipedia.org/wiki/OpenLayers Wikipedia: OpenLayers]
* WebGIS之OpenLayers全面解析，郭明强黄颖谢忠等，电子工业出版社，2016年7月；（[https://book.douban.com/subject/26987870/ 豆瓣链接]）
* [https://baike.baidu.com/item/openlayers 百度百科：OpenLayers]
* [http://www.openlayers.cn/portal.php OpenLayers中文资源站]

北京极海纵横信息技术有限公司

2019-02-01T09:38:00Z

Reiziuh：

{{提示|该页面仍需进一步完善，欢迎加入我们}}
北京极海纵横信息技术有限公司（简称极海，GeoHey），是一家专注地理大数据平台的创业公司。

== 概述 ==
=== 行业案例 ===
==== 智慧城市 ====
“极海地理平台”提供多源[[空间数据]]、[[可视化]]及分析服务，一站式解决政府规划、交通等部门对地理空间及大数据平台建设的需求。通过数以亿计的多源大数据洞察城市，为[[智慧城市]]提供平台依托和数据支撑。
* 多源数据：手机信令数据、手机App数据、线下/线上消费数据、房产数据、企业数据、物流数据等行业权威数据汇集，满足不同场景分析需求。
* 平台能力：平台提供地理大数据分析及可视化服务，聚合多源空间大数据，实现数据辅助决策。
* 用户案例：中规院清华同衡上海交投天津北辰
==== 房地产 ====
“极海城市地图”是以城市房产和自然街区为核心的专题地图数据，既包含空间位置又有丰富的字段。能为房地产地块布局、客群定位、环境适配、差异化房产品类和精准营销提供战略指导；也为拿地、设计和销售提供高效、极简的决策支持。
* 拿地环节：用“城市地图”了解地价分布、地块特征，分析形成价格洼地的原因和机理，分析地块可能产生的商业价值和潜在支出。
* 设计环节：通过“城市地图”预测潜在客户分布、消费习惯、品牌偏好、户型喜好，从而在设计环节与潜在客群需求精准匹配。
* 销售环节：结合“城市地图”分析客户分布特征、居住条件、工作环境、消费水平，为精准定向投放线下广告提供决策支持。
* 用户案例：万科地产龙湖地产碧桂园地产华夏幸福康桥地产瑞安地产鸿坤地产
==== 商业零售 ====
“极海选址解决方案”将店面周围客流、竞品、生态、消费、行为、地段数据一一量化,通过空间计算和[[地理统计]]，为经营提供全维度指标。
* 通过客流、竞品、生态全维度指标，让店面选址从主观到客观。
* 消费、行为、商圈、地产等各类数据，让商家全维度理解客户的需求。
* 用户案例：万达购物广场中粮大悦城多乐士

== 参考链接 ==
* [http://geohey.com 官网]

[[分类:组织与机构]]

北京极海纵横信息技术有限公司

2019-02-01T09:05:02Z

Reiziuh：

北京极海纵横信息技术有限公司

2019-02-01T09:04:11Z

Reiziuh：

北京极海纵横信息技术有限公司（简称极海，GeoHey），是一家专注地理大数据平台的创业公司。

== 概述 ==
=== 行业案例 ===
==== 智慧城市 ====
“极海地理平台”提供多源[[空间数据]]、[[可视化]]及分析服务，一站式解决政府规划、交通等部门对地理空间及大数据平台建设的需求。通过数以亿计的多源大数据洞察城市，为[[智慧城市]]提供平台依托和数据支撑。
* 多源数据：手机信令数据、手机App数据、线下/线上消费数据、房产数据、企业数据、物流数据等行业权威数据汇集，满足不同场景分析需求。
* 平台能力：平台提供地理大数据分析及可视化服务，聚合多源空间大数据，实现数据辅助决策。
* 用户案例：中规院清华同衡上海交投天津北辰
==== 房地产 ====
“极海城市地图”是以城市房产和自然街区为核心的专题地图数据，既包含空间位置又有丰富的字段。能为房地产地块布局、客群定位、环境适配、差异化房产品类和精准营销提供战略指导；也为拿地、设计和销售提供高效、极简的决策支持。
* 拿地环节：用“城市地图”了解地价分布、地块特征，分析形成价格洼地的原因和机理，分析地块可能产生的商业价值和潜在支出。
* 设计环节：通过“城市地图”预测潜在客户分布、消费习惯、品牌偏好、户型喜好，从而在设计环节与潜在客群需求精准匹配。
* 销售环节：结合“城市地图”分析客户分布特征、居住条件、工作环境、消费水平，为精准定向投放线下广告提供决策支持。
* 用户案例：万科地产龙湖地产碧桂园地产华夏幸福康桥地产瑞安地产鸿坤地产
==== 商业零售 ====
“极海选址解决方案”将店面周围客流、竞品、生态、消费、行为、地段数据一一量化,通过空间计算和[[地理统计]]，为经营提供全维度指标。
* 通过客流、竞品、生态全维度指标，让店面选址从主观到客观。
* 消费、行为、商圈、地产等各类数据，让商家全维度理解客户的需求。
* 用户案例：万达购物广场中粮大悦城多乐士

== 参考链接 ==
* [http://geohey.com 官网]

北京极海纵横信息技术有限公司

2019-02-01T09:01:49Z

Reiziuh：创建页面，内容为“北京极海纵横信息技术有限公司（简称极海，GeoHey），是一家专注地理大数据平台的创业公司。 == 概述 == === 行业案例 === ===…”

Python

2018-12-30T03:22:00Z

Reiziuh：

{{提示|欢迎帮助我们进一步提升文章质量，当前重点任务包括：
* 章节补充：补充案例、上手章节内容；
* 图片补充：用python绘制示例图表、以python为主要工具构建的网站或应用的截屏；
* 内容优化：概况章节的补充完善，补充来源引用与更多阅读章节的链接；}}

[[文件:pythonLogo.png|192px|缩略图|Python标识]]
Python是一款自由、开源的高级解释性计算机编程语言，遵循 GPL（GNU General Public License）协议。Python语法简洁清晰，具有丰富和强大的库，能够把用其他语言制作的各种模块（尤其是C/C++）轻松地联结在一起。在IEEE发布2017年编程语言排行榜中，Python高居首位<ref>[http://36kr.com/p/5084329.html IEEE发布2017年编程语言排行榜：Python高居首位]</ref>。

== 概况 ==
=== 发展历程 ===
* Python是一种[[高级编程语言]]，由荷兰人Guido van Rossum创建并于1991首次发布。

=== 主要特点 ===
* Python是一种[[解释性语言]],特别强调代码的可读性，最典型的例子就是Python用行缩进来区分代码块，而不是其他编程语言中较为常见的大括号。
* Python常常被称为[[胶水语言]]，能将其他编程语言制作的各种模块连接在一起。

=== Python改进提案（PEP） ===
* Python改进提案（Python Enhancement Proposals，PEP），由经验丰富的Python开发人员提出的改进建议；
* PEP 8 是关于提升代码可读性的样式指引：
** 关于变量名的参考建议：模块名称应短小、全小写；类名应采用CapWords样式；变量和函数应采用lowercase_with_underscores样式；常量应采用CAPS_WITH_UNDERSCORES样式；与Python关键字冲突的名字，如class、if，应添加下划线前缀；
** 关于空格使用的建议：建议在操作符前后，逗号后添加空格，以增加可读性；但不应过度使用白空格（whitespace），如在任何类型的括号内，应该避免使用空格；
** 其他建议：每行不应超过80个字符；避免使用 from module import *；每行应该只包括一个语句；
** tab与空格的选择：建议使用空格而非tab来设定行缩进，如果使用空格每行四个；当然，tab或者空格某种程度来说是个人习惯问题，但你选定以后，就该只用这一种方式；

