pysal.explore.spaghetti.Network.contiguityweights¶

Network.contiguityweights(graph=True, weightings=None)[源代码]¶

创建基于连续性的w对象。

参数:	graph : 布尔 真、假控制W是使用空间表示还是图形表示生成的。 weightings : 双关语 口述每边的权重列表。
返回:	W : pysal.lib.weights.weights.W 表示网络二进制邻接的Pysal W对象。

实例

实例化网络实例。

>>> import pysal.explore.spaghetti as spgh
>>> from pysal.lib import examples
>>> import pysal.explore.esda
>>> import numpy as np
>>> ntw = spgh.Network(examples.get_path('streets.shp'))

使用属性信息将点观测捕捉到网络。

>>> ntw.snapobservations(examples.get_path('crimes.shp'),
...                      'crimes', attribute=True)

查找每个Netowrk边缘的计数。

>>> counts = ntw.count_per_edge(ntw.pointpatterns['crimes']
...                             .obs_to_edge, graph=False)
>>> counts[(50, 165)]
4

创建基于连续性的w对象。

>>> w = ntw.contiguityweights(graph=False)

使用w对象，可以访问esda功能。首先，通过观察为所有边创建属性向量。

>>> w = ntw.contiguityweights(graph=False)
>>> edges = w.neighbors.keys()
>>> y = np.zeros(len(edges))
>>> for i, e in enumerate(edges):
...     if e in counts.keys():
...         y[i] = counts[e]
>>> y[3]
3.0

接下来，发出一个标准的moran调用，并将结果放入 res.

>>> res = pysal.explore.esda.moran.Moran(y, w, permutations=99)
>>> type(res)
<class 'pysal.explore.esda.moran.Moran'>