pysal.lib.weights.KNN¶

class pysal.lib.weights.KNN(data, k=2, p=2, ids=None, radius=None, distance_metric='euclidean', **kwargs)[源代码]¶

基于k最近邻创建最近邻权重矩阵。

参数:	kdtree : 对象 pysal kdtree或arkdtree，其中kdtree.data是数组（n，k）n用于测量n个对象之间距离的k特征观测值 k : 利息最近邻数 p : 浮动 Minkowski p-norm距离度量参数：1<=p<=Infinity 2:欧几里得距离1:如果kdstree是arkdstree，则忽略曼哈顿距离 ids : 列表要附加到每个观测的标识符
返回:	w : W 具有二进制权重的实例权重对象

参见

pysal.lib.weights.weights.W

笔记

距离相等的邻居之间的关系是任意断开的。

实例

>>> import pysal.lib
>>> points = [(10, 10), (20, 10), (40, 10), (15, 20), (30, 20), (30, 30)]
>>> kd = pysal.lib.cg.kdtree.KDTree(np.array(points))
>>> wnn2 = pysal.lib.weights.KNN(kd, 2)
>>> [1,3] == wnn2.neighbors[0]
True

身份证

>>> wnn2 = KNN(kd,2)
>>> wnn2[0]
{1: 1.0, 3: 1.0}
>>> wnn2[1]
{0: 1.0, 3: 1.0}

现在有1而不是0的偏移量

>>> wnn2 = pysal.lib.weights.KNN(kd, 2, ids=range(1,7))
>>> wnn2[1]
{2: 1.0, 4: 1.0}
>>> wnn2[2]
{1: 1.0, 4: 1.0}
>>> 0 in wnn2.neighbors
False

属性:

属性:	`asymmetries` 具有不对称权重的ID对列表。 `cardinalities` 每个观测点的邻居数。 `component_labels` 存储每个观察结果所在的图表组件。 `diagW2` 对角线 \(WW\) . `diagWtW` 对角线 \(W^{{'}}W\) . `diagWtW_WW` 对角线 \(W^{{'}}W + WW\) . `histogram` 基数柱状图作为字典，其中键是ID，值是该单元的邻居数。 `id2i` 字典，其中键是一个ID，值是按w.id_顺序排列的ID索引。 `id_order` 返回观察值的ID，其顺序与迭代权重时遇到的顺序相同。 `id_order_set` 如果用户设置了id_顺序，则返回true；否则返回false。 `islands` 没有任何邻居的ID列表。 `max_neighbors` 邻居数量最多。 `mean_neighbors` 邻居的平均数目。 `min_neighbors` 最小邻居数。 `n` 单位数。 `n_components` 存储相邻矩阵是否完全连接。 `neighbor_offsets` 给定当前的id_顺序，neighbor_offsets[id]是id_顺序中id的邻居的偏移量。 `nonzero` 非零权重的数目。 `pct_nonzero` 非零权重的百分比。 `s0` S0定义为 `s1` S1定义为 `s2` s2定义为 `s2array` 包含s2的单个元素。 `sd` 相邻数的标准差。 `sparse` 稀疏矩阵对象。 `transform` 转换属性的getter。 `trcW2` 痕迹 \(WW\) . `trcWtW` 痕迹 \(W^{{'}}W\) . `trcWtW_WW` 痕迹 \(W^{{'}}W + WW\) .

asymmetries: 具有不对称权重的ID对列表。
cardinalities: 每个观测点的邻居数。
component_labels: 存储每个观察结果所在的图表组件。
diagW2: 对角线 \(WW\) .
diagWtW: 对角线 \(W^{{'}}W\) .
diagWtW_WW: 对角线 \(W^{{'}}W + WW\) .
histogram: 基数柱状图作为字典，其中键是ID，值是该单元的邻居数。
id2i: 字典，其中键是一个ID，值是按w.id_顺序排列的ID索引。
id_order: 返回观察值的ID，其顺序与迭代权重时遇到的顺序相同。
id_order_set: 如果用户设置了id_顺序，则返回true；否则返回false。
islands: 没有任何邻居的ID列表。
max_neighbors: 邻居数量最多。
mean_neighbors: 邻居的平均数目。
min_neighbors: 最小邻居数。
n: 单位数。
n_components: 存储相邻矩阵是否完全连接。
neighbor_offsets: 给定当前的id_顺序，neighbor_offsets[id]是id_顺序中id的邻居的偏移量。
nonzero: 非零权重的数目。
pct_nonzero: 非零权重的百分比。
s0: S0定义为
s1: S1定义为
s2: s2定义为
s2array: 包含s2的单个元素。
sd: 相邻数的标准差。
sparse: 稀疏矩阵对象。
transform: 转换属性的getter。
trcW2: 痕迹 \(WW\) .
trcWtW: 痕迹 \(W^{{'}}W\) .
trcWtW_WW: 痕迹 \(W^{{'}}W + WW\) .

