API引用

这是pysal的类和函数引用。

pysal.lib PySAL Core

空间权重

weights.W \(邻居[,权重,ID 订购,…]) 空间权重类。

距离权重

weights.DistanceBand \(数据,阈值[,P,…]) 基于距离带的空间权重。
weights.Kernel \(数据[,带宽,固定,K,…]) 基于核函数的空间权重。
weights.KNN \(数据[,k,p,ids,radius,…]) 基于k最近邻创建最近邻权重矩阵。

相邻权重

weights.Queen \(多边形,**千瓦) 从至少共享一个顶点的Pysal多边形集合构造权重对象。
weights.Rook \(多边形,**千瓦) 从至少共享一条边的Pysal多边形集合构造一个权重对象。
weights.Voronoi (点) 二维点集的Voronoi权重
weights.W \(邻居[,权重,ID 订购,…]) 空间权重类。

斯彭特砝码

weights.WSP \(稀疏[,ID U顺序]) SPREG的瘦W类。
weights.netW \(链接列表[,共享,转换]) 根据网络中编码的不同节点关系创建基于网络连续性的权重对象。
weights.mat2L \(边矩阵) 将表示网络连接(边或流)的矩阵转换为表示边的列表
weights.ODW \(wo,wd[,transform,…]) 使用O源和D目的地上的标准空间权重为O*D流构造O*D by O*D源-目的地样式的空间权重。
weights.vecW \(原点x,原点y,目标x,…) 基于距离的矢量空间权重,使用原点x、y坐标和目标x、y坐标之间的四维距离计算

权重实用程序类和函数

weights.block_weights \(状态[,ID,稀疏]) 为政权邻国构建空间权重。
weights.lat2W \([nrows,ncols,rook,idu type]) 为规则晶格创建W对象。
weights.comb \(项目[,n]) 项目中尺寸n的组合
weights.order \(W [,K最大值]) 确定连续到特定顺序的非冗余顺序。
weights.higher_order [W[,k]) k阶的邻接权对象。
weights.shimbel (W) 找到一阶邻接矩阵的希姆贝尔矩阵。
weights.remap_ids \(W,Old2New[,ID订购]) 重新映射空间权重对象中的ID。
weights.full2W \(M [,ID ]) 从完整数组创建Pysal W对象。
weights.full (W) 生成完整的numpy数组。
weights.WSP2W \(wsp [,静音警告]) 将Pysal WSP对象(细权重矩阵)转换为Pysal W对象。
weights.get_ids \(在u shps,idvariable中) 从与给定形状文件或geopandas.geodataframe一起移动的dbf文件中获取ID。
weights.get_points_array_from_shapefile (…) 从给定的形状文件获取X和Y坐标的数据数组。

加权用户类和函数

weights.min_threshold_distance \(数据[,P ]) 获取最大最近邻距离。
weights.lat2SW \([nrows,ncols,criteria,rowu st ]) 为规则晶格创建稀疏的W矩阵。
weights.w_local_cluster (W) 图中作为节点的每个单元的局部聚类系数。
weights.higher_order_sp \(W [,K ,…]) 稀疏W的邻接权重或顺序K的邻接权重。
weights.hexLat2W \([nrows,ncols]) 为六角形晶格创建W对象。
weights.attach_islands \(w,wu knn1) 以空间权重w将最近的邻居连接到岛屿。
weights.nonplanar_neighbors \(W,地理数据帧) 检测非平面多边形集合的邻居
weights.fuzzy_contiguity \(gdf [,公差,…]) 模糊邻接空间权重
weights.min_threshold_dist_from_shapefile (…) 具有自适应带宽的内核权重。
weights.build_lattice_shapefile \(nrows,…) 用nrows行和ncols列构建一个格子形状文件。
weights.spw_from_gal [(GALFILE)] 从gal文件中稀疏w的scipy矩阵。

设置理论权重

weights.w_union \(w1,w2[,静音警告]) 返回二进制权重对象w,该对象包括w1或w2中存在的所有邻居对。
weights.w_intersection \(w1,w2[,wu shape,…]) 返回二进制权重对象w,该对象只包含w1和w2中存在的那些邻居对。
weights.w_difference \(w1,w2[,wu shape,…]) 返回binary weights对象w,它只包含w1中不在w2中的邻居对。
weights.w_symmetric_difference \(w1,w2[,…]) 返回二进制权重对象w,该对象只包含w1和w2不共享的邻居对。
weights.w_subset \(w1,ids [,silence u warnings ]) 返回一个binary weights对象w,该对象只包含id中的那些观测值。
weights.w_clip \(w1 ,w2 [,outsp ,silence u warnings ]) 使用不同的w对象(w2)裁剪连续w对象(w1),以便只有w2具有非零值的单元格在w1中保留非零值。