=== 设计哲学 ===
* Python设计哲学（Zen of Python）包括了19条Python语言的基本原则，由Tim Peter于1999年在Python邮件列表中首次提出和发布。原始文档及后续的版本中都提及，应为20条基本原则而非19条，缺失的原则由Gindo进行补充，但实际上从未发布；
* Python设计哲学被Python优化提议（PEP，Python Enhancement Proposals）收录，作为第20号信息文档，可在Python官方网站中查看。同时作为Python编译器的复活节彩蛋，输入代码 <code>import this</code> 即会显示；
{| class="wikitable" width=100%
|- valign = "top"
| Beautiful is better than ugly.<br/>Explicit is better than implicit.<br/>Simple is better than complex.<br/>Complex is better than complicated.<br/>Flat is better than nested.<br/>Sparse is better than dense.<br/>Readability counts.<br/>Special cases aren't special enough to break the rules.<br/>Although practicality beats purity.<br/>Errors should never pass silently.<br/>Unless explicitly silenced.<br/>In the face of ambiguity, refuse the temptation to guess.<br/>There should be one—and preferably only one—obvious way to do it.<br/>Although that way may not be obvious at first unless you're Dutch.<br/>Now is better than never.<br/>Although never is often better than right now.<br/>If the implementation is hard to explain, it's a bad idea.<br/>If the implementation is easy to explain, it may be a good idea.<br/>Namespaces are one honking great idea—let's do more of those! <br/> ''Zen of Python, by Tim Peter''
|| '''优美胜于丑陋'''（Python 以编写优美的代码为目标）<br/>'''明了胜于晦涩'''（优美的代码应当是明了的，命名规范，风格相似） <br/>'''简洁胜于复杂'''（优美的代码应当是简洁的，不要有复杂的内部实现） <br/>'''复杂胜于凌乱'''（如果复杂不可避免，那代码间也不能有难懂的关系，要保持接口简洁） <br/>'''扁平胜于嵌套'''（优美的代码应当是扁平的，不能有太多的嵌套） <br/>'''间隔胜于紧凑'''（优美的代码有适当的间隔，不要奢望一行代码解决问题） <br/>'''可读性很重要'''（优美的代码是可读的） <br/>'''即便假借特例的实用性之名''' <br/>'''也不可违背这些规则'''（这些规则至高无上）<br/>'''不要包容所有错误'''<br/>'''除非你确定需要这样做'''（精准地捕获异常，不写except:pass风格的代码） <br/>'''当存在多种可能，不要尝试去猜测''' <br/>'''而是尽量找一种，最好是唯一一种明显的解决方案'''（如果不确定，就用穷举法） <br/>'''虽然这并不容易，因为你不是 Python 之父'''（这里的 Dutch 是指 Guido） <br/>'''做也许好过不做'''<br/>'''但不假思索就动手还不如不做'''（动手之前要细思量） <br/>'''如果你无法向人描述你的方案，那肯定不是一个好方案'''<br/>'''反之亦然'''（方案测评标准） <br/>'''命名空间是一种绝妙的理念，我们应当多加利用'''（倡导与号召）<br/>''中文翻译源自[https://blog.csdn.net/gzlaiyonghao/article/details/2151918 《Python之禅》的翻译和解释]，略有修改。''
|}

=== 库 ===
* Python拥有一个强大的标准库，提供了系统管理、网络通信、文本处理、数据库接口、图形系统、XML处理等额外的功能。Python标准库提供的工具适用于多种类型的任务，如：针对面向互联网的应用，提供了对MIME、HTTP等标准格式与协议的支持；针对图形用户界面（GUI）应用，提供了关系数据库连接、随机数生成、任意位数小数算法支持、[[正则表达式]]操作、单元测试等各类模块。Python标准库命名接口清晰、文档良好，很容易学习和使用。
* Python社区提供了大量的第三方模块，使用方式与标准库类似。它们的功能无所不包，覆盖科学计算、Web开发、数据库接口、图形系统多个领域，并且大多成熟而稳定。第三方模块可以使用Python或者C语言编写。截止2018年3月， Python官方第三方资源库[https://pypi.org/ Python Package Index] (PyPI)已收录超过13万项各类功能包。

=== 与R语言的比较 ===
* '''共同点'''：[[R语言]]与Python是数据分析领域中最流行的两个编程语言，他们都是免费的、都有活跃的社区支持，以及都提供开源的工具和库；
* '''应用场景'''：R语言的优势在于统计和图形模型，因此它更多的被学者、数据科学家和统计人员所采用；而Python更注重生产力和代码可读性，作为一种通用语言，Python拥有相对R语言更为广泛的应用领域，如Web开发、机器学习、智能控制等，因而在具有软件工程背景的数据科学工作者、开发者、工程师和程序员中更受欢迎；
* '''学习曲线'''：Python的用户学习曲线较平缓；而R语言对初学者来说，有一个较为陡峭的学习曲线，且R语言在数据分析之外的功能很有限，一些用户库写得较差、运行较为缓慢；

== 应用 ==
Python灵活且各类爬虫库、数据分析库、数据可视化库较为丰富，很适合用于做数据抓取的主体架构，并基于这些数据做分析及可视化<ref>[https://www.zhihu.com/question/28975391 知乎：你用 Python 做过什么有趣的数据挖掘/分析项目？]</ref>，可将互联网上越来越丰富的数据为各种类型的城市规划与研究所用。
=== 网络数据抓取 ===
* 交通：抓取12306火车、机票网站数据；搭建各个机场的实时流量图；
* 财经：抓取雪球及各类财经网站数据；
* 住宅：抓取58、搜房、链家等房屋租售数据；
* 自然资源：抓取天气数据，环境质量（PM2.5）数据；
* 地点舆情：抓取新浪微博的用户发言及舆论数据；
* 科技行业：抓取各应用商店的App的下载量及评论数据；追踪各门类App下载量热点，热点行业走势；
* 服务行业：抓取大众点评及美团网的餐饮及各类线下门店消费及评价情况；绘制城市早晚高峰时段（某类）人群出行的热点图；
=== 数据分析 ===

== 上手 ==
=== 网络爬取 ===
Python3.x的标准库urllib，将Python2.x的标准库urllib，urllib2功能进行了整合，提供网络爬取的相关功能。一个简单的抓取基本操作如下：
<pre>
from urllib import request #Python3.x下引用库，Python2.x下引用urllib2，通过urllib2.urlopen()调用

file = request.urlopen("http://wiki.citydatum.com")

data = file.read() #读取全部页面，数据格式为bytes类型

data_str = data.decode('utf-8') #解码，转换为str类型

fhandle=open("./1.html","wb") #将爬取的网页保存在本地
fhandle.write(data)
fhandle.close()
</pre>

=== 数据分析 ===
==== 基本操作流程 ====
{| class="wikitable" width=100%
|-
! 操作流程 !! 步骤说明 !! 常用命令/库.函数
|-
| rowspan = 2 | '''数据导入/导出''' || 读写csv、Excel等格式文件 || pandas.read_csv("路径文件名或文件网址")、pandas.read_excel("路径文件名或文件网址")、to_csv('文件名', encoding='utf-8', index=False)；
|-
| 连接、查询、读写MySQL数据库 || MySQLdb.connect(host='服务器URL', port=端口号,user='用户名', passwd='密码', db='数据库名称')、pandas.read_sql('SQL语句', con=连接变量)；
|-
| rowspan =2 | '''提取和筛选数据''' || 浏览与提取数据 || df.head(), df.tail(), df.columns, df.index, df.ix[行范围,列范围 (.loc、.iloc、.iat等）, df.shape；
|-
| 筛选数据 || dataframe[筛选条件（支持逻辑运算符）]；
|-
| '''统计描述''' || 计数、均值、分位指等 || dataframe.describe()；
|-
| rowspan = 5 | '''数据处理''' || 转置 || dataframe.T；
|-
| 排序 || dataframe.sort_values(by='字段名’)；
|-
| 处理缺失值 || dataframe['字段名'].fillna(缺失替换值)；
|-
| 数据分组 || df.groupby('字段名')；
|-
| 值替换 || data.replace(查找值,替换值)；
|-
| rowspan = 5 | '''统计分析''' || t检验 || 对两样本来自是否有显著差异进行推断；独立样本t检验：ttest_ind(Group1,Group2)；配对样本t检验：ttest_rel(Group1,Group2)；
|-
| 方差分析 || levene方差齐性检验：levene(*args, **kwds) ，如果p<0.05，则方差不齐；
|-
| 卡方检验 || 指统计样本的实际观测值与理论推断值之间的偏离程度；单因素卡方检验，chisquare(observed,expected)；
|-
| 计数统计 || dataframe['字段名'].value_counts()；
|-
| 回归分析 || 数据拟合，广义线性回归；
|-
| rowspan = 2 | '''可视化''' || 图表设置、绘制、存储 || plt.figure()；lmplot().savefig('路径文件名')；
|-
| xkcd风格的图表 || plt.xkcd()；
|}