方法

`asymmetry` \（[固有]）	不对称检查。
`from_adjlist` \（adjlist [，focal u col，…]）	返回权重对象的相邻列表表示形式。
`from_array` \（数组、args 、kwargs ）	基于k最近邻创建最近邻权重矩阵。
`from_dataframe` \（df [，geom u col，id ]）	从数据框中进行KNN加权。
`from_networkx` \（图表[，权重列]）	将networkx图转换为pysal w对象。
`from_shapefile` \（文件路径、args、kwargs）	形状文件中最近的邻居权重。
`full` （）	生成完整的numpy数组。
`get_transform` （）	转换属性的getter。
`plot` \（gdf [，indexed on ，ax ，color ，node kws ，…]）	绘制空间权重对象。
`remap_ids` [新的IIDS ]	全程就地修改 W 的ID值来自 w.id_order 到 new_ids 总共
`reweight` \（[K，P，新u数据，新u ID，就地]）	使用给定参数重做k-最近邻权重构造
`set_shapefile` \（shapefile [，idvariable ，full ]）	添加用于写入gal和gwt文件头的元数据。
`set_transform` [（值）]	权重转换。
`symmetrize` \（[就地]）	构造对称的knn权重。
`to_WSP` （）	生成一个wsp对象。
`to_adjlist` \（[删除对称，焦点列，…]）	计算权重对象的邻接列表表示。
`to_networkx` （）	将权重对象转换为NetworkX图形

from_WSP
from_file

__init__(data, k=2, p=2, ids=None, radius=None, distance_metric='euclidean', **kwargs)[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__` \（数据[，k，p，ids，radius，…]）	初始化自身。
`asymmetry` \（[固有]）	不对称检查。
`from_WSP` \（wsp [，静音警告]）
`from_adjlist` \（adjlist [，focal u col，…]）	返回权重对象的相邻列表表示形式。
`from_array` \（数组、args 、kwargs ）	基于k最近邻创建最近邻权重矩阵。
`from_dataframe` \（df [，geom u col，id ]）	从数据框中进行KNN加权。
`from_file` \（[路径，格式]）
`from_networkx` \（图表[，权重列]）	将networkx图转换为pysal w对象。
`from_shapefile` \（文件路径、args、kwargs）	形状文件中最近的邻居权重。
`full` （）	生成完整的numpy数组。
`get_transform` （）	转换属性的getter。
`plot` \（gdf [，indexed on ，ax ，color ，node kws ，…]）	绘制空间权重对象。
`remap_ids` [新的IIDS ]	全程就地修改 W 的ID值来自 w.id_order 到 new_ids 总共
`reweight` \（[K，P，新u数据，新u ID，就地]）	使用给定参数重做k-最近邻权重构造
`set_shapefile` \（shapefile [，idvariable ，full ]）	添加用于写入gal和gwt文件头的元数据。
`set_transform` [（值）]	权重转换。
`symmetrize` \（[就地]）	构造对称的knn权重。
`to_WSP` （）	生成一个wsp对象。
`to_adjlist` \（[删除对称，焦点列，…]）	计算权重对象的邻接列表表示。
`to_networkx` （）	将权重对象转换为NetworkX图形

属性

`asymmetries`	具有不对称权重的ID对列表。
`cardinalities`	每个观测点的邻居数。
`component_labels`	存储每个观察结果所在的图表组件。
`diagW2`	对角线 \(WW\) .
`diagWtW`	对角线 \(W^{{'}}W\) .
`diagWtW_WW`	对角线 \(W^{{'}}W + WW\) .
`histogram`	基数柱状图作为字典，其中键是ID，值是该单元的邻居数。
`id2i`	字典，其中键是一个ID，值是按w.id_顺序排列的ID索引。
`id_order`	返回观察值的ID，其顺序与迭代权重时遇到的顺序相同。
`id_order_set`	如果用户设置了id_顺序，则返回true；否则返回false。
`islands`	没有任何邻居的ID列表。
`max_neighbors`	邻居数量最多。
`mean_neighbors`	邻居的平均数目。
`min_neighbors`	最小邻居数。
`n`	单位数。
`n_components`	存储相邻矩阵是否完全连接。
`neighbor_offsets`	给定当前的id_顺序，neighbor_offsets[id]是id_顺序中id的邻居的偏移量。
`nonzero`	非零权重的数目。
`pct_nonzero`	非零权重的百分比。
`s0`	S0定义为
`s1`	S1定义为
`s2`	s2定义为
`s2array`	包含s2的单个元素。
`sd`	相邻数的标准差。
`sparse`	稀疏矩阵对象。
`transform`	转换属性的getter。
`trcW2`	痕迹 \(WW\) .
`trcWtW`	痕迹 \(W^{{'}}W\) .
`trcWtW_WW`	痕迹 \(W^{{'}}W + WW\) .