pysal.viz.mapclassify.HeadTail_Breaks¶

class pysal.viz.mapclassify.HeadTail_Breaks(y)[源代码]¶

重尾分布的首尾断裂图分类

参数:	y : 数组 （n，1），要分类的值

笔记

头部/尾部断裂是一种相对较新的分类方法，是为具有重尾分布的数据开发的。

实施基于alessandra sozzi的贡献<alessandra.sozzi@gmail.com>。

有关理论详细信息，请参见 [Jia13] .

实例

>>> import numpy as np
>>> import pysal.viz.mapclassify as mc
>>> np.random.seed(10)
>>> cal = mc.load_example()
>>> htb = mc.HeadTail_Breaks(cal)
>>> htb.k
3
>>> htb.counts
array([50,  7,  1])
>>> htb.bins
array([ 125.92810345,  811.26      , 4111.45      ])
>>> np.random.seed(123456)
>>> x = np.random.lognormal(3, 1, 1000)
>>> htb = mc.HeadTail_Breaks(x)
>>> htb.bins
array([ 32.26204423,  72.50205622, 128.07150107, 190.2899093 ,
       264.82847377, 457.88157946, 576.76046949])
>>> htb.counts
array([695, 209,  62,  22,  10,   1,   1])

属性:	yb : 数组 （n，1），用于观察的肥料箱ID， bins : 数组 （k，1），每个类的上界 k : 利息 班级数量 counts : 数组 （k，1），属于每一类的观察数

方法

__call__ \（*args，*kwargs）	这将允许像调用函数一样调用分类器。
find_bin [（x）]	根据当前仓位估计对输入或输入进行排序
get_adcm （）	班级中位数（adcm）周围的绝对偏差。
get_gadf （）	拟合绝对偏差的优度
get_tss （）	类均值的平方和
make \（*args，*kwargs）	根据此函数指定的配置选项，配置并创建将使用数据并生成分类的分类器。
update \（[Y，就地]）	添加数据或更改分类参数。

__init__(y)[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）	初始化自身。
find_bin [（x）]	根据当前仓位估计对输入或输入进行排序
get_adcm （）	班级中位数（adcm）周围的绝对偏差。
get_gadf （）	拟合绝对偏差的优度
get_tss （）	类均值的平方和
make \（*args，*kwargs）	根据此函数指定的配置选项，配置并创建将使用数据并生成分类的分类器。
update \（[Y，就地]）	添加数据或更改分类参数。