pysal.explore.esda.G¶

class pysal.explore.esda.G(y, w, permutations=999)[源代码]¶

全局G自相关统计

参数:	y : 数组（n，1） 属性值 w : W 基于距离带的距离带w空间权重 permutations : 利息 计算伪p_值的随机排列数

笔记

力矩基于正态性假设。

有关技术详细信息，请参阅 [GO10] 和 [OG10] .

实例

>>> import pysal.lib
>>> import numpy
>>> numpy.random.seed(10)

准备点数据集>>>points=[（10，10），（20，10），（40，10），（15，20），（30，20），（30，30）]

从点创建权重对象>>>w=pysal.lib.weights.DistanceBand（points，threshold=15）>>>w.transform=“b”

准备变量>>>Y=numpy.array（[2，3，3.2，5，8，7]）

从pysal.explore.esda.getis ord导入g>>g=g（y，w）应用getis和ord g test>>

检查结果>>>轮（G.G，3）0.557

>>> round(g.p_norm, 3)
0.173

属性:	y : 数组 原始变量 w : W 基于距离带的距离带w空间权重 permutation : 利息 排列的数目 G : 浮动 统计的价值 EG : 浮动 统计期望值 VG : 浮动 正态性假设下G的方差 z_norm : 浮动 标准正态检验统计 p_norm : 浮动 正态性假设下的p值（单侧） sim : 数组 （如果置换>0）置换样本的g值向量 p_sim : 浮动 基于排列（单侧）的p值空：空间随机性备选方案：观测到的g是极值，要么是极高的，要么是极低的。 EG_sim : 浮动 排列G的平均值 VG_sim : 浮动 排列G的方差 seG_sim : 浮动 排列下G的标准差。 z_sim : 浮动 基于排列的标准化G p_z_sim : 浮动 基于排列标准正态近似的p值（单侧）

方法

by_col \（df，cols[，w，inplace，pvalue，outvals]）

在数据帧上计算G统计的函数

__init__(y, w, permutations=999)[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、W、排列方式）	初始化自身。
by_col \（df，cols[，w，inplace，pvalue，outvals]）	在数据帧上计算G统计的函数