空间滞后

weights.lag_spatial (w,y) 空间滞后运算符。
weights.lag_categorical \(W,Y[,领带]) 分类变量的空间滞后运算符。

CG:计算几何

alpha_shapes

cg.alpha_shape \(xys,alpha) 阿尔法形状描绘(埃德尔斯布伦纳,柯克帕特里克和塞德尔,1983年)从一个点集合…
cg.alpha_shape_auto \(xys [,步骤,详细]) 自动选择α来计算α形状轮廓。

泰森多边形

cg.voronoi_frames \(点[,半径]) 将voronoi区域和生成器点作为单个数据帧返回的复合助手

cg.RADIUS_EARTH_KM  浮点(X)->浮点数
cg.RADIUS_EARTH_MILES  浮点(X)->浮点数
cg.arcdist \(pt0,pt1[,半径]) 球面上两点之间的弧距离。
cg.arcdist2linear \(弧距离[,半径]) 将单位球体中的弧距离(球形地球)转换为线性距离(r3)。
cg.brute_knn \(点,k [,模式]) 有效模式为['arc'、'xrz']
cg.fast_knn \(点,k [,返回距离]) 计算一个球体上的K最近邻。
cg.fast_threshold \(点,距离[,半径]) 在阈值距离内查找球体上的所有邻居
cg.linear2arcdist \(线性距离[,半径]) 将单位球体(r3)中的线性距离转换为基于提供的半径的弧距离
cg.toLngLat (XYZ) 将X、Y、Z转换为纬度和经度
cg.toXYZ [(Pt)] 将点的纬度和经度转换为X、Y、Z
cg.lonlat \(点列表) 将点顺序从lat-lon元组转换为lon-lat(x,y)元组
cg.harcdist \(p0,p1[,lonx,radius]) 替代弧距函数,使用哈弗斯线公式
cg.geointerpolate \(p0,p1,t [,lonx ]) 沿大圆查找球体上两点之间的距离(在大圆导航中也称为路点)的点
cg.geogrid \(小狗,pdown ,k [,lonx ]) 使用geoipolate为lat lon中的边界框计算k+1乘以k+1的网格点集

形状

cg.Point \(LOC) 点对象的几何类。
cg.LineSegment \(开始点,结束点) 直线段对象的几何表示。
cg.Line (m,b) 线条对象的几何表示。
cg.Ray \(原点,第二个点) 射线物体的几何表示。
cg.Chain \(顶点) 链的几何表示,也称为多段线。
cg.Polygon \(顶点[,孔]) 多边形对象的几何表示。
cg.Rectangle \(左、下、右、上) 矩形对象的几何表示。
cg.asShape [(Obj]) 从obj返回pysal shape对象。

独立的

cg.bbcommon \(bb,bb其他) 在pysal.weights中也定义了边界框重叠测试的旧星方法。
cg.get_bounding_box (项目) 查找几何图形列表的边界框
cg.get_angle_between \(光线1,光线2) 返回共享原点的一对光线之间形成的角度获取(ray,ray)->数字之间的角度
cg.is_collinear \(p1,p2,p3) 返回三个点是否共线。
cg.get_segments_intersect \(第1段、第2段) 返回两段的交集。
cg.get_segment_point_intersect (SEG,Pt) 返回段和点的交点。
cg.get_polygon_point_intersect [聚(Pt)] 返回多边形与点的交点。
cg.get_rectangle_point_intersect [(t,t)] 返回矩形与点的交集。
cg.get_ray_segment_intersect [(射线,SEG)] 返回光线与线段的交点。
cg.get_rectangle_rectangle_intersection [(R0,R1)] 返回两个矩形之间的交集。
cg.get_polygon_point_dist [聚(Pt)] 返回多边形和点之间的距离。
cg.get_points_dist \(第1、2页) 返回一对点之间的距离。
cg.get_segment_point_dist (SEG,Pt) 返回直线段与点之间的距离,以及沿直线段上最近点的段与点之间的距离,与直线段的长度之比。
cg.get_point_at_angle_and_dist \(光线,角度,距离) 返回相对于光线原点的距离和角度的点。
cg.convex_hull (点) 返回一组点的凸壳。
cg.is_clockwise \(顶点) 返回描述多边形的点列表是顺时针还是逆时针。
cg.point_touches_rectangle \(点,矩形) 如果点在矩形中或触及其边界,则返回true。
cg.get_shared_segments \(poly1,poly2 [,bool u ret ]) 返回两个多边形共用的线段。
cg.distance_matrix \(x [,p,阈值]) 距离矩阵

