RipleysKEstimator#
- class astropy.stats.RipleysKEstimator(area, x_max=None, y_max=None, x_min=None, y_min=None)[源代码]#
基类:
object
二维空间数据的Ripley K函数的估计量。参见 [1], [2], [3], [4], [5] 详细的数学和实际方面的估计。
- 参数:
工具书类
[1]皮布尔斯,P.J.E。 宇宙的大尺度结构 . <https://ui.adsabs.harvard.edu/abs/1980lssu.book…..P>
[2]空间描述性统计。<https://en.wikipedia.org/wiki/Spatial_描述性统计>
[3]包裹spatstat。<https://cran.r-project.org/web/packages/spatstat.pdf>
[4]克雷西,北卡罗来纳州(1991年)。空间数据统计,威利,纽约。
[5]Stoyan,D.,Stoyan,H.(1992年)。分形,随机形状和点域,Akademie Verlag GmbH,奇切斯特。
实例
>>> import numpy as np >>> from matplotlib import pyplot as plt >>> from astropy.stats import RipleysKEstimator >>> z = np.random.uniform(low=5, high=10, size=(100, 2)) >>> Kest = RipleysKEstimator(area=25, x_max=10, y_max=10, ... x_min=5, y_min=5) >>> r = np.linspace(0, 2.5, 100) >>> plt.plot(r, Kest.poisson(r)) >>> plt.plot(r, Kest(data=z, radii=r, mode='none')) >>> plt.plot(r, Kest(data=z, radii=r, mode='translation')) >>> plt.plot(r, Kest(data=z, radii=r, mode='ohser')) >>> plt.plot(r, Kest(data=z, radii=r, mode='var-width')) >>> plt.plot(r, Kest(data=z, radii=r, mode='ripley'))
属性摘要
方法总结
Hfunction
(data, radii[, mode])在处计算H函数
radii
.Lfunction
(data, radii[, mode])在处计算L函数
radii
.__call__
(data, radii[, mode])称自己为函数。
evaluate
(data, radii[, mode])计算给定值集的Ripley K估计量
radii
.poisson
\(半径)计算齐次泊松过程的Ripley K函数,也称为完全随机状态(CSR)。
属性文档
- area#
- x_max#
- x_min#
- y_max#
- y_min#
方法文件
- evaluate(data, radii, mode='none')[源代码]#
计算给定值集的Ripley K估计量
radii
.- 参数:
- data : 2D
array
二维 以n×2数组形式表示的观测点集,将用于估计Ripley的K函数。
- radii : 1D
array
1Darray
瑞普利K估计量被估计的距离集合。通常,通常考虑max(radii)<(area/2)**0.5。
- mode :
str
Python :字符串 指示边缘效果校正方法的关键字。可用的方法有“none”、“translation”、“ohser”、“var width”和“ripley”。
- '无'
此方法不考虑任何边缘效应。
- '翻译'
计算以给定点为中心的矩形区域的交点,提供矩形区域的尺寸上限。假设所有点都位于满足x_min<x_i<x_max;y_min<y_i<y_max的有界矩形区域内 [4] .
- “奥瑟”
该方法利用学习窗的各向同性集协方差函数作为权值来校正边缘效应。有关该方法的详细说明,请参阅ref [4] .
- '变量宽度'
该方法将每个观测点到研究窗口最近边界的距离作为考虑边缘效应的一个因素。参见 [3] 对于这个方法的简要描述。
- “里普利”
这种方法被称为Ripley的边缘校正估计器。边缘校正的权重是以每个数据点为中心的周长比例的函数,该数据点与另一个感兴趣的数据点相交。参见 [3] 有关此方法的详细说明。
- data : 2D
- 返回: