发帖
雷达卡
同样是 Python 教材，大多数把地图和空间统计塞进附录，这本书反着来：第一章就讲地理思维，第二章就画专题地图。《Geographic Data Science with Python》由 Sergio Rey、Dani Arribas-Bel、Levi Wolf 三位空间计量与地理计算学者合写（2020 年出版，纸质版由 CRC Press 发行），而完整内容以开放形式放在 geographicdata.science网站上，每一页都由可运行的计算笔记本生成——官方自述这是「第一份完整的地理数据科学课程体系」。
三部分十四章的结构
全书分三部分。第一部分「Building Blocks」四章：地理思维、地理数据的计算工具、空间数据、空间权重——其中空间权重一章处理的是如何把邻近关系结构化，这是后续一切空间分析对齐观测与地理关系的基础。第二部分「Spatial Data Analysis」四章：专题地图（分级着色）、全局空间自相关、局部空间自相关、点模式分析，把「地图上有没有模式」拆成从整体到局部、从面到点的四种问法。
第三部分「Advanced Topics」四章：空间不平等动态、聚类与区域化、空间回归、空间特征工程，最后以「用空间原理改进常规分析流程」收尾。书末附参考文献与专门的数据集区。
代码与叙述写在同一个笔记本里
这本书最大的特点是「开源教材」的写法：几乎所有图都附带生成它的代码，代码直接嵌在叙述中间而不是集中放附录；章节常以清洗好的数据开场，但数据清洗代码放在在线补充材料里，想溯源的读者可以一路查到原始数据怎么变成分析用表。作者在序言里专门解释了这样写的理由——代码与思想绑在一起呈现，读者既能跟着算，也能只看代码示例。整本书用 Jupyter Book 与 jupytext 构建，是「既是书也是软件作品」的形态。
配套数据集页面覆盖 AirBnb、Brexit、Mexico、San Diego Tracts、Texas、Tokyo Photographs、US County Income 1969-2017 等十多个案例数据，书中全部分析都基于这批公开数据。
作者明说的「不是什么」
序言里有几条边界值得读之前知道：这不是给数据科学家的 GIS 入门书（作者推荐了 pythongis.org 那本做入门），也不是给地理学家的 Python 编程入门；选题取广度优先，每章都是该方向的入口而非纵深；贝叶斯推断、元胞自动机与基于主体的模型、GeoAI 前沿、地统计学的高斯过程等主题被有意排除，作者在序言里逐条解释了排除原因。
也就是说，想深入某一支（比如空间计量）还需要在本书之外继续读，但作为把 GIS 与数据科学两个社区接起来的框架，它的章节地图是完整的。
源码仓库与运行环境
GitHub 仓库 gdsbook/book 是全书的源码家（当前 373 个 star，最近推送 2026 年 6 月，已迁移到 Quarto 构建）：notebooks 目录按章组织，仓库根目录有 environment.yml 定义依赖环境，也提供 Dockerfile。想从头搭环境跑通全书，README 与第 2 章「计算工具」给了路径；只想阅读的话，网站本身免费开放，不注册、不安装任何东西。
许可：注意这一本与「可改编」教材不同
仓库 LICENSE 文件的原句是：This project is released under a Creative Commons BY-NC-ND license.（即 CC BY-NC-ND 4.0）。拆开说：BY 要求署名，NC 禁止商业性使用，ND 禁止分发演绎作品——也就是说你可以自由阅读、分享原文并用于非商业目的，但改编再发布是被许可条款排除的，这与常见的 CC BY-SA「可改编但需同许可」教材明显不同。
引用书中内容时注明三位作者与书名即可满足署名要求；想基于它改写材料的读者，需要另行联系作者获得授权。
────────────────
回复后可见：在线版全书、源码仓库与配套数据集区的官方地址。
京公网安备 11010802022788号