定位器

cg.Grid \(边界,分辨率) 表示一个分块数据结构。
cg.PointLocator (点) 点索引数据结构的抽象表示。
cg.PolygonLocator (多边形) 多边形索引数据结构的抽象表示。

kd树

cg.KDTree \(数据[,最小尺寸,距离公制,…]) 基于scipy中的kd树功能构建的kd树。

输入输出

io.open  pysal.lib.io.fileio.FileIO 的别名
io.fileio.FileIO \([数据路径,模式,数据格式]) 支持空间数据文件读写的元类

实例

examples.available \([详细]) 列出可用数据集
examples.explain (姓名) 按名称解释数据集
examples.get_path \(例如名称[,原始]) 获取示例文件夹的路径

pysal.explore :探索性空间数据分析

pysal.explore.esda:空间自相关分析

伽马统计量

esda.Gamma \(Y,W[,操作,标准化,…]) 空间自相关的伽马指数

吉利统计

esda.Geary \(Y,W[,转换,排列]) 全局齿轮C自相关统计

GETIS ORD统计

esda.G \(Y、W、排列方式) 全局G自相关统计
esda.G_Local \(y,w[,transform,…]) 广义局部G自相关

联接计数统计信息

esda.Join_Counts \(Y、W、排列方式) 二进制联接计数

莫兰统计

esda.Moran \(Y,W[,转换,…]) 全球自相关统计
esda.Moran_BV \(X,Y,W[,转换,…]) 双变量莫兰I
esda.Moran_BV_matrix \(变量,w [,…]) 二元Moran矩阵
esda.Moran_Local \(Y,W[,转换,…]) 当地莫兰统计
esda.Moran_Local_BV \(X,Y,W[,…]) 二元局部Moran统计
esda.Moran_Rate \(E,B,W[,已调整,…]) 利率变量的修正莫兰I全局自相关统计 [AR99]
esda.Moran_Local_Rate \(E,B,W[,已调整,…]) 调整了利率变量的本地Moran统计数据[assuncao1999]_

pysal.explore.giddy:地理空间分布动力学

马尔可夫法

giddy.markov.Markov \(类标识[,类]) 经典马尔可夫转移矩阵。
giddy.markov.Spatial_Markov \(Y,W[,K,M,…]) 马尔可夫跃迁的条件是空间滞后的值。
giddy.markov.LISA_Markov \(Y,W[,…]) 空间关联局部指标的马尔可夫
giddy.markov.FullRank_Markov 
giddy.markov.GeoRank_Markov 
giddy.markov.kullback \(F) 马尔可夫同质性的基于Kullback信息的检验。
giddy.markov.prais (PMAT) prais条件迁移度量。
giddy.markov.homogeneity \(转换矩阵) 检验跨状态马尔可夫转移概率的同质性。
giddy.markov.sojourn_time 
giddy.ergodic.steady_state [(p)] 计算正则马尔可夫转移矩阵p的稳态概率向量。
giddy.ergodic.fmpt [(p)] 计算遍历转移概率矩阵的第一平均通过时间矩阵。
giddy.ergodic.var_fmpt [(p)] 遍历转移概率矩阵的第一平均通过时间的方差。

