pysal.lib.weights.vecW¶

pysal.lib.weights.vecW(origin_x, origin_y, dest_x, dest_y, threshold, p=2, alpha=-1.0, binary=True, ids=None, build_sp=False, silence_warnings=False)[源代码]¶

基于距离的矢量空间权重，使用原点x、y坐标和目标x、y坐标之间的四维距离计算

参数:

origin_x : 列表或数组 矢量原点x坐标 origin_y : 列表或数组 矢量原点Y坐标 dest_x : 列表或数组 矢量目标x坐标 dest_y : 列表或数组 矢量目标Y坐标 门槛 : 浮动 距离带 p : 浮动 Minkowski p-norm距离度量参数：1<=p<=无穷大2:欧几里得距离1:曼哈顿距离 binary : 布尔 如果为真w_i j=1，如果为d_i，j<=阈值，否则为w_i，j=0，如果为假w i j=d i j ^ alpha 阿尔法 : 浮动 权重的距离衰减参数（默认值为-1.0）。如果alpha为正数，则权重不会随距离而下降。如果binary为true，则忽略alpha ids : 列表 用于相邻键和权重dict的值 build_sp : 布尔 建立稀疏距离矩阵是正确的，建立密集距离矩阵是错误的；在应用距离矩阵和阈值的稀疏性上，可以获得显著的速度增益。 silence_warnings : 布尔 默认情况下，如果数据集包含任何断开连接的观测值或孤岛，Pysal将打印警告。若要取消此警告，请将此参数设置为“真”。 返回 ** ** W : 使用4维距离的对象 矢量原点和终点坐标。

实例

>>> import pysal.lib
>>> x1 = [5,6,3]
>>> y1 = [1,8,5]
>>> x2 = [2,4,9]
>>> y2 = [3,6,1]
>>> W1 = pysal.lib.weights.spintW.vecW(x1, y1, x2, y2, threshold=999)
>>> list(W1.neighbors[0])
[1, 2]
>>> W2 = pysal.lib.weights.spintW.vecW(x1, y2, x1, y2, threshold=8.5)
>>> list(W2.neighbors[0])
[1, 2]