Topics

#book-with-code #chinese #computational-social-science #data #data-analysis #ebook #interactive-book #methodology #python #r #stata

Language breakdown

No language data available.

▸ Files click to expand

README

GitHub contributors GitHub last commit (branch) GitHub (Pre-)Release Date GitHub all releases GitHub Repo stars GitHub release (with filter)

Alt

正在建设中，敬请期待 🏗️

项目结构

└── CNCSS_Toolbox：计算社会科学工具箱
    ├── Caculess_Methodos《无算之策》正文文本（GitBook链接）
    ├── CaculessMethodoscode《无算之策》所用的环境与代码
    ├── DataSets 常用数据集（互联网上公开的）
    └── Assets 参考资料（互联网上公开的）

《无算之策》正文文本

第零部分——引言

- 第一节——时代变革下的社会科学：研究疆域的重塑与范式困境 - 第二节——计算社会科学的缘起：智识汇流、领域界定与范式确立 - 第三节——计算社会科学的四大支柱：核心任务、解决的问题与领域特性 - 第四节——无算之策：编排思路与结构 - 参考文献

问题回答与补充

第一部分——计算社会科学研究方法基础

第一章——认识论基础：计算社会科学的研究思维范式

- 第一节——问题思维: 计算社会科学探究的源起与罗盘 - 第二节——数据思维: 理解与批判计算社会科学的经验基础 - 第三节——模型思维：构建理解、预测与干预社会复杂性的抽象工具

第二章——方法论基础：通用的研究流程与核心概念

- 第一节——计算社会科学研究的迭代生命周期：核心阶段与循环反馈

《无算之策》代码部分

本部分包含了《无算之策》中各章节 Python 代码示例的实现。代码遵循“认识论 (Epistemology) - 方法论 (Methodology) - 操作化 (Operationalization)”的框架，旨在提供可直接运行和修改的材料。所有 Python 脚本均包含 if name == 'main': 块，使其可以独立执行以查看演示效果。同时，每个脚本都被设计为包含可导入的 API 式函数，方便用户在自己的项目中调用特定功能。所有注释和文档字符串均使用中文编写。

主演示脚本:

CalculessMethodoscode/main.py: 调用所有子演示脚本的总入口。

各部分演示集:

CalculessMethodoscode/maindemos/runadescribedemos.py: 运行 A 部分所有描述性分析演示。
CalculessMethodoscode/maindemos/runbpredictdemos.py: 运行 B 部分所有预测性建模演示。
CalculessMethodoscode/maindemos/runccausaldemos.py: 运行 C 部分所有因果推断演示。
CalculessMethodoscode/maindemos/rundsimulatedemos.py: 运行 D 部分所有模拟演示。

代码库结构 (CalculessMethodoscode):

CalculessMethodoscode/
├── main.py
├── main_demos/
│ ├── runadescribedemos.py
│ ├── runbpredictdemos.py
│ ├── runccausaldemos.py
│ └── rundsimulatedemos.py
├── ADescribe/ (描述性分析与探索性数据分析 EDA)
│ ├── init.py
│ ├── altair_examples.py
│ ├── bokeh_examples.py
│ ├── geopandasfoliumexamples.py
│ ├── lux_conceptual.py
│ ├── matplotlib_examples.py
│ ├── networkx_examples.py
│ ├── nltkspacywordcloudtexttools.py
│ ├── pandas_operations.py
│ ├── plotly_examples.py
│ ├── seaborn_examples.py
│ ├── sweetvizautovizconceptual.py
│ ├── tsnepcaexamples.py
│ └── ydataprofilingexamples.py
├── BPredict/ (预测性建模)
│ ├── init.py
│ ├── catboost_examples.py
│ ├── hyperparametertuningexamples.py
│ ├── lightgbm_examples.py
│ ├── modeldeploymentconceptual.py
│ ├── modelevaluationcomparison.py
│ ├── modelinterpretabilityexamples.py
│ ├── pytorch_examples.py
│ ├── sklearn_examples.py
│ ├── tensorflowkerasexamples.py
│ └── xgboost_examples.py
├── CCausal/ (因果推断)
│ ├── init.py
│ ├── causalml_example.py
│ ├── dowhy_example.py
│ ├── econml_example.py
│ └── othercausalmethods_conceptual.py
└── DSimulate/ (模拟)
├── init.py
├── agentbasedmodeling_mesa.py
├── discreteeventsimulation_simpy.py
├── montecarlosimulations.py
├── simulationtoolscomparison.py
└── systemdynamicspysd.py