pysal.explore.esda.Moran¶

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

全球自相关统计

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 transformation : 一串 权重转换，默认为行标准化“r”。其他选项包括“B”：二进制，“D”：双重标准化，“U”：未转换（一般权重），“V”：方差稳定。 permutations : 利息 计算伪p_值的随机排列数 two_tailed : 布尔 如果moran的真（默认）分析p值是双尾的，否则如果为假，则它们是单尾的。

笔记

技术细节和推导见 [CO81] .

实例

>>> import pysal.lib
>>> w = pysal.lib.io.open(pysal.lib.examples.get_path("stl.gal")).read()
>>> f = pysal.lib.io.open(pysal.lib.examples.get_path("stl_hom.txt"))
>>> y = np.array(f.by_col['HR8893'])
>>> from pysal.explore.esda.moran import Moran
>>> mi = Moran(y,  w)
>>> round(mi.I, 3)
0.244
>>> mi.EI
-0.012987012987012988
>>> mi.p_norm
0.00027147862770937614

SIDS示例复制opengeoda>>w=pysal.lib.io.open（pysal.lib.examples.get_path（“sids2.gal”））.read（）>>>f=pysal.lib.io.open（pysal.lib.examples.get_path（“sids2.dbf”））>>>sidr=np.array（f.by_col（“sidr74”））>>>mi=moran（sidr，w）>>>round（mi.i，3）0.248>>>mi.p_norm 0.000115833078148969

单侧

>>> mi_1 = Moran(SIDR,  w, two_tailed=False)
>>> round(mi_1.I, 3)
0.248
>>> round(mi_1.p_norm, 4)
0.0001

属性:

y : 数组 原始变量 w : W 原始W对象 permutations : 利息 排列数 I : 浮动 莫兰一号的价值 EI : 浮动 正态假设下的期望值 VI_norm : 浮动 正态假设下i的方差 seI_norm : 浮动 正态假设下i的标准差 z_norm : 浮动 正态假设下i的z值 p_norm : 浮动 正态假设下i的p值 VI_rand : 浮动 随机假设下i的方差 seI_rand : 浮动 随机假设下i的标准差 z_rand : 浮动 随机假设下i的z值 p_rand : 浮动 随机假设下i的p值 two_tailed : 布尔 如果真正的P_Norm和P_Rand是双尾的，否则它们是单尾的。 sim : 数组 （如果置换>0）置换样本i值的向量 p_sim : 数组 （如果排列>0）基于排列的p值（单尾）空：空间随机性备选值：如果观察到的i比基于排列获得的值大或小，则它是极端的。 EI_sim : 浮动 （如果排列>0）排列i的平均值 VI_sim : 浮动 （如果排列>0）排列i的方差 seI_sim : 浮动 （如果排列>0）排列下i的标准差。 z_sim : 浮动 （如果排列>0）基于排列的标准化i p_z_sim : 浮动 （如果置换>0）基于置换的标准正态近似的p值

方法

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

在数据帧上计算Moran统计的函数

__init__(y, w, transformation='r', permutations=999, two_tailed=True)[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，…]）	初始化自身。
by_col \（df，cols[，w，inplace，pvalue，outvals]）	在数据帧上计算Moran统计的函数