首页
学习
活动
专区
圈层
工具
发布
44 篇文章
1
机器学习需要掌握的九种工具!
2
PyAOS:大气和海洋科学Python社区
3
地球人工智能研究综述
4
优化物理和机器学习之间的协同作用
5
构建便于气象海洋应用的Anaconda环境(window版本)
6
Python结合Matlab气候数据工具箱CDT
7
用Python复现一篇Nature的研究: 1.数据下载及预处理
8
Python气象数据处理与绘图:相关性分析之散点图
9
Nature | 数据驱动的地球系统深度学习与过程理解
10
Python气象数据处理与绘图:常见的10种图像滤波方法
11
JAMES: 地球系统模式机器学习应用专刊
12
Python可视化 | xarray绘图样式配置
13
xarray系列|WRF模式前处理和后处理
14
Python可视化 | xarray一维数据绘图
15
构建适合大气与海洋应用的Anaconda环境
16
统计学中数据分析方法汇总!
17
Python可视化 | xarray 绘图时序图
18
深度学习 | 时序问题LSTM入门讲解
19
Python可视化 | xarray 二维绘图配色方案设置
20
MeteoInfoLab中如何将格点插值到站点?(附完整代码)
21
利用 pandas 和 xarray 整理气象站点数据
22
tensor与numpy数据类型转换
23
【机器学习基础】|交叉验证及Stacking
24
让数据动起来!用Python制作动画可视化效果,让数据不再枯燥!
25
数据处理 | EOF用法及可视化实例
26
数据处理 | 使用cfgrib加载GRIB文件
27
GISer如何学Python
28
数据下载 | NCEP再分析数据自动批量下载
29
关于滤波和NCL的filwgts_lanczos函数
30
数据处理 | xarray的计算距平、重采样、时间窗
31
数据处理 | xarray的NC数据基础计算(1)
32
基于Python的神经网络模型可视化绘图方法
33
python可视化 | 小波分析——​海温数据的时频域分解
34
Python精美地理可视化绘制
35
Python的常用库的数组定义及常用操作
36
Python可视化 | 温度、水深&CTRL向量空间分布图
37
python可视化 | contour、contourf、cartopy补充
38
NCL专辑 | 常用插值函数集锦
39
数值模式常用参数化方案简析及引用文献
40
数据处理与可视化 | 站点插值格点+空间区域掩膜
41
自动化工程 | 利用Python自动生成降雨量统计分析报告
42
图解NumPy:常用函数的内在机制
43
用手机运行你的Python代码
44
数据可视化 | 双Y轴可视化绘制方法(Python、R两种方法)

GISer如何学Python

我最近看到很多公众号的python学习广告,什么30分钟让工作更轻松?好搞笑,我在此推荐官方的慕课教程,学python还用得着花钱吗?中国大学MOOC是学python最好的地方。尤其是北京理工大学的python系列课程

记住这个网址

https://www.icourse163.org/

我主推学这么几门课,建议按顺序学习,零基础学python语言、Python语言程序设计、python数据分析与展示、python网络爬虫与信息提取

其他的课程相对来说,没有那么重要。

重要的且需要会背诵默写的几句代码

pip install xx 库 开始运行cmd

import xx用啥引入啥

其他一些基础,数字,列表,循环等等

最需要学习的是pandas库,可以使数据很方便的生成表格,便于后续处理。

互联网数据获取常用requests库,学好了就够了,其他的以后再说。

基础部分熟悉了之后,就是提高部分,GISer要熟悉arcpy和gdal库的使用

还有一些库,不够成熟,比如geopandas,pysal,建议根据需要查看。在基础知识学好了以后,再看就没那么难了。张云金老师的这本python地理数据处理 ,这本书很好,我看了以后能够很快的入门,也能完成一些课程作业。

机器学习部分就是 skcit-learn库,这门Python机器学习应用课就开了一次,不过可以查看内容,可以结合一些机器学习类的课程学习。

一定要多学几遍,这种东西一旦不用就会遗忘,只有不停地用,才能做到肌肉记忆。我也是最初的60多分学到了90多分。

当初之所以学python,说起来挺惨的,因为c#和java我就是学不会,怎么着我也学不会-_-||这也注定我不能成为一个优秀的程序员,只能做个调包侠。

其实,基础掌握了以后,就能学习其他东西,比如深度学习的Tensorflow库了,能做个调包侠,对于应付写论文绰绰有余。例如这门北大的课程

举个例子,我需要处理船舶轨迹数据生成热力图,我根本不知道怎么做,我在网上搜索到了noaa给的实例,是arcpy写的脚本,我只需要修改文件输入和输出部分的文件地址就行了,多简单。我完全不需要看这些代码是什么意思。

我在做精准农业项目时,需要用python计算基于 GPS 轨迹的农机垄间作业重叠与遗漏的范围和面积,也没人告诉我该怎么做,我也是通过网上找各种各样的python库,最好采用了GeoPandas,Shapely,gdal,Fiona,Flask等。

最后总结一句话,能学习的时候一定要多学习

下一篇
举报
领券