==== 常见相关库 ====
{| class="wikitable" width = 100%
|-
! 名称 !! width = 100px | 应用领域 !! 功能概述
|-
| '''numpy''' || 科学计算 || python科学计算的基础包；numpy提供了快速高效的多维数组对象ndarray、对数组执行元素级计算以及直接对数组执行数学运算的函数、读写硬盘上基于数组的数据集的工具，线性代数运算、傅里叶变换、随机数生成功能，以及将C、C++、Fortran代码集成到python的工具；
|-
| '''pandas''' || 科学计算 ||提供了能够快速便捷处理结构化数据的大量数据结构和函数；pandas兼具numpy高性能的数组计算功能以及电子表格和关系型数据（如SQL）灵活的数据处理能力，提供了复杂精细的索引功能，以便更为便捷地完成重塑、切片和切块、聚合以及选取数据子集等操作；
|-
| '''MySQLdb''' || 数据库操作 || 提供MySQL数据库连接等功能的Python库；
|-
| '''xlrd''' || Excel文档操作 || 提供读取Excel文件功能的Python库；
|-
| '''matplotlib''' || 数据图表绘制 || 最为流行的数据图表绘制Python库；
|-
| '''scipy''' || 科学计算 || 一组专门解决科学计算中各种标准问题域的包的集合；
|-
| '''statsmodels''' || 统计分析 || 用于统计分析各类模型的模型集合；（[https://github.com/statsmodels/statsmodels Github页面]）
|-
| '''scikit-learn''' || 数据分析 || 一些用于数据挖掘与分析的，简单、高效的工具集；（[http://scikit-learn.org/stable/ 官方网站]）
|-
| '''BeautifulSoup''' || 网络数据抓取 || 利用HTTP请求方式简化网站访问，提供更为强大的数据提取工具，效果通常比自己用正则表达式建立的爬虫要好；（[https://www.crummy.com/software/BeautifulSoup/ 官方网站]）
|-
| '''Django''' || 网站框架 || 最常用的用Python编写的网页框架，代表网站Instagram、Disqus；Django包括很多有用的特性，且大多缺失功能可用扩展包来解决；（[https://www.djangoproject.com/ 官方网站]）
|}

== 参考 ==
=== 参考资料 ===
<references />

=== 外部链接 ===
* [https://www.python.org/ 官网]
* [https://en.wikipedia.org/wiki/Python_(programming_language) Wikipedia]
* [https://baike.baidu.com/item/Python 百度百科]
* [https://www.cnblogs.com/zhizhan/p/5546599.html Python数据分析入门]
* [https://www.zhihu.com/question/20899988 知乎：如何入门 Python 爬虫？]
* [http://python.jobbole.com/81332/ 伯乐在线：Python爬虫入门]
* [http://www.360doc.com/content/18/0429/06/36490684_749590101.shtml Python VS R，哪个更适合开发者？]

[[分类:编程语言]]

Python

2018-12-27T02:28:27Z

Reiziuh：

{{提示|欢迎帮助我们进一步提升文章质量，当前重点任务包括：
* 章节补充：补充案例、上手章节内容；
* 图片补充：用python绘制示例图表、以python为主要工具构建的网站或应用的截屏；
* 内容优化：概况章节的补充完善，补充来源引用与更多阅读章节的链接；}}

[[文件:pythonLogo.png|192px|缩略图|Python标识]]
Python是一款自由、开源的高级解释性计算机编程语言，遵循 GPL（GNU General Public License）协议。Python语法简洁清晰，具有丰富和强大的库，能够把用其他语言制作的各种模块（尤其是C/C++）轻松地联结在一起。在IEEE发布2017年编程语言排行榜中，Python高居首位<ref>[http://36kr.com/p/5084329.html IEEE发布2017年编程语言排行榜：Python高居首位]</ref>。

== 概况 ==
=== 发展历程 ===
* Python是一种[[高级编程语言]]，由荷兰人Guido van Rossum创建并于1991首次发布。

=== 主要特点 ===
* Python是一种[[解释性语言]],特别强调代码的可读性，最典型的例子就是Python用行缩进来区分代码块，而不是其他编程语言中较为常见的大括号。
* Python常常被称为[[胶水语言]]，能将其他编程语言制作的各种模块连接在一起。

=== 设计哲学 ===
* Python设计哲学（Zen of Python）包括了19条Python语言的基本原则，由Tim Peter于1999年在Python邮件列表中首次提出和发布。原始文档及后续的版本中都提及，应为20条基本原则而非19条，缺失的原则由Gindo进行补充，但实际上从未发布；
* Python设计哲学被Python优化提议（PEP，Python Enhancement Proposals）收录，作为第20号信息文档，可在Python官方网站中查看。同时作为Python编译器的复活节彩蛋，输入代码 <code>import this</code> 即会显示；
{| class="wikitable"
|- valign = "top"
| Beautiful is better than ugly.<br/>Explicit is better than implicit.<br/>Simple is better than complex.<br/>Complex is better than complicated.<br/>Flat is better than nested.<br/>Sparse is better than dense.<br/>Readability counts.<br/>Special cases aren't special enough to break the rules.<br/>Although practicality beats purity.<br/>Errors should never pass silently.<br/>Unless explicitly silenced.<br/>In the face of ambiguity, refuse the temptation to guess.<br/>There should be one—and preferably only one—obvious way to do it.<br/>Although that way may not be obvious at first unless you're Dutch.<br/>Now is better than never.<br/>Although never is often better than right now.<br/>If the implementation is hard to explain, it's a bad idea.<br/>If the implementation is easy to explain, it may be a good idea.<br/>Namespaces are one honking great idea—let's do more of those! <br/> ''Zen of Python, by Tim Peter''
|| '''优美胜于丑陋'''（Python 以编写优美的代码为目标）<br/>'''明了胜于晦涩'''（优美的代码应当是明了的，命名规范，风格相似） <br/>'''简洁胜于复杂'''（优美的代码应当是简洁的，不要有复杂的内部实现） <br/>'''复杂胜于凌乱'''（如果复杂不可避免，那代码间也不能有难懂的关系，要保持接口简洁） <br/>'''扁平胜于嵌套'''（优美的代码应当是扁平的，不能有太多的嵌套） <br/>'''间隔胜于紧凑'''（优美的代码有适当的间隔，不要奢望一行代码解决问题） <br/>'''可读性很重要'''（优美的代码是可读的） <br/>'''即便假借特例的实用性之名''' <br/>'''也不可违背这些规则'''（这些规则至高无上）<br/>'''不要包容所有错误'''<br/>'''除非你确定需要这样做'''（精准地捕获异常，不写except:pass风格的代码） <br/>'''当存在多种可能，不要尝试去猜测''' <br/>'''而是尽量找一种，最好是唯一一种明显的解决方案'''（如果不确定，就用穷举法） <br/>'''虽然这并不容易，因为你不是 Python 之父'''（这里的 Dutch 是指 Guido） <br/>'''做也许好过不做'''<br/>'''但不假思索就动手还不如不做'''（动手之前要细思量） <br/>'''如果你无法向人描述你的方案，那肯定不是一个好方案'''<br/>'''反之亦然'''（方案测评标准） <br/>'''命名空间是一种绝妙的理念，我们应当多加利用'''（倡导与号召）<br/>''中文翻译源自[https://blog.csdn.net/gzlaiyonghao/article/details/2151918 《Python之禅》的翻译和解释]，略有修改。''
|}

=== 库 ===
* Python拥有一个强大的标准库，提供了系统管理、网络通信、文本处理、数据库接口、图形系统、XML处理等额外的功能。Python标准库提供的工具适用于多种类型的任务，如：针对面向互联网的应用，提供了对MIME、HTTP等标准格式与协议的支持；针对图形用户界面（GUI）应用，提供了关系数据库连接、随机数生成、任意位数小数算法支持、[[正则表达式]]操作、单元测试等各类模块。Python标准库命名接口清晰、文档良好，很容易学习和使用。
* Python社区提供了大量的第三方模块，使用方式与标准库类似。它们的功能无所不包，覆盖科学计算、Web开发、数据库接口、图形系统多个领域，并且大多成熟而稳定。第三方模块可以使用Python或者C语言编写。截止2018年3月， Python官方第三方资源库[https://pypi.org/ Python Package Index] (PyPI)已收录超过13万项各类功能包。

=== 与R语言的比较 ===
* '''共同点'''：[[R语言]]与Python是数据分析领域中最流行的两个编程语言，他们都是免费的、都有活跃的社区支持，以及都提供开源的工具和库；
* '''应用场景'''：R语言的优势在于统计和图形模型，因此它更多的被学者、数据科学家和统计人员所采用；而Python更注重生产力和代码可读性，作为一种通用语言，Python拥有相对R语言更为广泛的应用领域，如Web开发、机器学习、智能控制等，因而在具有软件工程背景的数据科学工作者、开发者、工程师和程序员中更受欢迎；
* '''学习曲线'''：Python的用户学习曲线较平缓；而R语言对初学者来说，有一个较为陡峭的学习曲线，且R语言在数据分析之外的功能很有限，一些用户库写得较差、运行较为缓慢；

== 应用 ==
Python灵活且各类爬虫库、数据分析库、数据可视化库较为丰富，很适合用于做数据抓取的主体架构，并基于这些数据做分析及可视化<ref>[https://www.zhihu.com/question/28975391 知乎：你用 Python 做过什么有趣的数据挖掘/分析项目？]</ref>，可将互联网上越来越丰富的数据为各种类型的城市规划与研究所用。
=== 网络数据抓取 ===
* 交通：抓取12306火车、机票网站数据；搭建各个机场的实时流量图；
* 财经：抓取雪球及各类财经网站数据；
* 住宅：抓取58、搜房、链家等房屋租售数据；
* 自然资源：抓取天气数据，环境质量（PM2.5）数据；
* 地点舆情：抓取新浪微博的用户发言及舆论数据；
* 科技行业：抓取各应用商店的App的下载量及评论数据；追踪各门类App下载量热点，热点行业走势；
* 服务行业：抓取大众点评及美团网的餐饮及各类线下门店消费及评价情况；绘制城市早晚高峰时段（某类）人群出行的热点图；
=== 数据分析 ===

