pysal.explore.spaghetti.Network¶

class pysal.explore.spaghetti.Network(in_data=None, node_sig=11, unique_segs=True, extractgraph=True)[源代码]¶

空间受限的网络表示和分析功能。

参数:	in_data : geopandas.geodataframe或str 输入地理数据。（1）形状文件（str）的路径；或（2）geopandas.geodataframe。 node_sig : 利息 将所有节点的X和Y坐标四舍五入到节点的有效位（小数点左右两侧的有效位组合）。默认值为11。设置为“无”表示无舍入。 unique_segs : 布尔 如果为真（默认），则只保留唯一的段（即删除任何重复的段）。如果为false，则保留所有段。 extractgraph : 布尔 如果为真，则提取一个没有2级节点的图理论对象。默认值为true。

实例

实例化网络实例。

>>> import pysal.explore.spaghetti as spgh
>>> streets_file = examples.get_path('streets.shp')
>>> ntw = spgh.Network(in_data=streets_file)

使用属性信息将点观测捕捉到网络。

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

没有属性信息。

>>> schools_file = examples.get_path('schools.shp')
>>> ntw.snapobservations(schools_file, 'schools', attribute=False)

属性:

in_data : STR 输入形状文件。这必须是.shp格式。 adjacencylist : 列表 存储节点相邻关系的列表。 nodes : 双关语 键是节点坐标的元组，值是节点ID。 edge_lengths : 双关语 键是表示边缘的已排序节点ID的元组，值是长度。 pointpatterns : 双关语 键是模式的字符串名称，值是点模式类实例。 node_coords : 双关语 键是节点ID，值是与节点相反的（x，y）坐标。 边缘 : 列表 边列表，其中每个边都是节点ID的排序元组。 node_list : 列表 节点ID列表。 alldistances : 双关语 键是节点ID（int）。值是包含以下两个元素的元组：（1）最短路径距离列表；（2）键为目标节点ID且值为最短路径列表的dict。 distancematrix : numpy.ndarray 所有网络节点（非观测）距离矩阵。 graphedges : 列表 图边缘ID的元组。 graph_lengths : 双关语 键是图形边缘ID（元组）。值是图形边缘长度（浮点）。

方法

NetworkF \（点模式[，nsteps，…]）	计算网络约束的F-函数
NetworkG \（点模式[，nsteps，…]）	计算网络约束的g-函数
NetworkK \（点模式[，nsteps，…]）	计算网络约束的k函数
allneighbordistances \（源模式[，…]）	在单点模式中计算i和j之间的所有距离，或者从源模式计算每个i和从目的模式计算所有j之间的所有距离。
compute_distance_to_nodes \（X、Y、边缘）	对网络边缘进行观察后，返回到绑定该端的两个节点的距离。
compute_snap_dist \（模式，IDX）	对网络边缘进行捕捉观察后，计算从原始位置到捕捉位置的距离。
contiguityweights \（[图表，权重]）	创建基于连续性的w对象。
count_per_edge \（obs 在网络[，图形]上）	计算每边的计数。
distancebandweights \（阈值[，nu进程，…]）	创建基于距离的权重。
enum_links_node \（v0）	返回节点周围的边（链接）。
extractgraph （）	使用现有的网络表示，通过删除相邻两个（非连接点）的所有节点，创建一个图表理论表示。
loadnetwork \（文件名）	从保存在磁盘上的二进制文件加载网络。
nearestneighbordistances \（源模式[，…]）	计算源模式和目标模式之间的模式间最近邻距离或模式内最近邻距离。
node_distance_matrix \（n u进程[，gen u树]）	从AllNeighborDistances（）、NearestNeighborDistances（）和DistanceBandWeights（）内调用。
savenetwork \（文件名）	将网络保存到磁盘作为二进制文件。
segment_edges （距离）	将网络中的所有边缘分段到
simulate_observations \（计数[，分布]）	在网络上生成模拟点模式。
snapobservations \（在数据，名称[，…]）	将点模式形状文件捕捉到此网络对象。

__init__(in_data=None, node_sig=11, unique_segs=True, extractgraph=True)[源代码]¶

方法

NetworkF \（点模式[，nsteps，…]）	计算网络约束的F-函数
NetworkG \（点模式[，nsteps，…]）	计算网络约束的g-函数
NetworkK \（点模式[，nsteps，…]）	计算网络约束的k函数
__init__ \（[在数据中，节点信号唯一分段，…]）
allneighbordistances \（源模式[，…]）	在单点模式中计算i和j之间的所有距离，或者从源模式计算每个i和从目的模式计算所有j之间的所有距离。
compute_distance_to_nodes \（X、Y、边缘）	对网络边缘进行观察后，返回到绑定该端的两个节点的距离。
compute_snap_dist \（模式，IDX）	对网络边缘进行捕捉观察后，计算从原始位置到捕捉位置的距离。
contiguityweights \（[图表，权重]）	创建基于连续性的w对象。
count_per_edge \（obs 在网络[，图形]上）	计算每边的计数。
distancebandweights \（阈值[，nu进程，…]）	创建基于距离的权重。
enum_links_node \（v0）	返回节点周围的边（链接）。
extractgraph （）	使用现有的网络表示，通过删除相邻两个（非连接点）的所有节点，创建一个图表理论表示。
loadnetwork \（文件名）	从保存在磁盘上的二进制文件加载网络。
nearestneighbordistances \（源模式[，…]）	计算源模式和目标模式之间的模式间最近邻距离或模式内最近邻距离。
node_distance_matrix \（n u进程[，gen u树]）	从AllNeighborDistances（）、NearestNeighborDistances（）和DistanceBandWeights（）内调用。
savenetwork \（文件名）	将网络保存到磁盘作为二进制文件。
segment_edges （距离）	将网络中的所有边缘分段到
simulate_observations \（计数[，分布]）	在网络上生成模拟点模式。
snapobservations \（在数据，名称[，…]）	将点模式形状文件捕捉到此网络对象。