定向丽莎

giddy.directional.Rose \(Y、W、K和) 基于玫瑰图的定向Lisa推理。

经济流动指数

giddy.mobility.markov_mobility \(P [,度量值,ini ]) 基于马尔可夫的流动指数。

交换移动方法

giddy.rank.Theta \(Y,状态[,排列]) 制度流动性措施。
giddy.rank.Tau \(X,Y) 肯德尔的tau是基于两个变量之间具有一致秩的n个观测对的数量的比较。
giddy.rank.SpatialTau \(X,Y,W[,排列]) 肯德尔秩相关统计的空间版本。
giddy.rank.Tau_Local \(X,Y) 经典tau的本地版本。
giddy.rank.Tau_Local_Neighbor \(X,Y,W[,…]) 邻居塞利马。
giddy.rank.Tau_Local_Neighborhood \(X,Y,W[,…]) 利马附近。
giddy.rank.Tau_Regional \(X,Y,状态[,…]) 经典tau的跨区域分解。

pysal.explore.不等式:空间不等式分析

泰尔不等式测度

inequality.theil.Theil (y) 经典泰尔不等式测度
inequality.theil.TheilD \(Y,分区) 基于观测到的穷尽和互斥群的泰尔T分解
inequality.theil.TheilDSim \(Y,分区[,…]) 基于泰尔不等式分解的随机置换推理。

基尼不平等衡量标准

inequality.gini.Gini_Spatial \(X,W[,…]) 空间基尼系数

pysal.explore.pointpats:点模式分析

点模式

pointpats.PointPattern \(点[, window, ...] ) 二维平面点模式。

点过程

pointpats.PointProcess \(窗口,n,示例[, ...] ) 点进程基类。
pointpats.PoissonPointProcess \(窗口,n,示例) 泊松点过程包括 \(N\) -条件CSR过程和 \(\lambda\) -有条件的企业社会责任流程。
pointpats.PoissonClusterPointProcess \(窗口,…) 泊松聚类点过程(内曼·斯科特)。

中心照相术

pointpats.mbr (点) 查找点数组的最小边界矩形。
pointpats.hull (点) 找到点阵列的凸面外壳。
pointpats.mean_center (点) 求点阵列的平均中心。
pointpats.weighted_mean_center \(点,权重) 找出标记点模式的加权平均中心。
pointpats.manhattan_median (点) 找到点阵列的曼哈顿中值。
pointpats.std_distance (点) 计算点阵列的标准距离。
pointpats.euclidean_median (点) 计算点模式的欧几里得中值。
pointpats.ellipse (点) 计算点模式标准偏差椭圆的参数。
pointpats.skyum \(点[, not_hull] ) 对r^2中的最小边界圆实现Skyum(1990)的算法。
pointpats.dtot \(坐标,点) 事件点和选定点之间的欧几里得距离之和。
pointpats._circle \(P、Q、R)[, dmetric] ) 返回由三角形pqr限定的圆的半径(圆心,圆心)。

基于象限的统计

pointpats.RectangleM \(聚丙烯)[, count_column, ...] ) 矩形网格结构为基于四边形的方法。
pointpats.HexagonM \(左/右) 六角形网格结构为四边形法。
pointpats.QStatistic \(聚丙烯)[, shape, nx, ny, ...] ) 点模式的四次分析。

基于距离的统计

pointpats.DStatistic (姓名) 距离统计的抽象基类。
pointpats.G \(聚丙烯)[, intervals, dmin, dmax, d] ) 估计点模式的最近邻距离分布函数g。
pointpats.F \(聚丙烯)[, n, intervals, dmin, dmax, d] ) 估计点模式的空空间分布函数:f(d)。
pointpats.J \(聚丙烯)[, n, intervals, dmin, dmax, d] ) 估计点模式的J函数 [LB96]
pointpats.K \(聚丙烯)[, intervals, dmin, dmax, d] ) 估计点模式的k函数。
pointpats.L \(聚丙烯)[, intervals, dmin, dmax, d] ) 估计点模式的L函数。
pointpats.Envelopes * ARGs, *  * 克瓦格斯) 模拟信封的抽象基类。
pointpats.Genv \(聚丙烯)[, intervals, dmin, dmax, ...] ) G函数的模拟包络。
pointpats.Fenv \(聚丙烯)[, n, intervals, dmin, ...] ) F函数的模拟包络。
pointpats.Jenv \(聚丙烯)[, n, intervals, dmin, ...] ) j函数的模拟包络。
pointpats.Kenv \(聚丙烯)[, intervals, dmin, dmax, ...] ) k函数的模拟包络。
pointpats.Lenv \(聚丙烯)[, intervals, dmin, dmax, ...] ) L函数的模拟包络。