== 上手 ==
=== 网络爬取 ===
Python3.x的标准库urllib，将Python2.x的标准库urllib，urllib2功能进行了整合，提供网络爬取的相关功能。一个简单的抓取基本操作如下：
<pre>
from urllib import request #Python3.x下引用库，Python2.x下引用urllib2，通过urllib2.urlopen()调用

file = request.urlopen("http://wiki.citydatum.com")

data = file.read() #读取全部页面，数据格式为bytes类型

data_str = data.decode('utf-8') #解码，转换为str类型

fhandle=open("./1.html","wb") #将爬取的网页保存在本地
fhandle.write(data)
fhandle.close()
</pre>

=== 数据分析 ===
==== 基本操作流程 ====
{| class="wikitable"
|-
! 操作流程 !! 步骤说明 !! 常用命令/库.函数
|-
| rowspan = 2 | '''数据导入/导出''' || 读写csv、Excel等格式文件 || pandas.read_csv("路径文件名或文件网址")、pandas.read_excel("路径文件名或文件网址")、to_csv('文件名', encoding='utf-8', index=False)；
|-
| 连接、查询、读写MySQL数据库 || MySQLdb.connect(host='服务器URL', port=端口号,user='用户名', passwd='密码', db='数据库名称')、pandas.read_sql('SQL语句', con=连接变量)；
|-
| rowspan =2 | '''提取和筛选数据''' || 浏览与提取数据 || df.head(), df.tail(), df.columns, df.index, df.ix[行范围,列范围 (.loc、.iloc、.iat等）, df.shape；
|-
| 筛选数据 || dataframe[筛选条件（支持逻辑运算符）]；
|-
| '''统计描述''' || 计数、均值、分位指等 || dataframe.describe()；
|-
| rowspan = 5 | '''数据处理''' || 转置 || dataframe.T；
|-
| 排序 || dataframe.sort_values(by='字段名’)；
|-
| 处理缺失值 || dataframe['字段名'].fillna(缺失替换值)；
|-
| 数据分组 || df.groupby('字段名')；
|-
| 值替换 || data.replace(查找值,替换值)；
|-
| rowspan = 5 | '''统计分析''' || t检验 || 对两样本来自是否有显著差异进行推断；独立样本t检验：ttest_ind(Group1,Group2)；配对样本t检验：ttest_rel(Group1,Group2)；
|-
| 方差分析 || levene方差齐性检验：levene(*args, **kwds) ，如果p<0.05，则方差不齐；
|-
| 卡方检验 || 指统计样本的实际观测值与理论推断值之间的偏离程度；单因素卡方检验，chisquare(observed,expected)；
|-
| 计数统计 || dataframe['字段名'].value_counts()；
|-
| 回归分析 || 数据拟合，广义线性回归；
|-
| rowspan = 2 | '''可视化''' || 图表设置、绘制、存储 || plt.figure()；lmplot().savefig('路径文件名')；
|-
| xkcd风格的图表 || plt.xkcd()；
|}

==== 常见相关库 ====
{| class="wikitable"
|-
! 名称 !! 功能概述
|-
| '''numpy''' || python科学计算的基础包；numpy提供了快速高效的多维数组对象ndarray、对数组执行元素级计算以及直接对数组执行数学运算的函数、读写硬盘上基于数组的数据集的工具，线性代数运算、傅里叶变换、随机数生成功能，以及将C、C++、Fortran代码集成到python的工具；
|-
| '''pandas''' || 提供了能够快速便捷处理结构化数据的大量数据结构和函数；pandas兼具numpy高性能的数组计算功能以及电子表格和关系型数据（如SQL）灵活的数据处理能力，提供了复杂精细的索引功能，以便更为便捷地完成重塑、切片和切块、聚合以及选取数据子集等操作；
|-
| '''MySQLdb''' || 提供MySQL数据库连接等功能的Python库；
|-
| '''xlrd''' || 提供读取Excel文件功能的Python库；
|-
| '''matplotlib''' || 最为流行的数据图表绘制Python库；
|-
| '''scipy''' || 一组专门解决科学计算中各种标准问题域的包的集合；
|-
| '''statsmodels''' || 用于统计分析各类模型的模型集合；（[https://github.com/statsmodels/statsmodels Github页面]）
|-
| '''scikit-learn''' || 一些用于数据挖掘与分析的，简单、高效的工具集（[http://scikit-learn.org/stable/ 官方网站]）
|}

== 参考 ==
=== 参考资料 ===
<references />

=== 外部链接 ===
* [https://www.python.org/ 官网]
* [https://en.wikipedia.org/wiki/Python_(programming_language) Wikipedia]
* [https://baike.baidu.com/item/Python 百度百科]
* [https://www.cnblogs.com/zhizhan/p/5546599.html Python数据分析入门]
* [https://www.zhihu.com/question/20899988 知乎：如何入门 Python 爬虫？]
* [http://python.jobbole.com/81332/ 伯乐在线：Python爬虫入门]
* [http://www.360doc.com/content/18/0429/06/36490684_749590101.shtml Python VS R，哪个更适合开发者？]

[[分类:编程语言]]

分类:编程语言

2018-12-09T03:47:29Z

Reiziuh：

{{提示|该页面面仍需进一步完善，欢迎加入我们}}

== 编程语言概述 ==

* 编程语言用于控制机器（通常为电脑）的行为。像自然语言一样，编程语言也有语法、语意等方面的限制规则。
* 现在已有数千种编程语言，且每年还会有新的编程语言被提出。只有少量的语言被广泛的使用，而大多数语言都只有一小群专业人员使用。�另一方面，专业程序员在职业生涯中可能会使用几十种编程语言。
* 大多数的编程语言并未形成国际或国家标准，甚至一些应用广泛的编程语言（如Perl、Standard ML等）也是如此。

== 编程语言比较 ==

{| class="wikitable sortable"
|-
! 编程语言 !! 应用领域 !! 标准化
|-
| [[JavaScript]] || 客户端 / 服务器端 / 网络 || 1997，ECMA
|-
| [[PHP]] || 服务器端 / 网络应用 / 网络 || 事实标准（语言规范，RFCs (Requests for Comments)）
|-
| [[Python]] || 应用程序 / 通用 / 网络 / 脚本 / 人工智能 / 科学计算 || 事实标准（PEPs (Python Enhancement Proposals)）
|-
| [[R语言]] || 应用程序 / 统计分析 || 否
|}

== 参考链接 ==
* [[wikipedia:Comparison_of_programming_languages|Wikpedia: Comparison of programming languages]]

[[分类:E数据平台与软硬件工具‎]]

PHP

2018-12-08T07:27:39Z

Reiziuh：

{{提示|该页面仍需进一步完善，欢迎加入我们}}

PHP（超文本预处理器，Hypertext Preprocessor）是一种通用开源的服务器端脚本语言。

== 概况 ==
* 由Rasmus Lerdorf于1994年创建；
* 与运行于客户端的[[JavaScript]]不同，PHP代码运行在服务端；

== 应用 ==
* PHP主要用于Web开发，此外也可作为通用的编程语言；
* PHP脚本主要用于'''服务端脚本'''、'''命令行脚本'''、'''编写桌面应用程序'''三个领域；

== 上手 ==
=== 基本语法 ===
* 起始符和结束符：<code><?php</code> 和 <code>?></code>；
* 每个语句用，用分号 <code>；</code> 结束指令；
* 单行注释： <code>//</code> 或 <code>#</code> ；多行注释：<code>/*</code> 和 <code>*/</code> ；
* 变量命名规则：以$开头，后跟变量名；变量名大小写敏感，只能包括大小写字母、数字和下划线，且必须以字母或下划线开头，不能以数字开头；
* 运算符：PHP中用连接字符串的运算符较为少见，为英文句号“.”；

=== 数据类型 ===
* 整数（integer）、浮点（floating point）、布尔（Boolean）、空值（null）、资源（resource，包括文件、图像、数据库等）、数组（array）、字符串（string）；
* PHP数组（Array）的要素可以为不同数据类型，可以以 key=>value 方式，构建键值对模式的数组，以键名作为要素的索引值；
* PHP会根据需要自动转换数据类型：如：对字符串进行加法运算时，会自动转化为整数或浮点型；对整数或浮点型，进行字符连接时，会自动转化为字符串；

