pysal.viz.mapclassify.Equal_Interval¶

class pysal.viz.mapclassify.Equal_Interval(y, k=5)[源代码]¶

等间隔分类

参数:	y : 数组 （n，1），要分类的值 k : 利息 需要的类数

笔记

定义为宽度相等的间隔：

\[料仓_j=最小（y）+w*（j+1）\]

具有 \(w=\frac{{max(y)-min(j)}}{{k}}\)

实例

>>> import pysal.viz.mapclassify as mc
>>> cal = mc.load_example()
>>> ei = mc.Equal_Interval(cal, k = 5)
>>> ei.k
5
>>> ei.counts
array([57,  0,  0,  0,  1])
>>> ei.bins
array([ 822.394, 1644.658, 2466.922, 3289.186, 4111.45 ])

属性:	yb : 数组 （n，1），bin id表示观测值，如果bins[j-1]<y[i]<=bins[j]，则每个值都是观测值属于yb[i]=j的类的id，否则yb[i]=0。 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, k=5)[源代码]¶

参见类docstring

方法

__init__ [y[，k]）	参见类docstring
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。