窗口功能

pointpats.Window \(零件[, holes] ) 点模式的几何容器。
pointpats.as_window \(皮萨尔多边形) 将pysal.lib多边形转换为窗口。
pointpats.poly_from_bbox \(bbox)
pointpats.to_ccf \(聚乙烯)

pysal.explore.意粉:

spaghetti.Network

spaghetti.Network \([在数据,节点信号,…]) 空间受限的网络表示和分析功能。
spaghetti.Network.extractgraph () 使用现有的网络表示,通过删除相邻两个(非连接点)的所有节点,创建一个图表理论表示。
spaghetti.Network.contiguityweights \([图形,…]) 创建基于连续性的w对象。
spaghetti.Network.distancebandweights (阈值) 创建基于距离的权重。
spaghetti.Network.snapobservations \(在数据,名称中) 将点模式形状文件捕捉到此网络对象。
spaghetti.Network.compute_distance_to_nodes [(x,…)] 对网络边缘进行观察后,返回到绑定该端的两个节点的距离。
spaghetti.Network.compute_snap_dist \(模式,IDX) 对网络边缘进行捕捉观察后,计算从原始位置到捕捉位置的距离。
spaghetti.Network.count_per_edge \(obs在网络上) 计算每边的计数。
spaghetti.Network.simulate_observations \(计数) 在网络上生成模拟点模式。
spaghetti.Network.enum_links_node \(v0) 返回节点周围的边(链接)。
spaghetti.Network.node_distance_matrix (…) 从AllNeighborDistances()、NearestNeighborDistances()和DistanceBandWeights()内调用。
spaghetti.Network.allneighbordistances (…) 在单点模式中计算i和j之间的所有距离,或者从源模式计算每个i和从目的模式计算所有j之间的所有距离。
spaghetti.Network.nearestneighbordistances (…) 计算源模式和目标模式之间的模式间最近邻距离或模式内最近邻距离。
spaghetti.Network.NetworkF \(点模式[,…]) 计算网络约束的F-函数
spaghetti.Network.NetworkG \(点模式[,…]) 计算网络约束的g-函数
spaghetti.Network.NetworkK \(点模式[,…]) 计算网络约束的k函数
spaghetti.Network.segment_edges (距离) 将网络中的所有边缘分段到
spaghetti.Network.savenetwork \(文件名) 将网络保存到磁盘作为二进制文件。
spaghetti.Network.loadnetwork \(文件名) 从保存在磁盘上的二进制文件加载网络。

spaghetti.NetworkBase

spaghetti.NetworkBase \(NTW,PointPattern[,…]) 用于对意大利面条执行网络分析的基本对象。网络对象。
spaghetti.NetworkBase.computeenvelope () 计算信封的上下限
spaghetti.NetworkBase.setbounds (最近) 设置上下限
spaghetti.NetworkBase.validatedistribution () 支持统计分布

spaghetti.NetworkF

spaghetti.NetworkF \(NTW,PointPattern[,…]) 计算网络约束的F统计量。
spaghetti.NetworkF.computeenvelope () 计算信封的上下限
spaghetti.NetworkF.setbounds (最近) 设置上下限
spaghetti.NetworkF.validatedistribution () 支持统计分布
spaghetti.NetworkF.computeobserved () 计算观测最近和模拟最近
spaghetti.NetworkF.computepermutations () 计算最近的排列

spaghetti.NetworkG

spaghetti.NetworkG \(NTW,PointPattern[,…]) 计算一个网络约束的G统计量。
spaghetti.NetworkG.computeenvelope () 计算信封的上下限
spaghetti.NetworkG.setbounds (最近) 设置上下限
spaghetti.NetworkG.validatedistribution () 支持统计分布
spaghetti.NetworkG.computeobserved () 计算最近观测值
spaghetti.NetworkG.computepermutations () 计算最近的排列

spaghetti.NetworkK

spaghetti.NetworkK \(NTW,PointPattern[,…]) 计算网络约束k统计量。
spaghetti.NetworkK.computeenvelope () 计算信封的上下限
spaghetti.NetworkK.setbounds (最近) 设置上下限
spaghetti.NetworkK.validatedistribution () 支持统计分布
spaghetti.NetworkK.computeobserved () 计算最近观测值
spaghetti.NetworkK.computepermutations () 计算最近的排列