=== 结构控制 ===
* 三元条件运算符：<code>$first ? $second : $third</code>，表示如果第一个子表达式的值是 TRUE（非零），那么第二个子表达式的计算结果，将作为为整个表达式的值，否则将是第三个子表达式的值。
* include 与 require，均用于插入预定义的php文件，一般放在PHP脚本的头部，可使用相对路径或绝对路径；二者的区别在于，include在出现无法导入错误时，忽略错误并继续运行脚本，require则在导入失败时，返回错误信息，并中止脚本运行；

=== 预定义变量 ===
* $_POST 与 $_GET，分别用于处理post、get方法提交的表单；
** post是发送数据的推荐方法，post方法将表单信息嵌入到 [[HTTP]] 请求中，其他人不可见，没有信息量限制，支持多部分二进制输入（multi-part binary input ）方式上传文件，不能以书签方式保存提交的数据，；
** get方法将信息嵌入到 [[URL]] 中，任何人可见，最多不能超过2000个字符，可以书签方式保留提交信息，get方法绝不可用于发送密码等敏感信息；

=== 函数 ===
* 自定义函数的定义与调用方法：
<pre>function myAge(Int $birthYear) : String
{
$yearsOld = date('Y') - $birthYear;
return $yearsOld . 'year' . ($yearsOld != 1 ? 's' : '');
}
echo 'I am currently ' . myAge(1995) . ' old.';</pre>

== 参考链接 ==
* [http://php.net/ 官方网站]
* [http://php.net/manual/zh/ 官网：中文手册]
* [[wikipedia:PHP|Wikipedia: PHP]]
* [https://baike.baidu.com/item/PHP 百度百科：PHP]

[[分类:编程语言]]

CityGML

2018-12-07T11:25:48Z

Reiziuh：

{{提示|该页面仍需进一步完善，欢迎加入我们}}

CityGML是一种开放且标准化的数据模型与交换格式，用于存储城市三维数字模型。

== 概述 ==
* CityGML定义了城市和区域中最常见地表目标的类型及相互关系，并顾及了目标的几何、拓扑、语义、外观等方面的属性，包括专题类型之间的层次、聚合、目标间的关系以及空间属性等；
* CityGML定义了三维物体不同的标准细节等级（LoD，Level of Detail）；
* CityGML各类专题信息不仅是一种图形交换格式，同时可将虚拟三维城市模型用于各种应用领域中的高级分析，例如模拟、城市数据挖掘、设施管理、专题查询等；
* CityGML遵循了GML应用大纲，是基于地理标记语言（Geography Markup Language 3, [[GML]]3）的扩展，面向由开放地理空间信息联盟（[[OGC]]）和国际标准组织（[[ISO]]）地理信息标准委员会（[[TC211]]）提出的制定可扩展的空间数据交换国际标准的问题。

== 应用 ==
=== 已建构开放CityGML数据库的城市<ref>[https://www.citygml.org/3dcities/ CityGML官网：城市三维数据]</ref> ===
{| class="wikitable sortable"
|-
! width="100px" | 数据集 !! width="35px" | 国家 !! width="30px" | 年份 !! width="50px" | LOD !! width="90px" | 其他类 !! width="35px" | 贴图 !! width="150px" | 采集方式 !! width="100px" | CityGML版本 !! 备注
|-
| [http://www.dresden.de/index_en.php Dresden] || 德国 || 2009|| LOD1/2/3 || || 局部 || || 1.0 ||
|-
| [http://www.businesslocationcenter.de/en/downloadportal Berlin] || 德国 || 2013 || LOD2 || || 是 || || 2.0 || 2015年发布
|-
| [http://www.rotterdamopendata.nl/dataset/rotterdam-3d-bestanden Rotterdam] || 荷兰 || 2010 || LOD2 || || 是 || Cadastre footprints + LiDAR || 1.0 ||
|-
| [http://donnees.ville.montreal.qc.ca/dataset/maquette-numerique-batiments-citygml-lod2-avec-textures Montreal] || 加拿大 || 2009 || LOD2 || Tin格式的CityGML地形 || 是 || 影像识别 || 1.0 || 同时具有同一范围内的[[LiDAR]]数据集
|-
| [http://www1.nyc.gov/site/doitt/initiatives/3d-building.page New York City] （由DoITT提供） || 美国 || 2016 || LOD2 || || 否 || Cadastre footprints + LiDAR || 2.0 || 部分建筑物采用LOD2标准建模，但大多数为LOD1标准的几何形体
|-
| [http://www.gis.bgu.tum.de/en/projects/new-york-city-3d/ New York City] （由TUM提供） || 美国 || 2015 || LOD1 || 地形/水域/公园/道路/停车场 || 否 || 影像识别 + 公共2.5维数据 || 2.0 || [http://www.ifp.uni-stuttgart.de/publications/phowo15/330Kolbe.pdf 详情文档（PDF）]
|}

== 上手 ==
* CityGML使用[[FME]]（Feature Manipulate Engine）软件生成相应文件，使用[[LANDXPLORER]]软件实现可视化；

== 参考资料 ==
=== 引用索引 ===
<references />

=== 更多阅读 ===
* [https://www.citygml.org/ CityGML官网]
* [[wikipedia:CityGML|Wikipedia: CityGML]]
* [http://www.opengeospatial.org/standards/citygml OGC官网：CityGML]
* [http://www.citygmlwiki.org/ CityGML Wiki]
* [https://baike.baidu.com/item/citygml 百度百科：CityGML]

[[分类:数据格式]]‎

HTML

2018-12-07T11:24:13Z

Reiziuh：

{{提示|该页面仍需进一步完善，欢迎加入我们}}
HTML（HyperText Markup Language，超文本标记语言）是创建网页和网络应用的标记语言标准。HTML、[[CSS]]、[[JavaScript]]被视为[[万维网]]三大核心基础技术。

== 概述 ==
=== 常见标签 ===
{| class="wikitable"
|-
! 标签 !! 描述 !! 备注
|-
| <code><meta></code> || 元信息 || 常见属性：keyword，robots，charset等；
|-
| <code><link></code> || 外部引入 || 常见示例：引入外部CSS、JavaScript；
|-
| <code> <b> <i> <strong> </code> || 强调（加粗、斜体等） ||
|-
| <code> <p> </code> || 段落 ||
|-
| <code> <a> </code> || 锚（链接、书签） ||
|-
| <code> <h1> <h2> <h3> <h4> <h5> <h6> </code> || 标题 ||
|-
| <code> <ol> <ul> <li> <dl> <dt> <dd> </code> || 列表（有序、无序） ||
|-
| <code> <div> <span> </code> || 内容块组织 ||
|-
| <code> <table> <tr> <td> <th> </code> || 表格 ||
|-
| <code> <form> <fieldset> <input> <textarea> <select> <option> ……</code> || 表单（边框、输入框、多行输入框、下拉列表、列表选项等） ||
|-
| <code> <scirpt> </code> || 外部脚本 ||
|}
完整标签列表可参考 [http://www.w3school.com.cn/tags/index.asp W3School：HTML参考手册]

== 应用 ==
* [[网络抓取]]
* 网页创建

== 上手 ==
* HTML分析工具：Chrome浏览器：；Firefox浏览器：；
* HTML解析工具：R语言组件：XML；Python组件：；
* HTML编辑工具：

== 参考链接 ==
* [https://whatwg.org/ WHATWG]: [https://html.spec.whatwg.org/ HTML Living Standard]
* [https://www.w3.org/ W3C]: [https://www.w3.org/TR/html/ HTML specification]
* [http://www.w3school.com.cn/html/index.asp W3school: HTML]
* [[wikipedia:HTML|Wikipedia: HTML]]

[[分类:技术标准与规范]]

HTTP

2018-12-07T11:23:47Z

Reiziuh：

{{提示|该页面仍需要进一步完善，欢迎加入我们}}

超文本传输协议（Hypertext Transfer Protocol，HTTP）是一种用于发布和接受的协议，以及超文本信息系统。

== 概述 ==
=== 基础知识 ===
* 用户-服务器交互对话
* URL语法
* HTTP消息
* 请求方法
* 状态码
{| class="wikitable"
|-
! 代码 !! 短语 !! 说明
|-
| 200 || 正常 || --
|-
| 202 || 已接受 || --
|-
| 204 || 无内容 || --
|-
| 300 || 多种选择 || --
|-
| 301 || 永久转移 || --
|-
| 302 || 找到 || --
|-
| 303 || 参见其他 || --
|-
| 304 || 未修改 || --
|-
| 305 || 使用代理 || --
|-
| 400 || 错误请求 || --
|-
| 401 || 未授权 || --
|-
| 403 || 禁止 || --
|-
| 404 || 未找到 || --
|-
| 405 || 方法不允许 || --
|-
| 406 || 不可接受 || --
|-
| 500 || 服务器内部错误 || --
|-
| 501 || 未实现 || --
|-
| 502 || 错误网关 || --
|-
| 503 || 服务不可用 || --
|-
| 504 || 网关超时 || --
|-
| 505 || 不支持的HTTP版本 || --
|}
* 标头字段
=== 高级特性 ===
* 身份识别
* 身份验证
* 代理
=== 其他协议 ===
* HTTPS
* FTP

