دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Geospatial Development By Example with Python
دانلود کتاب توسعه Geospatial به عنوان مثال با Python
مشخصات کتاب
Geospatial Development By Example with Python
ویرایش:
نویسندگان: Pablo Carreira
سری:
ISBN (شابک) : 1785282352, 9781785282355
ناشر: Packt Publishing - ebooks Account
سال نشر: 2016
تعداد صفحات: 340
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 9 مگابایت
قیمت کتاب (تومان) : 41,000
در صورت تبدیل فایل کتاب Geospatial Development By Example with Python به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب توسعه Geospatial به عنوان مثال با Python نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
توضیحاتی در مورد کتاب توسعه Geospatial به عنوان مثال با Python
ویژگی های کلیدی
- آموزش گردش کار کامل پردازش جغرافیایی با استفاده از Python با بسته های منبع باز
- ایجاد نقشه های سبک با کیفیت مطبوعات و تجسم داده ها با سطح بالا و قابل استفاده مجدد کد
- پردازش کارآمد مجموعه داده های عظیم با استفاده از پردازش موازی
توضیحات کتاب
از شیوه های خوب برنامه نویسی Python تا استفاده پیشرفته از بسته های تجزیه و تحلیل، این کتاب به شما می آموزد که چگونه برنامه هایی بنویسید که وظایف پیچیده ژئوپردازش را انجام می دهند که می توانند تکرار شوند و دوباره مورد استفاده قرار گیرند.
بیشتر از اسکریپت های ساده، توابعی را برای وارد کردن داده ها، ایجاد کلاس های پایتون که نمایانگر ویژگی های شما هستند، و یادگیری خواهید نوشت. چگونه آنها را ترکیب و فیلتر کنید.
با مکانیزم های قابل اتصال، یاد خواهید گرفت که چگونه داده ها و نتایج تجزیه و تحلیل را در نقشه های زیبا تجسم کنید که می توانند به صورت دسته ای تولید شوند و در اسناد یا صفحات وب جاسازی شوند.
در نهایت، شما یاد خواهید گرفت که چگونه با استفاده از ابزارهای پیشرفته و قابلیت‌های پردازش موازی رایانه‌های مدرن، حجم عظیمی از داده‌ها را به طور بسیار کارآمد مصرف و پردازش کنید.
آنچه خواهید آموخت
- یک محیط توسعه با تمام ابزارهای مورد نیاز برای پردازش جغرافیایی با پایتون آماده کنید
- وارد کردن داده های نقطه و ساختار یک برنامه با استفاده از منابع پایتون
- ترکیب داده های نقطه ای از چندین منبع، ایجاد نمایش‌های بصری و کاربردی از اشیاء جغرافیایی
- فیلتر کردن داده‌ها بر اساس مختصات یا ویژگی‌ها به راحتی با استفاده از پایتون خالص
- نقشه‌هایی با کیفیت مطبوعاتی و قابل تکرار از هر داده‌ای تهیه کنید
- دانلود داده‌های سنجش از دور را در نقشه‌های خود تغییر دهید و از آنها استفاده کنید
- محاسباتی را برای استخراج اطلاعات از داده‌های شطرنجی انجام دهید و نتایج را روی نقشه‌های زیبا نشان دهید
- مقادیر عظیم داده را با تکنیک‌های پردازش پیشرفته مدیریت کنید< /li>
- تصاویر عظیم ماهواره ای را به روشی کارآمد پردازش کنید
- زمان های پردازش جغرافیایی را با پردازش موازی بهینه کنید
درباره نویسنده
Pablo Carreira یک برنامه نویس پایتون و یک توسعه دهنده فول استک است که در ایالت سائوپائولو، برزیل زندگی می کند. او اکنون توسعه‌دهنده اصلی یک پلتفرم وب پیشرفته برای کشاورزی دقیق است و فعالانه از Python به عنوان یک راه‌حل پشتیبان برای پردازش جغرافیایی کارآمد استفاده می‌کند.
پابلو متولد ۱۹۸۰، برزیل، فارغ‌التحصیل مهندس کشاورزی است. او که از کودکی علاقه‌مند به برنامه‌نویسی و خودآموخته بود، برنامه‌نویسی را به عنوان یک سرگرمی یاد گرفت و بعداً تکنیک‌های خود را برای حل وظایف کاری ارج نهاد.
با 8 سال تجربه حرفه‌ای در زمینه ژئوپردازش، از پایتون در کنار هم استفاده می‌کند. سیستم های اطلاعات جغرافیایی به منظور خودکارسازی فرآیندها و حل مشکلات مربوط به کشاورزی دقیق، تجزیه و تحلیل محیطی، و تقسیم زمین.
فهرست محتوا
- آماده سازی محیط کار
- برنامه Geocaching
- ترکیب چندین منبع داده
- بهبود قابلیت جستجوی برنامه
- ساخت نقشه
- کار با سنجش از راه دور تصاویر
- استخراج اطلاعات از داده های Raster
- برنامه Data Miner
- پردازش تصاویر بزرگ
- پردازش موازی
توضیحاتی درمورد کتاب به خارجی
Key Features
- Learn the full geo-processing workflow using Python with open source packages
- Create press-quality styled maps and data visualization with high-level and reusable code
- Process massive datasets efficiently using parallel processing
Book Description
From Python programming good practices to the advanced use of analysis packages, this book teaches you how to write applications that will perform complex geoprocessing tasks that can be replicated and reused.
Much more than simple scripts, you will write functions to import data, create Python classes that represent your features, and learn how to combine and filter them.
With pluggable mechanisms, you will learn how to visualize data and the results of analysis in beautiful maps that can be batch-generated and embedded into documents or web pages.
Finally, you will learn how to consume and process an enormous amount of data very efficiently by using advanced tools and modern computers' parallel processing capabilities.
What you will learn
- Prepare a development environment with all the tools needed for geo-processing with Python
- Import point data and structure an application using Python's resources
- Combine point data from multiple sources, creating intuitive and functional representations of geographic objects
- Filter data by coordinates or attributes easily using pure Python
- Make press-quality and replicable maps from any data
- Download, transform, and use remote sensing data in your maps
- Make calculations to extract information from raster data and show the results on beautiful maps
- Handle massive amounts of data with advanced processing techniques
- Process huge satellite images in an efficient way
- Optimize geo-processing times with parallel processing
About the Author
Pablo Carreira is a Python programmer and a full stack developer living in Sao Paulo state, Brazil. He is now the lead developer of an advanced web platform for precision agriculture and actively uses Python as a backend solution for efficient geoprocessing.
Born in 1980, Brazil, Pablo graduated as an agronomical engineer. Being a programming enthusiast and self-taught since childhood, he learned programming as a hobby and later honored his techniques in order to solve work tasks.
Having 8 years of professional experience in geoprocessing, he uses Python along with geographic information systems in order to automate processes and solve problems related to precision agriculture, environmental analysis, and land division.
Table of Contents
- Preparing the Work Environment
- The Geocaching App
- Combining Multiple Data Sources
- Improving the App Search Capabilities
- Making Maps
- Working with Remote Sensing Images
- Extract Information from Raster Data
- Data Miner App
- Processing Big Images
- Parallel Processing
