▲传统的城市设计模式&＃xff0c;大部分是实地调研到的现场信息与设计师的“感性”想法结合的成果&＃xff0c;在城市尺度上缺少数据辅助决策
开始迈入数据的门槛&＃xff0c;成为一个城市数据的研究者&＃xff0c;尝试活用互联网化带来的“数据”&＃xff0c;从技术上到思维慢慢的转变。
▲借用地图热力数据、手机信令数据、人口迁徙数据&＃xff0c;通过一定的分析软件、工具等&＃xff0c;来重新定义和研究“城市”
02 刚接触Python时&＃xff1a;数学一团糟&＃xff0c;英语全靠字典Python不仅是一门编程语言&＃xff0c;而且是数据挖掘机器学习等技术的基础&＃xff0c;方便建立自动化的工作流。
最初决定学习&＃xff0c;是因为其他的软件不能再满足效率和数据量的要求。虽然数学和英语都不好&＃xff0c;还是逐渐在自学和实践中&＃xff0c;把Python一直用到现在。
慢慢的会发现&＃xff0c;Python入门不难。它对数学要求并不是太高&＃xff0c;重要的是需要知道如何用语言表达一个算法逻辑。比构建一个等差数列的和&＃xff0c;数学语言和计算机语言是不一样的&＃xff1a;
类似于Excel&＃xff0c;Python有很多封装好的工具库和命令&＃xff0c;我要做的是用哪些数学方法解决一个问题&＃xff0c;并构建出来。
那么上哪去找这些数学方法&＃xff1f;系统学习看教材资料&＃xff0c;遇到问题问百度谷歌英语相对简单&＃xff0c;用好词典和chrome翻译功能即可。
03 学Python一段时间后&＃xff1a;发现的是一个有趣的新世界这里需要用一个有趣的例子说明问题&＃xff1a;如何用Python研究财富分配的规律&＃xff1f;简单来说&＃xff0c;我们可以采用理顺逻辑—构建算法—代码实现—模拟实验的方法来做研究&＃xff1a;
▲这个Python模拟实验模拟的是社会财富分配的简化模型&＃xff0c;从而模拟这个世界的运行规律。我们假设&＃xff1a;每个人在18岁带着100元的初始资金开始玩游戏&＃xff0c;每天玩一次&＃xff0c;一直玩到65岁退休。“每天拿出一元钱”可理解为基本的日常消t费。以此计算&＃xff0c;人一生要玩17000次游戏&＃xff0c;即获得17000次财富分配的机会。最后财富会接近于幂律分布&＃xff0c; top10%的富人会掌握大约30%的财富。本案例来自城市数据团。
构建这样的模型并非一蹴而就。这个案例灵感源于蒙特卡洛思想&＃xff0c;每模拟一次&＃xff0c;程序便要运行17000遍&＃xff0c;期间涉及多次参数和代码的调整。其他的鼠标点击类软件很难做这样的模拟&＃xff0c;Python的趣味性就在此处。
学习Python&＃xff0c;需要不断的体验有趣的项目&＃xff0c;在实践中体验技能和思维。
智慧是通过体验获得的&＃xff0c;知识是通过勤奋获得的。04 似懂非懂&＃xff1a;怎样才能快速入门Python数据分析&＃xff1f;其实&＃xff0c;套路是可以总结的。想学认真学有技巧的学&＃xff0c;学会python是妥妥的&＃xff01;
京公网安备 11010802041100号