pysal.explore.esda.Moran_Local_Rate¶

class pysal.explore.esda.Moran_Local_Rate(e, b, w, adjusted=True, transformation='r', permutations=999, geoda_quads=False)[源代码]¶

调整了利率变量的本地Moran统计数据[assuncao1999]_

参数:

e : 数组 （n，1），跨n个空间单元的事件变量 b : 数组 （n，1），n个空间单元的风险变量人群 w : W 假设重量实例与y对齐 adjusted : 布尔 是否需要针对利率变量调整本地Moran统计数据 transformation : 'R'、'B'、'D'、'U'、'V' 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 geoda_quads : 布尔 （默认值=假）如果真使用geoda方案：hh=1，ll=2，lh=3，hl=4如果假使用pysal方案：hh=1，lh=2，ll=3，hl=4 属性 ---------- y : 数组 根据参数e和b计算的费率变量，如果调整为真，则y为标准费率，否则y为原始费率。 w : W 原始W对象 permutations : 利息 计算伪p_值的随机排列数 I : 浮动 莫兰一号的价值 q : 数组 （如果排列>0）值表示定量位置1 hh、2 lh、3 ll、4 hl 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（单侧）的p值空：空间随机性备选方案：观察到的II距离模拟II的中位数更远或更极端。在模拟的IS分布中，它要么非常高，要么非常低。 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 （如果排列>0）基于标准正态近似的p值，对于双面测试，这些值应乘以2。

实例

>>> import pysal.lib
>>> import numpy as np
>>> np.random.seed(10)
>>> 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"))
>>> e = np.array(f.by_col('SID79'))
>>> b = np.array(f.by_col('BIR79'))
>>> from pysal.explore.esda.moran import Moran_Local_Rate
>>> lm = Moran_Local_Rate(e, b, w, transformation = "r", permutations = 99)
>>> lm.q[:10]
array([2, 4, 3, 1, 2, 1, 1, 4, 2, 4])
>>> lm = Moran_Local_Rate(e, b, w,  transformation = "r",  permutations = 99,  geoda_quads=True)
>>> lm.q[:10]
array([3, 4, 2, 1, 3, 1, 1, 4, 3, 4])

注意：随机组件结果在架构中的值略有不同，因此结果已从doctest中删除，并将移动到以架构为条件的单元测试中。

方法

by_col \（df，events，populations[，w，…]）

在数据帧上计算Moran_本地速率统计的函数

calc

__init__(e, b, w, adjusted=True, transformation='r', permutations=999, geoda_quads=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__ \（E，B，W[，已调整，…]）	初始化自身。
by_col \（df，events，populations[，w，…]）	在数据帧上计算Moran_本地速率统计的函数
calc \（W，Z）