【数据分享】2022年我国30米分辨率的坡向数据（免费获取）
地形数据，也叫DEM数据，是我们在各项研究中最常使用的数据之一。之前我们分享过2022年哥白尼30米分辨率的DEM高程数据，该数据被公认为是全球最佳的开源DEM数据之一，甚至没有之一（可查看之前的文章获悉详情）！基于该数据我们处理得到了2022年30米分辨率的坡度数据（可查看之前的文章获悉详情）！ 除了高程地形和坡度以外，坡向是另外一个我们经常使用的地形指标！本次我们分享的是基于2022年哥白尼30米分...
小龙虾算法优化极限学习机实现乳腺癌诊断,(COA-ELM)数据分类
本期文章采用小龙虾优化算法(Crayfish optimization algorithm,COA)优化极限学习机（ELM），实现数据分类。该方法也可以用于其他故障分类。 小龙虾优化算法是于2023年9月最新发表在Artifcial Intelligence Review的一个算法，该算法的收敛能力还是很不错的。 此次的分类案例中，选用的是公用的UCI数据集。 ELM极限学习机初始的权值阈值都是随机生...
阿里云“玩转云上 StarRocks3.0 湖仓分析”，开启数据分析新范式
ocks 社区联合出品，玩转云上 StarRocks3.0 湖仓分析训练营，围绕 StarRocks3.0 系列解读、EMR Serverless StarRocks 存算分离功能与应用场景介绍，开启数据分析新范式！ StarRocks3.0，实现了从计算 OLAP 分析到统一 Lakehouse 的重大产品能力升级。通过存算分离架构，帮助用户降低存储成本、提升计算弹性；通过数据湖分析、物化视图等特性简...
数据分享：中国历年省、市、县行政区划shp（1949~2023年共计75年）
特别注意：使用前请严格校对数据并申请审图号。 一、1949~2014年中国省市县shp数据下载自美国伯克利大学图书馆地理信息数据库 检索：Administrative Boundary Maps of China,1949-2014 数据介绍：This polygon dataset represents city boundaries in China from 2014. The attribut...
用ChatGPT做数据分析，提升10倍工作效率
目录 写报告 分析框架 报告框架 指标体系设计 学习任何东西 写报告 分析框架 拿到一个专题不知道怎么做？没关系，用ChatGPT列一下框架。 以上分析框架挺像那么回事，如果没思路的话，问问ChatGPT能起到找灵感的作用。 报告框架 报告的框架中规中矩，毕竟也玩不出什么花来。 指标体系设计 设计业务的指标体系框架，没有头绪，问下ChatGPT： 可以问更细化的指标和维度。 ...
计算机毕设 招聘网站爬取与大数据分析可视化 - python 分析 可视化 flask
和亮点，往往达不到毕业答辩的要求，这两年不断有学弟学妹告诉学长自己做的项目系统达不到老师的要求。 为了大家能够顺利以及最少的精力通过毕设，学长分享优质毕业设计项目，今天要分享的是 🚩 招聘网站爬取与大数据分析可视化 🥇学长这里给一个题目综合评分(每项满分5分) 难度系数：3分工作量：3分创新点：3分 1 课题背景 本项目利用 python 网络爬虫抓取常见招聘网站信息，完成数据清洗和结构化，存储到数据库...
【数据分享】1901-2022年1km分辨率的逐月潜在蒸散发栅格数据（免费获取/全国/分省）
气象指标在日常研究中非常常用，之前我们给大家分享过来源于国家青藏高原科学数据中心提供的气象指标栅格数据（均可查看之前的文章获悉详情）： 1901-2022年1km分辨率逐月平均气温栅格数据 1901-2022年1km分辨率逐年平均气温栅格数据 1901-2022年1km分辨率逐月最低气温栅格数据 1901-2022年1km分辨率逐年最低气温栅格数据 1901-2022年1km分辨率逐月最高气温栅格数据 ...
Python数据攻略-Pandas与地理空间数据分析
地理空间数据分析已经成为数据分析不可或缺的一部分。无论是在城市规划、交通分析，还是在环境科学中，地理空间数据都发挥着关键作用。 本文将为初学者和新手提供一个详细的指南，通过使用Python的Pandas库和Geopandas库，来进行地理空间数据分析。 文章目录 用Pandas处理地理坐标数据 Geopandas结合进行空间分析 地理可视化基础 实践案例：三国志游戏中的势力地理分布分析 总结 用Pan...
R语言分析：如何轻松地把数据分为三、四、五等份？
有网友问了，我如何对连续型资料进行分组，常见的有按照中位数分组、四分位数分组，甚至分为5组。 这个问题其实很简单的了。 用两个函数，一个是quantile函数，另外一个是cut函数 1. quantile()函数的应用 该函数目的是获得分组界值 比如说，求某个百分位比 data <- c(1,2,3,4,5,6,7,8,9,10,5,6,7,43,9,4,12,46,22,0,14,15,3,5,7,9...
数据分析实战│时间序列预测
时间序列预测问题是一类常见的数据分析问题。数据中往往包含时间标签，这类问题往往根据过去一段时间的数据，建立能够比较精确地反映序列中所包含的动态依存关系的数学模型，并对未来的数据进行预测。 01、问题描述及数据挖掘目标 本案例给出二战时期的某气象站温度记录值，通过分析之前的天气状况来预测将来天气情况。与回归分析模型进行预测不同，时间序列模型依赖于事件发生的先后顺序预测接下来的输出模型的结果，改变输入值的...