本文是IBM Data Science Professional证书认证的概述。

作为Python的新手，我不得不处理任务的实现：

• 加载和解析HTML表
• 清理上传的数据
• 在对象地址处搜索地理坐标
• 下载并处理GEOJSON
• 建立交互式热图（热图）
• 建立交互式背景制图（整体图）
• 球形WGS84和笛卡尔坐标系UTM之间的地理坐标转换
• 以六边形圆形网格形式表示空间地理对象
• 搜索距点特定距离的地理特征
• 将地理要素地理配准到复杂的表面多边形
• 描述性统计分析
• 类别变量分析和结果可视化
• 相关分析和结果可视化
• 使用k均值聚类和肘方法进行分割
• 集群的分析和可视化

在认证期间，需要9门课程：

• 什么是数据科学
• 数据科学的开源工具
• 数据科学方法论
• 适用于数据科学和AI的Python
• 数据库和数据科学SQL
• 使用Python进行数据分析
• 使用Python进行数据可视化
• Machine Learning with Python
• Applied Data Science Capstone

3 .
«Python for Data Science and AI» «Databases and SQL for Data Science» , .

«Data Analysis with Python», «Data Visualization with Python», «Machine Learning with Python» . Python.

Applied Data Science Capstone – , Python, .

Applied Data Science Capstone.

— Github.
— 700 .

.

Python

• 1. Introduction
  
  • 1.1 Background
  • 1.2 Business Problem
• 2. Data acquisition and cleaning
  
  • 2.2. Data requirements
  • 2.3. Describe data sources
  • 2.4. Describe data cleansing
• 3. Methodology
  
  • 3.1. Exploratory Data Analysis
  • 3.2. Clustering
• 4. Result
• 5. Discussion

1. Introduction

1.1 Background

— 12 . 2561.5 ², 4924.96 /² 1.

12 (125 , 2 , 19 ) 30429 /² "", 560 /² "" 2.

68,768 /² "" 438,568 /² "" 3.

1.2 Business Problem

, , , . () .

, , , .

, , , .

:

• ()

2. Data acquisition and cleaning

2.2. Data requirements

, :

1. , :

   
   
   • ,
   • ²,
   
   

2. 
   

3. GEOJSON

   
   

4. ( , , ...),

   
   

2.3. Describe data sources

HTML .

• ²,

Nominatim. , , , .

GEOJSON

( , ..) Foursquare API. , . 100 1000 . :

• , 100 .
• , Foursquare API .
• , Foursquare API ( )
• .

2.4. Describe data cleansing

HTML , . :

• ' \n\t', ' ', ''
• "" ""
• float int

146 :

• Borough_Name — —
• District_Name — ,
• Borough_Type —
• OKATO_Borough_Code — OKATO
• OKTMO_District_Code — OKTMO
• Borough_Area —
• Borough_Population —
• Borough_Population_Density —
• Borough_Housing_Area — .
• Borough_Housing_Area_Per_Person —
• Borough_Housing_Price —

.

Nominatim, , ( 10 ) .

. , Foursquare API.

, ( , , ...), , . 28 000 .

. Foursquare API.

Forsquare API, 34460 ( , , ...) 7899 .

(350 ) , (300 ), .

27622 28 000 .

, , . GEOJSON .
, , .

, .

20864 ( , , ...), 120 . .
.

" " " ".

3. Methodology

:

• /

:

• , ,
• K-Mean

, . .

3.1. Exploratory Data Analysis

:

• District_Name — ,
• Borough_Area —
• Borough_Population —
• Borough_Population_Density —
• Borough_Housing_Area — .
• Borough_Housing_Price —

.

, 12 194 253 943 .
109 421 /² 438 568 /².

District_Name Borough_Population. , District_Name , , «», «», «» «».

District_Name Borough_Housing_Price. , , District_Name .

.
.

. (p-value):

• p-value < 0.001: ,
• p-value is < 0.05: ,
• p-value is < 0.1: ,
• p-value is > 0.1: ,

• Borough_Area, Borough_Population_Density Borough_Population ,
• Borough_Housing_Area Borough_Population ,
• Borough_Area, Borough_Population_Density, Borough_Housing_Area Borough_Housing_Price ,
• Borough_Area Borough_Population_Density ,

3.2. Clustering

, , .

, K-Means Elbow , , .

Elbow , ( 1 10). (distortion) (inertia).

Distortion Inertia .
(elbows) 3 5 .

3- .

, K-Means , :

• % ( )
• % ( )

:

• "0" — (78538 ), (173695 /²) (10328 /²)
• "1" — (153187 ), (160741 /²) (13312 /²)
• "2" — (79805 ), (333794 /²) (10533 /²)

"1" :

• 34 43% , 37% ,

boxplot .

(choropleth map)
, "1" .
, .

4. Result

:

• :
  
  • ()
• ,
• (heat map) (choropleth map)

.
.

20864 ( , , ...), 928 "Gym / Fitness Center", 259 .

.

(heat map) (choropleth map) (HTML zip ) Interactive map
.

5. Discussion

:

1. , :

   
   
   • ,
   • ²,
   
   
3. GEOJSON
4. ( , , ...),

, GitHub .csv .

K-Means Elbow . Distortion Inertia , 3- . 5 , .
.

为了确定竞争性健身设施的邻近性，使用了一种方法，其中包括在交互式热地理地图上显示健身中心。这种方法使我们能够直观地分析每个区域中现有健身中心的邻近度，并确定低密度区域。

基于获得的数据，可以使用健身对象的分类细分并自动计算新健身中心的推荐位置，并考虑竞争健身对象的密度，从而进行其他分析。