== 应用 ==
超文本传输协议是进行[[网络抓取|网络数据抓取]]的必要准备知识。

== 上手 ==
* [[R语言]]组件库：libcurl，Rcurl，httr
* [[Python]]组件库：标准库urllib

== 参考链接 ==
* [https://en.wikipedia.org/wiki/Hypertext_Transfer_Protocol Wikipedia: Hypertext Transfer Protocol]
* [https://baike.baidu.com/item/http 百度百科：http]

[[分类:技术标准与规范]]

DOM

2018-12-07T11:21:41Z

Reiziuh：

{{提示|该页面仍需进一步完善，欢迎加入我们}}

文档对象模型（Document Object Model，简称DOM），是一个跨平台、不依赖于特定编程语言的应用程序接口，它将[[HTML]]、[[XHTML]]、[[XML]]等标志语言文档解释为由节点构成树状结构。文档对象模型应用广泛，网页设计、[[Web前端开发|前段开发]]、[[网络抓取]]等方面的工作均涉及对文档对象模型的操作或解析。

== 概述 ==
=== 基本概念 ===
* 文档对象模型用“逻辑树”来代表文档，树形结构的每个分支为节点，每个节点为“对象”，可赋予相应的属性、内容与样式，也通过事件控制器进行交互操作。
* 文档对象模型（DOM）分级：
** DOM Level 1：1998年10月发布，提供可以映射HTML和XML文档全部内容的完整模型，允许获取和操作文档的任意部分；包括DOM核心与DOM HTML两个模块组成；
** DOM Level 2：2000年末发布，通过对象接口增加了对鼠标和用户界面事件（DHTML长期支持鼠标与用户界面事件）、范围、遍历（重复执行DOM文档）和层叠样式表（CSS）的支持；扩展核心模块，增加了对XML命名空间的支持；
** DOM Level 3：2004年4月发布，扩展核心模块，支持XML1.0的所有内容，包括XML Infoset、[[XPath]]、XML Base，增加对串流XML文档的接口支持；新增对键盘事件的支持；新增了“DOM载入与保存”模块；
** DOM Level 4：2015年发布，WHATWG标准的摘要；

=== 发展沿革 ===
* 1990年代后期微软与Netscape的“浏览器大战”，双方为了在JavaScript与JScript一决生死，于是大规模的赋予浏览器强大的功能。微软在网页技术上加入了不少专属事物，既有VBScript、ActiveX、以及微软自家的DHTML格式等，使不少网页使用非微软平台及浏览器无法正常显示；DOM即是这种背景下蕴酿和发展，并得到[[W3C]]的支持。
* 1998 年，W3C发布了第一级的 DOM 规范。这个规范允许访问和操作 HTML 页面中的每一个单独的元素。
* 2004年，W3C的DOM小组发布了最终版的推荐标准，并宣布解散，后续开发和维护移交给[[WHATWG]]，并不断推出最新标准。
* 2009年，网络应用小组整合了W3C内的DOM开发工作；2013年，由于DOM开发工作进展缓慢，且HTML5标准即将发布，DOM 4级规范工作被重新分配给HTML工作小组，以期加快进度；2015年，网络应用小组解散，DOM维护工作移交至网络平台小组；
* 2015年，W3C参照WHATWG标准，推出新的DOM推荐标准；

== 应用 ==

== 上手 ==

== 参考链接 ==
* [[wikipedia:Document_Object_Model|Wikipedia: Document Object Model]]
* [https://baike.baidu.com/item/DOM/50288 百度百科：DOM（文档对象模型）]

[[分类:技术标准与规范]]

WMS

2018-12-07T11:20:52Z

Reiziuh：

{{提示|该页面仍需进一步完善，欢迎加入我们}}

网络地图服务（Web Map Service，WMS）是由[[OGC|开放地理空间信息联盟]]（Open Geospatial Consortium，OGC）于1991年提出的标准协议，用于在互联网上提供具有地理参考的地图影像，这些地图影像通常是基于GIS数据库生成的。

== 概述 ==
OpenGIS® Web Map Service Interface Standard (WMS) 提供了一个简单的HTTP界面，用于从一个或多个分布式的地理空间数据库申请具有地理空间信息的（geo-registered）地图图像。WMS请求定义要处理的地理数据层和区域范围信息，返回的相应是一个或多个、可在网络浏览区中展示的、具有地理空间信息的地图图像（如JPEG、PNG）。应用界面同时支持指定返回的图像是否可以透明显示，以便将从多个服务器返回的图层进行合并或叠加覆盖。
=== 功能特性 ===
* WMS能够根据用户的请求返回相应的地图；
* WMS服务器通常返回位图格式的地图（如PNG、GIF、JPEG），此外也可以包含矢量图形（如SVG或WebCGM格式的点、线、曲线、文字）；
* WMS支持网络协议HTTP，所支持的操作是由URL定义的；
=== 规范定义的主要操作 ===
* GetCapabitities：返回服务级元数据，是对服务信息内容和要求参数的一种描述；
* GetMap：返回一个具有明确地理空间参考和大小参数定义的地图影像；
* GetFeatureInfo（可选）：返回显示在地图上的某些特殊要素的信息；
* 其它操作：如DescribeLayer，GetLegendGraphic，GetStyles，SetStyles等；
=== 软件支持 ===
提供WMS功能的开源软件：
* deegree
* GeoServer
* MapServer
* QGIS Server
可浏览WMS的开源软件（客户端）：
* Geozilla
* QGIS Browser
* osgEarth
* Marble

== 应用 ==

== 上手 ==
* [https://blog.csdn.net/qingyafan/article/details/46500127 MapServer 之发布网络地图服务（WMS-Web Map Service）]

== 参考链接 ==
* [http://www.opengeospatial.org/standards/wms OGS: Web Map Service]
* [[Wikipedia: Web Map Service]]
* [https://baike.baidu.com/item/WMS 百度百科：Web地图服务]

[[分类:技术标准与规范]]

WFS

2018-12-07T11:19:50Z

Reiziuh：

{{提示|该页面仍需进一步完善，欢迎加入我们}}
网络地理要素服务（Web Feature Service）是由[[OGC]]制定的界面标准，用于通过与操作系统无关的呼叫请求，在网络上获取地理要素数据。

== 概述 ==
* 可以把地理要素想象成隐藏在地图之后的“源代码”，而网络地图服务（[[WMS]]），或者说类似百度地图的在线地图应用，仅仅返回最终用户无法进行编辑和空间分析的图片；
* 传送地理要素的默认编码是基于 [[XML]] 的 [[GML]]，包括 [[shapefile]] 在内的其他格式也可以通过 WFS 来发送；
* OGC于2006年通过了 [[OpenGIS]] [[GML]] 简单要素概述，通过这个文件一方面是为了增强 WFS 服务之间的交互操作能力，另一方面也为了降低 WFS 标准的实施操作难度；

== 应用 ==

== 上手 ==
大多数的网络地图服务平台、开发工具，以及GIS软件等，均支持 WFS标准，较为常见的如[[MapServer]]、[[GeoServer]]等；
* MapServer：MapServer 发布服务都是通过 mapfile 来配置的，和配置 WMS 类似，发布 WMS 要在配置文件中的 METADATA 部分添加相关的键值对；

== 参考链接 ==
* [[wikipedia:Web_Feature_Service|Wikipedia: Web Feature Service]]
* [http://www.opengeospatial.org/standards/wfs OGC官网：Web Feature Service]
* [https://blog.csdn.net/qingyafan/article/details/49937085 MapServer 之发布网络要素服务（WFS-Web Feature Service）]，CSDN；

[[分类:技术标准与规范]]

PostGIS

2018-12-07T11:06:46Z

Reiziuh：

{{提示|该页面仍需进一步完善，欢迎加入我们}}

PostGIS是对象关系型数据库系统[[PostgreSQL]]的一个扩展，PostGIS遵循[[OpenGIS]]的规范，提供空间对象、空间索引、空间操作函数、空间操作符等空间信息服务功能。PostGIS的版权被纳入到[[GNU]]的GPL中，任何人可以自由得到PostGIS源码并对其做研究和改进。