spaghetti.PointPattern

spaghetti.PointPattern \([在u数据,…]) 用于存储点模式的存根点模式类。

spaghetti.SimulatedPointPattern

spaghetti.SimulatedPointPattern () 结构样式类以镜像点模式类。

意大利面条

spaghetti.compute_length \(V0,V1) 计算两点之间的欧几里得距离。
spaghetti.dijkstra \(NTW ,成本,v0 [,N ]) 计算起点节点和起点-终点矩阵中所有其他节点之间的最短路径。
spaghetti.dijkstra_mp \(NTW成本节点) 根据请求,使用多个核心计算开始节点和Web中所有其他节点之间的最短路径。
spaghetti.generatetree (PRDD) 重建从根原点到目标的最短路径
spaghetti.get_neighbor_distances \(NTW、V0、L) 沿着连接边缘获取到最近节点邻居的距离。
spaghetti.snap_points_on_segments \(点,…) 将点放在一组分段中的壁橱分段上
spaghetti.squared_distance_point_segment (…) 求点与线段之间的平方距离。
spaghetti.ffunction \(最近的,较低的,…) 计算f函数
spaghetti.gfunction \(最近的,较低的,…) 计算G函数
spaghetti.kfunction \(最近的,上界的,…) 计算k函数

pysal.viz :地理可视化

pysal.viz.mapclassify:脊索动物地图分类

分类器

mapclassify.Box_Plot \(Y [,铰链]) 方框图分类
mapclassify.Equal_Interval [y[,k]) 等间隔分类
mapclassify.Fisher_Jenks [y[,k]) Fisher-Jenks最优分类器-基于均值
mapclassify.Fisher_Jenks_Sampled \(Y[,K,…]) 基于随机样本的Fisher-Jenks最优分类器
mapclassify.HeadTail_Breaks (y) 重尾分布的首尾断裂图分类
mapclassify.Jenks_Caspall [y[,k]) Jenks Caspall地图分类
mapclassify.Jenks_Caspall_Forced [y[,k]) Jenks Caspall地图强制移动分类
mapclassify.Jenks_Caspall_Sampled \(Y [,K ,PCT ]) 使用随机样本的Jenks Caspall地图分类
mapclassify.Max_P_Classifier \(Y[,K,首字母]) 最大地图分类
mapclassify.Maximum_Breaks \(Y[,K,Mindiff]) 最大断裂图分类
mapclassify.Natural_Breaks \(Y[,K,首字母]) 自然断裂图分类
mapclassify.Quantiles [y[,k]) 分位数图分类
mapclassify.Percentiles \(Y[,PCT]) 百分位数地图分类
mapclassify.Std_Mean \(Y[,倍数]) 标准差和平均图分类
mapclassify.User_Defined (Y,箱) 用户指定的绑定

公用事业

mapclassify.K_classifiers \(Y[,PCT]) 评估所有K分类器并根据K和GADF选择最佳
mapclassify.gadf \(y [,方法,maxk ,pct ]) 评估分类器的绝对偏差拟合优度,找到gadf>pct的k的最小值。

pysal.viz.splot:轻量级可视化界面

头晕

splot.giddy.dynamic_lisa_heatmap 
splot.giddy.dynamic_lisa_rose 
splot.giddy.dynamic_lisa_vectors 
splot.giddy.dynamic_lisa_composite 
splot.giddy.dynamic_lisa_composite_explore 

ESDA

splot.esda.moran_scatterplot \(莫兰[,…]) 莫兰散点图
splot.esda.plot_moran \(莫兰[,Z标准,…]) 全球莫兰I模拟了参考分布和散射图。
splot.esda.plot_moran_simulation \(莫兰[,…]) 全球莫兰I模拟参考分布。
splot.esda.plot_moran_bv \(Moran u bv [,…]) 二元Moran's I模拟了参考分布和散射图。
splot.esda.plot_moran_bv_simulation (莫兰BV) 二元Moran's I模拟了参考分布。
splot.esda.lisa_cluster \(moran u loc ,gdf [,p ,…]) 创建Lisa群集映射
splot.esda.plot_local_autocorrelation \(…[,…]) 制作莫兰·斯卡特普洛特、丽莎集群和合唱团地图的三个绘图可视化,并使用本地莫兰区域和象限遮罩。
splot.esda.moran_facet \(莫兰矩阵 Moran方面可视化。

