2026大一暑假学习总结回顾1maplotilbmaplotilb是Python 最主流的绘图 / 数据可视化库实现了把数字、表格数据画成图片折线、柱状、散点、子图。我在假期参考B站博主“莫烦Python”的公开课全面系统地学习了此方面内容是我整个假期学习的重点之一。我先从基础的maplotilb语法学起再从各种美化处理细节深入学习了包括直线图、曲线图、设置美化坐标轴、添加设计图例文本及位置、.annotate打箭头、.text在指定位置写注释、.set_bbox调整标签刻度、.scatter绘制散点图、.bar绘制柱状图、.contourf填充轮廓.contour添加等高线、.imshow制作矩阵热力图、.colorbar添加颜色条、projection指定子图为3D投影、.suplot创建子图、.add_axes设置图中图、.twinx/y在一个表中绘制多图、制作动图等2文件类型学习CSV 与 JSON 二者都是文本格式的数据文件不需要数据库软件就能打开Python、GIS、Excel 都经常用是做数据分析、空间数据POI、网格点最常用两种格式作为地理信息专业的学生应该对此有了解。CSV(Comma‑Separated Values逗号分隔值)CSV文件是表格类型的二维表格类似Excel表格。第一行一般是表头字段名后面每一行是一条数据列用逗号隔开。例lon,lat,name 102.71,25.04,昆明 102.72,25.05,呈贡具有体积小读写速度快的特点适用于pandas读取、适合规整表格数据POI 点、统计表格、网格属性表。缺点在于1只能二维表格不能存嵌套、层级复杂数据2文本里面如果自带逗号容易乱格式3不能直接存几何对象点线面要单独存经纬度数字。JSON(JavaScript Object Notation)JSON文件是键值对结构支持嵌套大括号{}、中括号[]类似字典 / 列表。例[ {lon:102.71,lat:25.04,name:昆明}, {lon:102.72,lat:25.05,name:呈贡} ]能够支持嵌套多层数据非常适合 API 返回数据GeoJSON 就是 JSON 的一种专门存 GIS 点线面几何且Python 直接用JSON库解析.缺点1文件体积比 CSV 大2Excel 不能直接友好打开3不适宜人直接阅读。3网页爬虫GIS的核心工作在于获取地理数据→处理分析→可视化建模而爬虫就是获取地理大数据的工具通过爬虫可以让我们高效获取各种地理POI数据、网页文本表格等。Python scraper爬虫分为两类1API爬虫(接口抓取)直接请求后台接口返回 JSON2网页 HTML 爬虫解析网页页面源码提取文字表格常用库包括requests发网络请求获取网页 / 接口数据BeautifulSoup4解析 HTML 网页提取页面内容lxml解析库bs4 底层依赖部分网站设置了基础的防爬以避免疯狂的高频请求因此在爬取网站的时候往往首先需要设计一个字典变量把爬虫伪装成浏览器位置浏览器网页-右键“检查”-网络-刷新-点击任意请求-展开请求标头-复制User-Agent后信息。爬虫主要与HTML文件打交道因此能看懂基本的HTML文件是非常重要的在看懂文件的基础上我们可以利用BeautifulSoup包解析HTML文档并根据顽网页情况筛选解析内容。学完基础知识后我开始尝试爬虫获取豆瓣电影网前250部电影的名字并过滤无关信息后续在“电影天堂”网站爬取电影主要学习了更换字符集修正乱码、在主页面下的多个子页面分支查找有用信息并设置筛选项获取有用信息等操作。4GeoPandasgeopandas是 Python 的空间数据分析库是普通 pandas 的地理扩展。普通 pandas 只能处理表格GeoPandas 在表格基础上增加几何列点、线、面可以做矢量 GIS 运算替代一部分 ArcGIS Pro 的功能。地理信息科学专业学习 GeoPandas可以将爬虫获取的 POI 等表格数据转化为矢量要素以代码方式实现坐标系转换、裁剪、缓冲区、空间连接等 GIS 矢量分析操作实现数据获取‑清洗‑空间分析流程自动化实验流程可复现。它可以和 ArcGIS Pro 互补完成定量空间分析是城市地理、人文大数据研究的重要工具也是 GIS 科研与就业的重要技能。我在假期参考B站博主“交通数据小旭学长”学习了这方面的知识这也是我整个假期学习的重点之二。GeoPandas有两个核心对象1GeoSeries几何序列一列全部是点 / 线 / 面对象2GeoDataFrame(gdf)地理数据表比普通 DataFrame 多一列 geometry几何列geometry是特殊列存 Point、LineString、Polygon还有一个属性crs坐标系EPSG:4326 WGS84、EPSG:32648 UTM 投影我从头开始学到了一些时空数据的处理技巧包括用python进行数据清洗数据集计数据整合可视化现对整个课程的相关知识进行梳理基础数据提取处理包括读取数据、筛选数据、获取/删除/定义DataFrame的某一列、数据清洗、异常处理、识别整理OD数据结合python的matplotlib包和seaborn包对出租车GPS数据绘制及美化数据统计图表折线图、柱状图、箱图、多种类型合一利用geopandas包把连续的深圳地理空间切分成栅格对出租车OD数据进行栅格对应完成统计和可视化将OD数据集计到行政区划并绘制OD期望线以出租车 GPS 轨迹数据为例覆盖了从数据预处理到三种热力图实现的完整流程从高德开放平台获取数据将数据解析处理后再实现批量处理利用爬虫抓后台数据接口完成数据处理和指标运算并可视化围绕「深圳出租车 OD 数据」展开完整的从数据读取到地图出图流程利用 Folium 库制作可交互的网页版 GIS 地图。尽管我在假期期间耗费了大量时间精力来跟此教程学习无奈此教程的难度与复杂程度远超出我的能力范围所以任然未能把全部内容吸收掌握。不过我在跟教程学习的过程中所接触到的都是交通数据最前沿的知识极大程度上开拓了我的眼界并且也学会了geopandas的基础学习初步掌握矢量数据代码化处理的相关内容提升能力的同时也为将来更好地学习奠定了基础。以上便是我的2026年暑假假期学习总结回顾我较系统地展开了matplotlib、文件类型、网页爬虫、geopandas的相关学习这是我在学校课程的基础上开展自主系统学习的第一步。现在回顾整个假期虽然基本完成了假期初定下的学习目标但是学习专注度、效率任能提升在今后的学习过程中我要改进不足更专注、高效地完成学习任务。