pysal.explore.esda.Gamma¶

class pysal.explore.esda.Gamma(y, w, operation='c', standardize='no', permutations=999)[源代码]¶

空间自相关的伽马指数

参数:	y : 数组 跨n个空间单元测量的变量 w : W 空间权重实例可以是二进制或行标准化的 operation : { c’，s’，‘a’} 属性相似度函数，其中“c”叉积“s”平方差“a”绝对差 standardize : {“不”，“是”} 首先标准化变量“否”保持原样“是”或“Y”标准化为零和方差1。 permutations : 利息 计算伪p_值的随机排列数

笔记

有关更多技术详细信息，请参阅 [HGC81] .

实例

使用与连接计数相同的示例来显示相似性

>>> import pysal.lib, numpy as np
>>> from pysal.explore.esda.gamma import Gamma
>>> w = pysal.lib.weights.lat2W(4,4)
>>> y=np.ones(16)
>>> y[0:8]=0
>>> np.random.seed(12345)
>>> g = Gamma(y,w)
>>> g.g
20.0
>>> round(g.g_z, 3)
3.188
>>> round(g.p_sim_g, 3)
0.003
>>> g.min_g
0.0
>>> g.max_g
20.0
>>> g.mean_g
11.093093093093094
>>> np.random.seed(12345)
>>> g1 = Gamma(y,w,operation='s')
>>> g1.g
8.0
>>> round(g1.g_z, 3)
-3.706
>>> g1.p_sim_g
0.001
>>> g1.min_g
14.0
>>> g1.max_g
48.0
>>> g1.mean_g
25.623623623623622
>>> np.random.seed(12345)
>>> g2 = Gamma(y,w,operation='a')
>>> g2.g
8.0
>>> round(g2.g_z, 3)
-3.706
>>> g2.p_sim_g
0.001
>>> g2.min_g
14.0
>>> g2.max_g
48.0
>>> g2.mean_g
25.623623623623622
>>> np.random.seed(12345)
>>> g3 = Gamma(y,w,standardize='y')
>>> g3.g
32.0
>>> round(g3.g_z, 3)
3.706
>>> g3.p_sim_g
0.001
>>> g3.min_g
-48.0
>>> g3.max_g
20.0
>>> g3.mean_g
-3.2472472472472473
>>> np.random.seed(12345)
>>> def func(z,i,j):
...     q = z[i]*z[j]
...     return q
...
>>> g4 = Gamma(y,w,operation=func)
>>> g4.g
20.0
>>> round(g4.g_z, 3)
3.188
>>> round(g4.p_sim_g, 3)
0.003

属性:	y : 数组 原始变量 w : W 原始W对象 op : { c’，s’，‘a’} 属性相似度函数，根据参数属性相似度函数 stand : {“不”，“是”} 标准化 permutations : 利息 排列数 gamma : 浮动 伽玛指数值 sim_g : 数组 （如果排列>0）排列样本的伽马指数值向量 p_sim_g : 数组 （如果排列>0）基于排列（单侧）的p值空：空间随机性替代：观察到的gamma比作为双面测试实现的随机性下更极端 mean_g : 浮动 排列伽玛值的平均值 min_g : 浮动 排列伽玛值的最小值 max_g : 浮动 排列伽玛值的最大值

方法

by_col

__init__(y, w, operation='c', standardize='no', permutations=999)[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[，操作，标准化，…]）	初始化自身。
by_col \（df，cols[，w，inplace，pvalue，outvals]）

属性

p_sim

与Moran模块匹配的新名称