ArcGIS Desktop 地理信息系统应用教程 pdf epub mobi txt 电子书 下载 2026

内容简介

　　选用现在市场普及率最高的ArcGIS10.0软件为对象，依据地理信息系统原理，采用动手练习操作的编排方式，逐一讲解地理信息系统的各项基本技术和功能。各项操作练习配合具体的应用数据，每项练习操作完成都产生中间结果或最终成果。学员通过动手练习和操作的结果理解各项地理空间数据组织和处理的基本原理和功能方法。完成《ArcGIS Desktop 地理信息系统应用教程》的全部练习将可以初步掌握地理信息系统基本方法与功能的应用能力。适合开设有地理信息系统课程的非地理信息系统本科类专业学生和需要使用GIS软件处理地理空间数据的相关行业操作人员及自学者。

作者简介

　　石若明，江苏南京人，博士。现为北京建筑大学测绘与城市空间信息学院教授，教育部代表性古建筑数据库工程中心数字虚拟古建筑研究所所长。长期从事地理信息系统与遥感应用教学与研究工作，近十年来主要讲授课程有：GIS软件设计与实现(本科)、面向对象程序设计(本科)、城市管理应用地理信息系统(本科)、地理信息系统原理(本科)、GIS软件应用(本科)、测绘学概论(本科)、数据结构(本科)、WebGIS概论(本科)、专业英语(本科、研究生)、土地资源评价与规划（研究生）等。目前的研究方向涉及城市历史空间数据采集与管理技术、三维空间信息可视化、建筑信息模型与地理信息模型的匹配、历史地理信息应用数据库与平台建设、旧城与历史街区保护的3S技术应用、土地利用管理与城乡规划地理信息系统等。发表相关论文30余篇，撰写专著、教材2部；获省部级教学成果二等奖1项、省部级科技进步奖1项。

内页插图

目录

第一章　认识GIS
1．1　什么是GIS
1．2　GIS图层
第二章　桌面ARCGIS简介
2．1　GIS操作
2．2　桌面GIS
第三章　ArcMap基本应用
3．1　ArcMap 的数据组织
3．2　显示图形数据
3．3　漫游地图
3．4　查看要素属性
第四章　第四章 ArcCatalog 基本应用
4．1　浏览地图数据
4．2　搜索地图数据
4．3添加数据到ArcMap
第五章　要素和栅格的符号编辑
5．1　变换符号
5．2　用类属性编辑要素的符号
5．3　使用图式和创建层文件
5．4　编辑栅格的符号
第六章　要素和栅格的分类
6．1　使用标准方法进行要素分类
6．2　使用手工进行要素分类
6．3　绘制密度图
6．4　使用等级和图表符号
第七章　要素的标注
7．1　使用动态标注
7．2　设定放置标签的规则
7．3　使用互动标签和产生注记
第八章　数据检索
8．1　要素的识别，选择，查找及超链接
8．2　使用属性选择要素
8．3　产生报表
第九章　表加入和关联表
9．1　表加入
9．2　关联表
第十章　通过位置选择要素
10．1　使用位置查询
10．2　属性与位置联合检索
第十一章　为分析准备数据
11．1　合并要素
11．2　创建图形
11．3　切割图层
11．4　输出数据
第十二章　分析空间数据
12．1　缓冲区分析
12．2　叠加数据
12．3　计算属性值
第十三章　ArcMap 数据投影
13．1　显示用投影数据
13．2　定义投影
第十四章　建立geodatabases
14．1　建立个人geodatabases
14．2　建立要素类
14．3　增加字段和域
第十五章　创建要素
15．1　绘制要素
15．2　使用要素构件工具
第十六章　编辑要素和属性
16．1　删除和修改要素
16．2　分割与合并要素
16．3　编辑要素属性值
第十七章　地址编码
17．1　建立地址编码服务
17．2　地址匹配
17．3　地址再匹配
第十八章　快速制图
18．1　打开地图模板
18．2　在地图上添加 x，y 数据
18．3　在地图上画图形
第十九章　制做展示图
19．1　布局页面
19．2　加注标题
19．3　添加指北针，比例尺和图例
19．4　最终清图和建立打印选项
第二十章　空间分析建模
20．1空间分析模型与建模
20．2使用模型构建器
第二十一章　构建TIN来呈现Terrain
20．1　基于点数据创建TIN
20．2　向TIN中添加要素
20．3　创建Terrain的剖面
第二十二章　ArcGlobe 基本应用
21．1打开ArcGlobe并添加图层
21．2在ArcGlobe中进行导航
第二十三章　创建和使用 Terrain 数据集
22．1初步认识Terrain
22．2在ArcMap中使用Terrain
22．3在ArcGlobe使用Terrain
第二十四章　创建逼真的 3D 视图
23．1　数据准备
23．2在地图上添加　x，y 数据
23．3在地图上添加文本和注记

