pysal.explore.esda.Geary¶

class pysal.explore.esda.Geary(y, w, transformation='r', permutations=999)[源代码]¶

全局齿轮C自相关统计

参数:	y : 数组 （n，1）属性向量 w : W 空间权重 transformation : _'B'、'R'、'D'、'U'、'V' 权重转换，默认为二进制。其他选项包括“R”：行标准化，“D”：双重标准化，“U”：未转换（一般权重），“V”：方差稳定化。 permutations : 利息 计算伪p_值的随机排列数

笔记

技术细节和推导见 [CO81] .

实例

>>> import pysal.lib
>>> from pysal.explore.esda.geary import Geary
>>> w = pysal.lib.io.open(pysal.lib.examples.get_path("book.gal")).read()
>>> f = pysal.lib.io.open(pysal.lib.examples.get_path("book.txt"))
>>> y = np.array(f.by_col['y'])
>>> c = Geary(y,w,permutations=0)
>>> round(c.C,7)
0.3330108
>>> round(c.p_norm,7)
9.2e-05
>>>

属性:

y : 数组 原始变量 w : W 空间权重 permutations : 利息 排列数 C : 浮动 统计值 EC : 浮动 期望值 VC : 浮动 正态性假设下G的方差 z_norm : 浮动 正态假设下C的Z统计 z_rand : 浮动 随机假设下C的z统计量 p_norm : 浮动 正态性假设下的P值（单尾） p_rand : 浮动 随机假设下的p值（单尾） sim : 数组 （如果排列！=0）置换样本i值的向量 p_sim : 浮动 （如果排列！=0）基于排列（单尾）的p值：空：随机性选择：观察到的c是极端的，要么是非常高，要么是非常低。 EC_sim : 浮动 （如果排列！=0）排列c的平均值 VC_sim : 浮动 （如果排列！=0）排列c的方差 seC_sim : 浮动 （如果排列！=0）排列下c的标准差。 z_sim : 浮动 （如果排列！=0）基于排列的标准化C p_z_sim : 浮动 （如果排列！=0）基于排列标准正态近似的p值（单尾）

方法

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

在数据帧上计算齿轮统计的函数

__init__(y, w, transformation='r', 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[，转换，排列]）	初始化自身。
by_col \（df，cols[，w，inplace，pvalue，outvals]）	在数据帧上计算齿轮统计的函数