文章目录
本内容为整理自地理小子关于《深入浅出之—— 面向专业化高级空间数据分析师的八堂课》课程的学习笔记
1 传统数据处理与当下数据处理的困境
数据的特点
（1）薄数据+厚数据
薄数据：数据量大，属性少（比如仅有点的位置和状态）
厚数据：调研数据、访谈数据
（2）空间+时间+属性
时空数据
（3）二维+三维+多维
二维：x、y
三维：x、y、z(时间)
多维：x、y、z、时间、其他多个属性
（4）多来源+多类型+多结构
多来源：社会统计数据、调查访谈数据、通过传感器获取的大数据等等
多类型：
同一类别的不同类型，比如，交通（公交、出租车、汽车、共享单车）
不同类别的多种类型，比如，交通、天气、人口
多结构：矢量数据、栅格数据（tin、grid）
（5）多精度+多尺度+多密度
处理形式
产生大体量数据的两种方式
（1）从源数据中提取主要信息的过程
（2）从源数据中提取隐含信息的过程
传统空间数据与数据处理
（1）传统空间数据的特点
数据量小
数据类型少
时间密度小
（2）传统空间数据处理的特点
多个数据文件逐一操作
数据清洗要求低，难度较小
很多时候，批处理不是必需的
大数据及时空大数据处理
（1）大数据的特点
数量较少的单个大数据量文件
数量较多的多个小数据量文件
多种不同数据类型的多个数据文件
（2）空间大数据处理的特点
分布式计算与处理成为主要解决方案
自动流程化处理是必备的数据处理技能
数据清洗成为数据处理过程中的重要环节