砝码

splot.libpysal.plot_spatial_weights (W,GDF) 绘制空间权重网络。

映射

splot.mapping.value_by_alpha_cmap \(X,Y[,…]) 按alpha rgba值计算值
splot.mapping.vba_choropleth \(X,Y,GDF[,…]) alpha choropleth值
splot.mapping.vba_legend \(rgb 箱,…[,ax ]) 通过用作副歌图例的alpha heatmap创建值。
splot.mapping.mapclassify_bin \(Y,分类器) 将数据分类为 pysal.mapclassify 注意:输入参数取决于使用的分类器。

pysal.model :用于空间数据分析的线性模型

pysal.model.spreg:空间计量经济学

这些是由 spreg 包裹。每个文档在其docstring中都包含大量详细信息,讨论了如何使用它们、它们如何适合以及如何解释结果。

spreg.OLS \(Y、X[、W、Robust、GWK、Sig2N、U K、…]) 带结果和诊断的普通最小二乘法。
spreg.ML_Lag \(y,x,w[,method,epsilon,…]) 所有结果和诊断的空间滞后模型的ML估计;Anselin(1988年)【Anselin1988年】_
spreg.ML_Error \(y,x,w[,method,epsilon,…]) 所有结果和诊断的空间滞后模型的ML估计;Anselin(1988年)【Anselin1988年】_
spreg.GM_Lag \(Y、X[、Yend、Q、W、W标记、…]) 空间两阶段最小二乘法(s2sls),结果和诊断;Anselin(1988年)【Anselin1988年】_
spreg.GM_Error \(y,x,w[,vm,nameu y,…]) 空间误差模型的GMM方法,包括结果和诊断;基于Kelejian和Prucha(1998年、1999年)【Kelejian1998年】【Kelejian1999年】。
spreg.GM_Error_Het \(y,x,w[,maxi ter,…]) 具有异方差性的空间误差模型的GMM方法,包括结果和诊断;基于arraiz等人[arraiz2010]uuu,遵循anselin[anselin2011]u。
spreg.GM_Error_Hom \(y,x,w[,maxi ter,…]) 基于Drukker等人的空间误差模型的GMM方法,具有同构性、结果和诊断。
spreg.GM_Combo \(Y、X[、Yend、Q、W、W标记、…]) 基于Kelejian和Prucha(1998年,1999年)【Kelejian1998年】【Kelejian1999年】【uuuu】的带有内生变量的空间滞后和误差模型的GMM方法,以及结果和诊断。
spreg.GM_Combo_Het \(Y,X[,Yend,Q,W,…]) 基于arraiz等人[arraiz2010]uuu的空间滞后和误差模型的GMM方法,具有异方差和内生变量、结果和诊断;遵循Anselin[Anselin2011]uuu。
spreg.GM_Combo_Hom \(Y,X[,Yend,Q,W,…]) 基于Drukker等人的空间滞后和误差模型的GMM方法,具有同构性和内生变量、结果和诊断。
spreg.GM_Endog_Error \(Y、X、Yend、Q、W[、VM、…]) 基于Kelejian和Prucha(1998年,1999年)【Kelejian1998年】【Kelejian1999年】【uuux】的带有内生变量的空间误差模型的GMM方法,并给出结果和诊断。
spreg.GM_Endog_Error_Het \(Y、X、Yend、Q、W[、…]) 基于arraiz等人[arraiz2010]uuu的空间误差模型的GMM方法,具有异方差性和内生变量,结果和诊断;遵循Anselin[Anselin2011]uu。
spreg.GM_Endog_Error_Hom \(Y、X、Yend、Q、W[、…]) 基于Drukker等人的空间误差模型的GMM方法,具有同构性和内生变量、结果和诊断。
spreg.TSLS \(Y、X、Yend、Q[、W、Robust、GWK、…]) 两阶段最小二乘与结果和诊断。
spreg.ThreeSLS \(bigy,bigx,bigyend,bigq[,…]) 3sls估计的用户类

