pysal.explore.esda.G_Local¶

class pysal.explore.esda.G_Local(y, w, transform='R', permutations=999, star=False)[源代码]¶

广义局部G自相关

参数:	y : 数组 变量 w : W 距离带，基于阈值距离的权重实例，假定与Y对齐 transform : { r′，b′} W的类型，“B”（二进制）或“R”（行标准化） permutations : 利息 计算伪P值的随机排列数 star : 布尔 是否将焦点观察纳入合计（默认值：假）

笔记

为了在正态性假设下计算Gs的矩，Pysal认为W要么是二进制的，要么是行标准化的。对于二进制权重对象，对于行标准化权重对象，self的权重值为1，self的权重值为1/（其邻居数+1）。

有关技术详细信息，请参阅 [GO10] 和 [OG10] .

实例

>>> import pysal.lib
>>> import numpy
>>> numpy.random.seed(10)

准备点数据集

>>> points = [(10, 10), (20, 10), (40, 10), (15, 20), (30, 20), (30, 30)]

从点创建权重对象

>>> w = pysal.lib.weights.DistanceBand(points,threshold=15)

准备变量

>>> y = numpy.array([2, 3, 3.2, 5, 8, 7])

使用二进制权重对象应用getis和ord本地g测试

>>> from pysal.explore.esda.getisord import G_Local
>>> lg = G_Local(y,w,transform='B')

检查结果

>>> lg.Zs
array([-1.0136729 , -0.04361589,  1.31558703, -0.31412676,  1.15373986,
        1.77833941])
>>> round(lg.p_sim[0], 3)
0.101

>>> numpy.random.seed(10)

使用二进制权重对象应用getis和ord local g*测试>>>lg_star=g_local（y，w，transform='b'，star=true）

检查结果>>>lg_star.zs array（[-1.39727626，-0.28917762，0.65064964，-0.28917762，1.23452088，

2.02424331）

>>> round(lg_star.p_sim[0], 3)
0.101

>>> numpy.random.seed(12345)

使用行标准化权重对象应用getis和ord本地g测试>>>lg=g_本地（y，w，transform='r'）

检查结果>>>lg.zs数组（[-0.62074534，-0.01780611，1.31558703，-0.12824171，0.28843496，

1.77833941）

>>> round(lg.p_sim[0], 3)
0.103

>>> numpy.random.seed(10)

使用行标准化权重对象应用GETIS和ORD本地G*测试

>>> lg_star = G_Local(y,w,transform='R',star=True)

检查结果>>>lg_star.zs array（[-0.62488094，-0.09144599，0.41150696，-0.09144599，0.24690418，

1.28024388）

>>> round(lg_star.p_sim[0], 3)
0.101

属性:

y : 数组 原始变量 w : 距离带W 原始权重对象 permutations : 利息 排列的数目 Gs : 数组 对于浮动，GETIS&ORD中的原始G统计值（1992年） EGs : 浮动 正态性假设下的期望值GS值为标量，因为所有观测值的期望值都相同。 VGs : 数组 在正态性假设下的浮点数，g的方差值 Zs : 数组 浮球，标准化GS p_norm : 数组 对于浮点数，p值在正态性假设下（单侧），对于双侧检验，该值应乘以2。 sim : 数组 浮点数数组（如果置换>0），置换样本i值的向量 p_sim : 数组 对于浮点数，基于排列（单侧）的p值为空-空间随机性备选值-观察到的g是极值-要么是极高的，要么是极低的 EG_sim : 数组 浮点数，排列的g平均值 VG_sim : 数组 浮点数，排列G的方差 seG_sim : 数组 对于浮点数，排列下的标准差为g。 z_sim : 数组 浮点数，基于排列的标准化G p_z_sim : 数组 对于浮点数，p值基于排列的标准正态近似（单侧）

方法

by_col \（df，cols[，w，inplace，pvalue，outvals]）

在数据帧上计算G_局部统计的函数

calc

__init__(y, w, transform='R', permutations=999, star=False)[源代码]¶

初始化自身。请参阅帮助（键入（self））以获得准确的签名。

方法

__init__ \（Y，W[，转换，排列，星形]）	初始化自身。
by_col \（df，cols[，w，inplace，pvalue，outvals]）	在数据帧上计算G_局部统计的函数
calc （）