前言/序言

《数据科学实践指南：从入门到精通》 内容简介 本书是一本面向初学者和希望系统提升数据处理与分析能力的读者的实用指南。它旨在系统性地介绍数据科学的完整流程，从数据获取、清洗、探索性分析（EDA），到模型构建、评估与部署，提供一套完整的、可操作性的技术栈和思维框架。 本书摒弃了晦涩的理论堆砌，专注于通过大量真实世界的案例和代码实例，让读者能够快速上手，并将所学知识应用于实际业务场景。全书结构清晰，循序渐进，确保读者在掌握基础知识的同时，能够建立起严谨的数据分析思维。 第一部分：数据科学基石与环境搭建 本部分将为读者打下坚实的数据科学基础。首先，我们会深入探讨数据科学在现代商业、科研及工程领域中的核心地位与应用边界。接着，重点介绍当前主流的数据科学编程语言——Python。我们将详细讲解Python的基础语法、核心数据结构（列表、字典、元组、集合）以及面向对象编程（OOP）的基础概念，为后续的库操作做好铺垫。 环境搭建部分是实操的关键。我们将指导读者如何配置高性能的开发环境，包括安装Anaconda发行版，熟练使用Jupyter Notebook和JupyterLab进行交互式编程和文档编写。同时，我们将介绍版本控制系统Git的基础操作，强调代码协作与项目管理的重要性。 第二部分：数据处理与清洗的艺术 高质量的数据是成功分析的前提。本部分聚焦于数据预处理的核心技术。我们将全面介绍Python生态中最重要的数据处理库——Pandas。读者将学会如何高效地读取和写入不同格式的数据（CSV, Excel, SQL数据库），以及掌握DataFrame和Series的核心操作。 数据清洗环节是本书的重点之一。内容涵盖缺失值处理（插补策略与识别）、异常值检测与平滑处理、数据类型转换与格式统一。此外，本书还详细讲解了数据重塑技术，包括数据透视（Pivot）、堆叠（Stack）与展开（Unpivot），以及如何使用Merge、Join、Concat等方法整合来自不同源的数据集。我们将通过一个大型金融时间序列数据集的清洗案例，展示如何应对真实世界数据的“脏乱差”。 第三部分：探索性数据分析（EDA）与数据可视化 探索性数据分析是数据科学家与数据“对话”的过程。本部分将指导读者如何通过可视化和统计方法来理解数据背后的故事。 可视化工具方面，我们将重点讲解Matplotlib和Seaborn库。读者不仅会学习绘制基本的直方图、箱线图、散点图，还会深入理解如何利用这些图形揭示数据分布、变量间关系以及趋势变化。Seaborn的高级统计图形，如联合分布图（Joint Plot）、成对关系图（Pair Plot）和热力图（Heatmap）的运用，将帮助读者快速识别潜在的特征交互。 统计基础知识也将穿插讲解，包括描述性统计量（均值、中位数、方差）、相关性分析（皮尔逊、斯皮尔曼）以及初步的假设检验概念。EDA的最终目标是提出可供后续建模的有效假设。 第四部分：机器学习核心算法与实践 本部分是本书的核心，将引导读者进入机器学习的世界。我们将全面使用Scikit-learn库，覆盖监督学习、无监督学习两大主流范畴。 在监督学习部分，我们将详细剖析线性回归、逻辑回归，并扩展到更强大的模型，如决策树、随机森林和梯度提升机（如XGBoost/LightGBM）。对于分类问题，我们将深入探讨评估指标（准确率、精确率、召回率、F1分数、ROC曲线）的意义与选择。 在无监督学习部分，我们将重点介绍聚类算法（K-Means、DBSCAN）及其在市场细分等场景的应用。同时，特征工程——特征选择（Filter/Wrapper/Embedded方法）和特征构造——将被视为模型性能提升的关键步骤，贯穿于整个建模过程中。 第五部分：模型评估、优化与部署 一个成功的模型不仅仅是训练完成，更重要的是其泛化能力和实际应用价值。本部分聚焦于模型验证与调优。 我们将详细讲解交叉验证（Cross-Validation）的原理和不同策略（K折、留一法）。模型调优环节将覆盖超参数搜索的系统方法，包括网格搜索（Grid Search）和随机搜索（Randomized Search），并引入更高效的贝叶斯优化方法简介。 此外，本书还将探讨模型可解释性（如SHAP值和特征重要性）的重要性，帮助读者理解“黑箱”模型的决策逻辑。最后，我们将简要介绍模型部署的基本概念，包括使用Flask/Streamlit构建简单的API服务，使数据分析成果能够转化为实际的业务工具。 目标读者 本书适合希望进入数据科学领域、数据分析师、商业智能（BI）专业人士，以及所有希望掌握现代化数据处理和预测建模技能的工程师和研究人员。无需深厚的数学或编程背景，但对逻辑思维和动手实践有强烈兴趣者将受益最大。本书提供的是一套完整的“数据科学兵工厂”，而非孤立的工具箱。