高效读论文和一些小技巧
本文为研究者提供了找寻和筛选学术论文的实用方法。文章建议确定研究主题和关键词，然后集中阅读论文的摘要、简介、方法、结果和总结等部分，并强调利用引用信息来追踪研究发展。作者还推荐了国内外的数据库和期刊，并介绍了使用RSS订阅来持续获取最新研究信息的方法。文章为读者提供了一套有效的学术论文搜寻和分析框架，尤其适用于建筑、景观和规划领域的研究者。
Python笔记
非编程专业如何快速入门Python数据分析与可视化
本文为非编程背景的读者提供了Python学习的指南。文章从基础语法、数据类型等入门知识开始，推荐了相关教程和书籍。进阶部分介绍了NumPy和Pandas等关键库，强调了Pandas在数据处理中的核心地位。文章还讨论了如何处理大数据集和使用如GitHub Copilot等辅助工具，为初学者提供了一个全面的Python数据分析学习路径。
中国2015年-2022年省市县行政区划矢量数据
转载：🚀权威、准确、长时间序列的一套行政区划矢量数据（China Temporal sequence Administrative Map）
2023年地理空间领域最火的11个Python包
这篇博客介绍了2023年地理空间领域增长最快的11个Python包，包括leafmap、DuckDB、geemap、Placekey、Apache Sedona、H3、Xarray、GeoPandas、pydeck、Whitebox和GDAL。这些包在地理空间分析、数据可视化和处理大规模空间数据等方面得到了广泛应用。
2.5亿条深圳共享单车数据集获取完整教程【纯小白向】
文章介绍了如何获取深圳市共享单车的大量数据。它涵盖了从深圳市政府数据开放平台获取数据的步骤，包括使用Python和API接口。文章还介绍了如何配置MongoDB数据库来存储这些数据，并提供了Python环境的配置指南。此外，文章还包含了用于数据获取和处理的具体Python代码。
深圳市共享单车数据分析【文末附共享单车数据集清单】
文章探讨了深圳市共享单车的使用情况，基于深圳市政府数据开放平台发布的2.4亿条共享单车订单数据。文章详细描述了数据获取、存储和分析过程，包括使用Python和数据库技术处理大规模数据集，并进行了时间序列和地理空间数据分析。通过数据可视化，文章揭示了共享单车使用的时间分布、骑行次数、地点和骑行距离等特点。
2015-2023年我国地级市逐月房价数据（Excel格式、Shp格式）
该数据集包含2015-2023年中国地级市的逐月房价数据，以Excel和Shp格式提供。数据显示，2023年全国地级市平均房价呈下降趋势，但不同城市之间存在差异。需要注意的是，数据真实性有待考证，部分城市数据缺失较多。