Yuan的数据分析

其他

利用Python构建空间滞后模型分析网约车出行量影响因素

这张表就是每个街道包括的各类POI数量和网约车出行量,顺便说一下,滴滴盖亚提供的数据1天成都大概有20w的订单,我觉得如果是全样本的话,似乎有点少。不过我看东南有人拿这个成都的盖亚发了Journal
2020年4月19日
其他

利用Python获取全国人口迁徙OD数据及可视化

pair进行循环,每次循环画一条od线,OD线的宽度为流量,具体代码如下(这次加上了水印,大家做汇报或者做作业用我的图我不反对,但还是通知我一下比较好,至少也要说一下是我公众号上的吧):
2020年4月5日
其他

利用Python爬取轨道交通站点周边POI数据及可视化

嘎嘎,美食POI核密度分布就画好了,还是比较符合实际的,颜色最深的那个地方正好是奎星楼街那片,的确是美食聚集地,什么冒椒火辣,糖油果子,泡椒鸡爪子,冰粉,想的我都流口水了,赶紧开学吧,我要回成都
2020年3月30日
其他

利用Python分析TOD轨道交通站点建成环境

可以看到,路网密度为12.575千米每平方千米,还是挺高的,交叉口密度为53.25个每平方千米(这里的交叉口包括了dead_end,osmnx里也可以把dead_end去掉,这里不展开讨论)
2020年2月29日
其他

利用python分析多种交通方式可达圈

最后得到的结果就是这样子,颜色的深度分别代表从天府广场出发骑车的耗时,呈圈层式分布,总体来说还是比较符合实际的(当然,格子粒度太大导致看着有点丑,可以多划点格子或者用六边形分割,看着比较高级)。
2020年2月22日
其他

利用python实现地理加权回归(GWR)与网约车订单数据挖掘

['ridership','bus','catering','company','residential','shopping','entertainment','landuse_mix']for
2020年2月2日
其他

利用Python对成都市POI数据进行探索性数据分析

MS",fontsize=13)ax.set_title('聚类中心点特征',fontsize=20)plt.legend(bbox_to_anchor=(0.983,1.1))
2020年1月25日