== 概述 ==
=== 特性 ===
* PostGIS支持所有的空间数据类型，这些类型包括:点（POINT）、线（LINESTRING）、多边形（POLYGON）、多点（MULTIPOINT）、多线（MULTILINESTRING）、多多边形（MULTIPOLYGON）和集合对象集（GEOMETRYCOLLECTION）等。PostGIS支持所有的对象表达方法，比如WKT和WKB。
* PostGIS支持所有的数据存取和构造方法，如GeomFromText()、AsBinary()，以及GeometryN()等。
* PostGIS提供简单的空间分析函数（如Area和Length）同时也提供其他一些具有复杂分析功能的函数，比如Distance。
* PostGIS提供了对于元数据的支持，如GEOMETRY_COLUMNS和SPATIAL_REF_SYS，同时，PostGIS也提供了相应的支持函数，如AddGeometryColumn和DropGeometryColumn。
* PostGIS提供了一系列的二元谓词（如Contains、Within、Overlaps和Touches）用于检测空间对象之间的空间关系，同时返回布尔值来表征对象之间符合这个关系。
* PostGIS提供了空间操作符（如Union和Difference）用于空间数据操作。比如，Union操作符融合多边形之间的边界。两个交迭的多边形通过Union运算就会形成一个新的多边形，这个新的多边形的边界为两个多边形中最大边界。

=== 软件支持 ===
许多GIS软件都支持将PostGIS作为后台数据库，包括：
* [[ArcGIS]] (通过GISquirrel, ST-Links SpatialKit, ZigGIS, ArcSDE，[https://github.com/rburhum/arcgis-ogr arcgis-ogr]或其他第三方连接插件)
* Cadcorp SIS
* CartoDB
* CitySurf Globe
* GeoMedia (需要安装第三方连接插件)
* GeoServer
* GeoNetwork
* [[GRASS GIS]] (GPL)
* gvSIG (GPL)
* Kosmo (GPL)
* Manifold System
* MapInfo Professional
* Mapnik (LGPL)
* MapServer (BSD)
* MapGuide (LGPL)
* OpenJUMP (GPL)
* [[QGIS]] (GPL)
* SAGA GIS (GPL)
* TerraLib (LGPL)
* TerraView (GPL)
* uDig (LGPL)

== 应用 ==
* [http://live.osgeo.org/zh/quickstart/postgis_quickstart.html OSGeo-Live: PostGIS 快速入门]
* [http://trac.osgeo.org/postgis/wiki/UsersWikiMain PostGIS Wiki]

== 上手 ==

== 参考链接 ==
* [http://www.postgis.org/ 官方网站]
* [https://en.wikipedia.org/wiki/PostGIS Wikipedia:PostGIS]
* [https://baike.baidu.com/item/postgis 百度百科：PostGIS]

[[分类:数据库]]

PostgreSQL

2018-12-07T11:05:57Z

Reiziuh：

分类:量化指数

2018-12-07T11:04:39Z

Reiziuh：

[[分类:C数据挖掘与建模]]

分类:数据库

2018-12-07T11:03:24Z

Reiziuh：创建页面，内容为“分类:B数据获取与准备”

[[分类:B数据获取与准备]]

MySQL

2018-12-07T11:01:56Z

Reiziuh：

{{提示|该页面仍需进一步完善，欢迎加入我们。}}

[[文件:MySQL_Logo.png|192px|缩略图|MySQL标识]]
MySQL是一个开源的[[关系型数据库管理系统]]（ Relational Database Management System, RDBMS），由瑞典MySQL AB 公司开发，目前属Oracle 旗下产品。MySQL是[[LAMP]]开源网络应用软件组合的核心组件。

== 概况 ==
=== 发展沿革 ===

=== 功能特点 ===

=== 用户界面 ===
* [[图形用户界面]]（GUI）比[[命令行界面]]（CLI）更易于上手。
* 整合MySQL功能的第三方图形化的管理程序（也被成为“前端”），可以让用户通过图形化界面来操作数据库结构与库内数据，如：
** [[MySQL Workbench]]：MySQL官方整合环境，由MySQL AB开发；
** [[Sequel Pro]]：免费、开源的MacOS程序，可操作本地或远程的MySQL数据库；
* MySQL安装包中包含许多命令行工具，其中最主要的界面是MySQL客户端（mysql client）；

== 应用 ==

== 上手 ==
=== 安装 ===

=== 相关管理工具 ===
* [http://www.sequelpro.com/ Sequel Pro]：免费软件，Mac OS；

=== 命令行基本操作 ===
MySQL '''大小写不敏感'''，行尾以'''分号（ ; ）结尾'''；

==== 库操作 ====
* 显示所有数据库：<code>show databases;</code>
* 创建数据库：<code>create database <数据库名>;</code>
* 删除数据库：<code>drop database <数据库名>;</code>
* 连接数据库：<code>use <数据库名>;</code>
* 查看当前使用的数据库：<code>select database();</code>

==== 表操作 ====
* 获取表结构：<code>desc <表名>;</code> 或 <code>show columns from <表名>;</code>
* 查询所有行：<code>select <字段1, 字段2, ……> from <表名> where <条件表达式>;</code>
* 替换表中的数据：<code>update <表名> set <字段1 = 新值1, 字段2 = 新值2, ……> where <条件表达式>;</code>

==== 用户与权限 ====
* 创建用户并赋予权限：<code>grant <权限> on <数据库与表> to <用户名>@<服务器> identified by ‘<密码>’;</code>
* 刷新权限：<code>flush privileges;</code>

== 参考链接 ==
* [https://www.mysql.com/ 官方网站]
* [https://en.wikipedia.org/wiki/MySQL Wikipedia: MySQL]
* [https://baike.baidu.com/item/mySQL 百度百科：mySQL]
* [https://blog.csdn.net/column/details/21471.html MySQL数据分析实战教程]

[[Category:数据库]]

聚落地理学

2018-12-07T10:53:08Z

Reiziuh：

{{提示|该页面仍需进一步完善，欢迎加入我们}}

聚落地理学（又称居民点地理）是研究聚落形成、发展和分布规律的学科，是[[人文地理学]]的一个分支学科。聚落地理学的研究对象就是聚落本身，按聚落规模和性质大小，又可以分为[[城市地理学]]（Urban Geography）和[[乡村聚落地理学]]（Rural Settlement Geography）两大分支学科。第二次世界大战后，城市地理学发展较快，形成了一门独立学科，而乡村聚落地理研究数量较少，理论和方法发展较慢。尽管聚落地理学包含两大部分的概念没有消失，实际上不少地理学家把聚落地理学看作乡村聚落地理学的同义语。

== 概述 ==
=== 主要研究内容 ===
* 聚落形成条件与发展演化规律
* 聚落分类研究
* 聚落内部空间组织研究
* 聚落体系与结构（聚落的分布）
* 城镇化
* 聚落问题

=== 主要研究者 ===
* J.G.科尔，德国地理学家，于1841年发表《人类交通居住与地形的关系》一书；
* O.施吕特尔，德国，于1906年发表《对聚落地理学的意见》，第1次提出“聚落地理”的概念；
* 后经德国F.拉采尔、以及法国的P.维达尔－白兰士、J.白吕纳、A.德芒戎、美国的I.鲍曼等人的推进，到20世纪30年代，聚落地理研究遍及全世界；
* 科拉伦斯.佩里（Clarence Perry），美国社会学家，于1929年创建了“[[邻里单元]]”（Neighbourhood Unit）理论。
* 聚落地理学发展较早的国家形成了不同的研究风格：德国以景观论为特色；法国重视社会经济史对聚落的影响；英国则对聚落的历史地理有较多的研究；美国的聚落研究从白人的拓荒和居住问题开始，带有明显的实用性质；

=== 主要研究方法 ===
* '''实地调查'''：了解实际的基本情况和变化；
* '''典型对比'''：可根据经济水平或乡村景观等将研究区域分为若干类型，选择具有代表性的典型进行对比研究；
* '''系统分析'''，把乡村作为自然、经济、社会的大系统进行分析；动态研究分析乡村的形成和演变，探讨发展变化的基本趋势；

== 参考链接 ==
* [[wikipedia:Settlement_geography|Wikipedia: Settlement Geography]]
* [https://baike.baidu.com/item/聚落地理学百度百科：聚落地理学]

[[分类:相关学科]]

计算机视觉

2018-12-07T10:51:11Z

Reiziuh：/* 参考链接 */

{{提示|该页面仍需进一步完善，欢迎加入我们}}

计算机视觉（Computer Vision）是一门研究如何使机器“看”的科学，是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取‘信息’的[[人工智能]]系统。

== 概述 ==
=== 研究领域与主要技术 ===
* 图像处理技术：把输入图像转换成具有所希望特性的另一幅图像，研究中常用来进行预处理和[[特征抽取]]；
* 模式识别技术：根据从图象抽取的统计特性或结构信息，把图像分成预定的类别，常用于对图象中的某些部分，例如[[语义分割]]区域的识别和分类、[[文字识别]]、[[指纹识别]]等；
* 图像理解技术：描述和解释给定图像所代表的景物，以便对图像代表的内容作出决定；在此，术语“景物”强调二维图象与三维景物之间的区别；