制度模式

状态模型是空间回归模型的变体,它允许参数中的结构不稳定。这意味着这些模型允许在不同的数据子集中使用不同的系数值。

spreg.OLS_Regimes \(Y,X,状态[,W,…]) 带结果和诊断的普通最小二乘法。
spreg.ML_Lag_Regimes \(Y,X,状态[,W,…]) 带状态的空间滞后模型的ML估计(注:未添加一致性检查、诊断或常量);Anselin(1988年)【Anselin1988年】_
spreg.ML_Error_Regimes \(Y,X,状态[,W,…]) 带状态的空间误差模型的ML估计(注:未添加一致性检查、诊断或常数);Anselin(1988年)【Anselin1988年】_
spreg.GM_Lag_Regimes \(Y,X,状态[,是和,…]) 空间两阶段最小二乘法(s2sls)与制度;Anselin(1988年)【Anselin1988年】_
spreg.GM_Error_Regimes \(Y,X,状态,W[,…]) 基于Kelejian和Prucha(1998年,1999年)【Kelejian1998年】【Kelejian1999年】uu的空间误差模型的GMM方法,包括状态、结果和诊断。
spreg.GM_Error_Het_Regimes \(Y、X、状态、W) 基于arraiz等人[arraiz2010]uuu的空间误差模型的GMM方法,遵循Anselin[Anselin2011]u。
spreg.GM_Error_Hom_Regimes \(Y、X、状态、W) 基于Drukker等人的空间误差模型的GMM方法,具有同构性、状态、结果和诊断。
spreg.GM_Combo_Regimes \(Y,X,状态[,…]) 基于Kelejian和Prucha(1998年,1999年)【Kelejian1998年】【Kelejian1999年】uuu的空间滞后和误差模型的GMM方法,包括状态和内生变量、结果和诊断。
spreg.GM_Combo_Hom_Regimes \(Y,X,状态[,…]) 基于Drukker等人的空间滞后和误差模型的GMM方法,具有同构性、状态和内生变量、结果和诊断。
spreg.GM_Combo_Het_Regimes \(Y,X,状态[,…]) 空间滞后和误差模型的GMM方法,具有异方差、状态和内生变量,具有结果和诊断;基于Arraiz等人[Arraiz2010]uuu,遵循Anselin[Anselin2011]uu。
spreg.GM_Endog_Error_Regimes \(Y,X,Yend,Q,…) 基于Kelejian和Prucha(1998年,1999年)【Kelejian1998年】【Kelejian1999年】【uuuu】的具有状态和内生变量、结果和诊断的空间误差模型的GMM方法。
spreg.GM_Endog_Error_Hom_Regimes \(Y,X,Yend,…) 空间误差模型的GMM方法,具有同构性、状态和内生变量。
spreg.GM_Endog_Error_Het_Regimes \(Y,X,Yend,…) 空间误差模型的GMM方法,具有异方差性、状态和内生变量、结果和诊断;基于arraiz等人[arraiz2010]uuu,遵循Anselin[Anselin2011]uuu。

看似不相关的回归

明显不相关的回归模型是线性回归的推广。这些模型(及其空间概括)允许使用相同模型的组之间的剩余项中的相关性。在空间上看似不相关的回归中,允许组间的误差项显示一种结构化的相关性:空间相关性。

spreg.SUR \(bigy,bigx[,w,状态,…]) 用于SUR估计的用户类,包括两步和迭代
spreg.SURerrorGM \(bigy,bigx,w[,状态,…]) 基于极大似然估计SUR误差的用户类
spreg.SURerrorML \(bigy,bigx,w[,状态,…]) 基于极大似然估计SUR误差的用户类
spreg.SURlagIV \(bigy,bigx[,bigyend,bigq,…]) 空间滞后估计的用户类
spreg.ThreeSLS \(bigy,bigx,bigyend,bigq[,…]) 3sls估计的用户类

pysal.model.mgwr:多尺度地理加权回归

GWR模型估计与推理

mgwr.gwr.GWR \(coords,y,x,bw[,family,…]) 地理加权回归。
mgwr.gwr.GWRResults \(型号,参数,PREDY ,S ,CCT ) 基本类,包括所有GWR回归模型的公共属性
mgwr.gwr.GWRResultsLite \(型号,剩余,流入) 轻量GWR,计算带宽选择所需的最小诊断

MGWR估计与推理

mgwr.gwr.MGWR \(坐标,Y,X,选择器[,…]) 多尺度GWR估计与推理。
mgwr.gwr.MGWRResults \(型号,参数,Predy ,…) 类,包括MGWR模型的公共属性。

内核规范

mgwr.kernels.Kernel 
mgwr.kernels.local_cdist 

带宽选择

mgwr.sel_bw.Sel_BW \(坐标,Y ,X 位置[,…]) 为内核选择带宽

可视化

mgwr.utils.shift_colormap \(cmap [,开始,…]) 函数来偏移颜色图的“中心”。
mgwr.utils.truncate_colormap \(cmap [,minval,…]) 函数通过选择原始颜色映射值的子集来截断颜色映射
mgwr.utils.compare_surfaces \(数据,var1 ,…) 创建gwr和mgwr表面比较可视化的函数。