《Shapely矢量数据空间分析》系列文章汇总及代码分享

目前为止，《Shapely矢量数据空间分析（基于Shapely 2.0）》系列文章已发布19篇文章，并附带代码文件。

本系列文章是根据Shapely官方文档翻译整理，学习任何一个Python第三方库，其官方文档都是最好的学习资料。相比网络搜索得到的一些资料，官方文档是权威的一手资料，其内容全面、准确可靠。通过官方文档入手，能够保证学习认知不会有大偏差。在学习完官方文档后，可以再寻找其他资料进一步学习。

点击“阅读原文”或者直接访问下方链接，查看翻译整理的“Shapely 2.0.0 中文文档”。

https://www.mizhushare.com/docs

• 百度网盘获取：

链接：https://pan.baidu.com/s/1iWGGhB4kra9V7bUj-CWR0w?pwd=mnsj 提取码：mnsj

• GitHub获取：
  

https://github.com/returu/Shapely

《Shapely矢量数据空间分析》系列内容目录：

1、Introduction（介绍）：

• Shapely简介

  
  

• Shapely中的几何对象及通用属性和方法
  
• 创建简单几何对象——点、线、线环
  
• 创建简单几何对象——多边形、矩形、带空洞的面、空要素
  
• 创建几何集合
  
• 线性参考方法
  

• 一元谓词（属性）
  
• 二元谓词（方法）
  

• 基于集合论的方法
  
• buffer()缓冲区分析
  
• 其他构造新对象的方法

• 仿射变换
  

• 其他转换
  

• 合并线状要素
  
• 矩形剪裁、高效合并、狄洛尼三角剖分
  
• 最近点、对齐、共享路径、分割
  
• 子集、制备几何操作、极点
  
• 诊断对象有效性
  

• 19.Shapely与其他软件的互操作
  

以下内容也将持续更新：

• Python空间数据分析相关内容，涉及软件工具shapely、geopandas、NetworkX等Python包。
• 空间句法（Space Syntax）相关内容，涉及软件工具Depthmapx、sDNA；
• 数据爬取、数据分析、数据可视化等相关内容，涉及软件工具Python、FME等；
• 多主体建模（Agent-based Modeling, ABM），涉及软件工具NetLogo；
  
• 深度学习（Deep Learning）相关内容，涉及软件工具Pytorch、Keras等深度学习框架以及Scikit-learn机器学习库；
• 离散选择模型(Discrete Choice Model, DCM)相关内容，涉及软件工具NLogit、Biogeme Python包；
• 其他城市定量研究内容；
  
• 有趣、有用、有料的内容分享；
• and so on……

END

本篇文章来源于微信公众号: 码农设计师