== 应用 ==
=== 应用领域示例 ===
计算机视觉之于未来人工智能，就好比眼睛之于人的重要性一样。是未来很多领域自动化获取数据的主要渠道之一，也是处理数据的重要工具之一。
* 模式识别技术应用：人脸识别、文字识别、车辆车牌识别、医学图像分析；
* 与自动控制技术结合的应用：无人驾驶、无人安防、无人机；
* 其他：以图搜图、VR/AR、 3D重构

== 上手 ==
=== 书单/资料 ===
入门书籍/资料：
* 《 Multiple View Geometry in Computer Vision》：像素级的图像处理知识，是计算机视觉各个细分领域的研究者都必须要了解的底层基础知识；
* 《数字图像处理（MATLAB版）》，冈萨雷斯，英文原版2001年出版，中译版2005年：结合MATLAB学习基本原理、图像变换、形态学处理、图像分割，这本书比较注重实践，例程丰富；
* 《数字图像处理（第二版）》，冈萨雷斯：理论性工具书，可配合实践为主的书籍使用，遇到相关理论、术语等可以进行查阅；
* 《学习OpenCV》、《OpenCV 2 计算机视觉编程手册》、[https://www.docs.opencv.org/ OpenCV官方文档手册]
进阶书籍/资料：
* 《Computer Vision: Algorithms and Application》，Richard Szeliski（美国华盛顿大学），2010年出版：图文并茂地介绍了计算机视觉这门学科的诸多大方向，侧重视觉和几何知识，在已有图像处理基础书籍的基础上，增加如特征检测匹配、运动恢复结构、稠密运动估计、图像拼接、计算摄影、立体匹配、三维重建等目前比较实用、活跃的研究方向；
* 《Computer Vision: Models, Learning, and Inference》，Simon J.D. Prince（加拿大多伦多大学），2012年出版：从基础的概率模型讲起，涵盖计算机视觉领域常用的概率模型、回归分类模型、图模型、优化方法等，以及偏底层的图像处理、多视角几何知识，总体侧重机器学习模型，图文并茂，并辅以非常多的例子和应用，[http://www.computervisionmodels.com/ 官网]提供免费电子书下载，以及教学PPT、各章节对应的开源项目、代码、数据集链接等丰富的学习资源；

=== 编程语言与工具 ===
* [[OpenCV]]（Open Source Computer Vision Library）：是一个开源跨平台计算机视觉程序库，主要由C++语言编写，包含500+用于图像/视频处理和计算机视觉的通用算法；
* [[MATLAB]]

== 参考链接 ==
* [[wikipedia:Computer_vision|Wikipedia: Computer Vision]]
* [https://baike.baidu.com/item/计算机视觉百度百科：计算机视觉]
* [https://blog.csdn.net/electech6/article/details/79545911 零基础小白，如何入门计算机视觉？]，electech6，CSDN
* [https://blog.csdn.net/u013341341/article/details/79639670 计算机视觉新手入门：大佬推荐我这样学习]，猫神战之猫腻，CSDN

[[分类:相关学科]]

计算机视觉

2018-12-07T10:49:54Z

Reiziuh：

{{提示|该页面仍需进一步完善，欢迎加入我们}}

计算机视觉（Computer Vision）是一门研究如何使机器“看”的科学，是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取‘信息’的[[人工智能]]系统。

== 概述 ==
=== 研究领域与主要技术 ===
* 图像处理技术：把输入图像转换成具有所希望特性的另一幅图像，研究中常用来进行预处理和[[特征抽取]]；
* 模式识别技术：根据从图象抽取的统计特性或结构信息，把图像分成预定的类别，常用于对图象中的某些部分，例如[[语义分割]]区域的识别和分类、[[文字识别]]、[[指纹识别]]等；
* 图像理解技术：描述和解释给定图像所代表的景物，以便对图像代表的内容作出决定；在此，术语“景物”强调二维图象与三维景物之间的区别；

== 应用 ==
=== 应用领域示例 ===
计算机视觉之于未来人工智能，就好比眼睛之于人的重要性一样。是未来很多领域自动化获取数据的主要渠道之一，也是处理数据的重要工具之一。
* 模式识别技术应用：人脸识别、文字识别、车辆车牌识别、医学图像分析；
* 与自动控制技术结合的应用：无人驾驶、无人安防、无人机；
* 其他：以图搜图、VR/AR、 3D重构

== 上手 ==
=== 书单/资料 ===
入门书籍/资料：
* 《 Multiple View Geometry in Computer Vision》：像素级的图像处理知识，是计算机视觉各个细分领域的研究者都必须要了解的底层基础知识；
* 《数字图像处理（MATLAB版）》，冈萨雷斯，英文原版2001年出版，中译版2005年：结合MATLAB学习基本原理、图像变换、形态学处理、图像分割，这本书比较注重实践，例程丰富；
* 《数字图像处理（第二版）》，冈萨雷斯：理论性工具书，可配合实践为主的书籍使用，遇到相关理论、术语等可以进行查阅；
* 《学习OpenCV》、《OpenCV 2 计算机视觉编程手册》、[https://www.docs.opencv.org/ OpenCV官方文档手册]
进阶书籍/资料：
* 《Computer Vision: Algorithms and Application》，Richard Szeliski（美国华盛顿大学），2010年出版：图文并茂地介绍了计算机视觉这门学科的诸多大方向，侧重视觉和几何知识，在已有图像处理基础书籍的基础上，增加如特征检测匹配、运动恢复结构、稠密运动估计、图像拼接、计算摄影、立体匹配、三维重建等目前比较实用、活跃的研究方向；
* 《Computer Vision: Models, Learning, and Inference》，Simon J.D. Prince（加拿大多伦多大学），2012年出版：从基础的概率模型讲起，涵盖计算机视觉领域常用的概率模型、回归分类模型、图模型、优化方法等，以及偏底层的图像处理、多视角几何知识，总体侧重机器学习模型，图文并茂，并辅以非常多的例子和应用，[http://www.computervisionmodels.com/ 官网]提供免费电子书下载，以及教学PPT、各章节对应的开源项目、代码、数据集链接等丰富的学习资源；

=== 编程语言与工具 ===
* [[OpenCV]]（Open Source Computer Vision Library）：是一个开源跨平台计算机视觉程序库，主要由C++语言编写，包含500+用于图像/视频处理和计算机视觉的通用算法；
* [[MATLAB]]

== 参考链接 ==
* [[wikipedia:Computer_vision|Wikipedia: Computer Vision]]
* [https://baike.baidu.com/item/计算机视觉百度百科：计算机视觉]
* [https://blog.csdn.net/electech6/article/details/79545911 零基础小白，如何入门计算机视觉？]，electech6，CSDN
* [https://blog.csdn.net/u013341341/article/details/79639670 计算机视觉新手入门：大佬推荐我这样学习,猫神战之猫腻，CSDN]

[[分类:相关学科]]

探索性数据分析

2018-12-07T10:48:47Z

Reiziuh：

{{提示|该页面仍需进一步完善，欢迎加入我们}}

探索性数据分析（Exploratory data analysis，简写为EDA）是指为了形成值得假设的检验而对数据进行分析的一种方法，是对传统统计学假设检验手段的补充。该方法由美国著名统计学家约翰·图基（John Tukey）命名。

* 在[[统计学]]领域，有些人将数据分析划分为[[描述性统计分析]]、探索性数据分析以及[[验证性数据分析]]；探索性数据分析侧重于在数据之中发现新的特征，而验证性数据分析则侧重于已有假设的证实或证伪。

== 常见方法 ==
探索性数据分析更多的是一种“态度”，而非特定方法的集合，但有些方法或工具常常出现在探索性数据分析中。
* 探索性数据分析中常用的数据可视化方法：
** [[箱线图]]（Box plot）
** [[直方图]]（Histogram）
** Multi-vari chart
** Run chart
** Pareto chart
** [[散点图]]（Scatter plot）
** Stem-and-leaf plot
** Parallel coordinates
** Odds ratio
** Targeted projection pursuit
** Dimensionality reduction:
** Multidimensional scaling
** Principal component analysis (PCA)
** Multilinear PCA
** Nonlinear dimensionality reduction (NLDR)
** Projection methods such as grand tour, guided tour and manual tour
** Interactive versions of these plots
* 探索性数据分析中常用的量化分析方法：
** Median polish
** Trimean
** Ordination

== 参考链接 ==
* [https://en.wikipedia.org/wiki/Exploratory_data_analysis Wikipedia: Exploratory data analysis]
* [http://xuewen.cnki.net/searchentry.aspx?key=%E6%8E%A2%E7%B4%A2%E6%80%A7%E6%95%B0%E6%8D%AE%E5%88%86%E6%9E%90 知库学问：探索型数据分析]
* [http://wiki.mbalib.com/wiki/%E6%95%B0%E6%8D%AE%E5%88%86%E6%9E%90 智库百科：数据分析]
* [https://www.cnblogs.com/nfqs/p/6378431.html 探索性数据分析（EDA）——摘自数据科学实战]

[[分类:统计学概念]]