Python：如何从 shapefile 计算指标的空间自相关？

Question

我正在使用geopandas 读取瑞士城市的shapefile，即municipalities.shp。对于 170，我有人口信息，即population.csv 文件可以在这个 repo here 中找到。

是否可以通过所谓的BFS number 合并信息。

import pandas as pd
import geopandas

mun = geopandas.read_file('municipalities.shp')
pop = pd.read_csv('population.csv')
## merge data
mergedData = pd.merge(mun,pop,left_on='BFS_NUMMER',right_on='BFS')

现在，对于 170 个城市中的每一个，我都有地理信息和人口信息。

我想知道是否可以使用pysal 来检查这 170 个城市的人口是否在空间上自相关。

Answer 1

是的，你可以。首先，您需要确保您正在传递地理数据框，您的代码正在返回熊猫数据框：

import pandas as pd
import geopandas as gpd

mun = gpd.read_file('municipalities.shp')
pop = pd.read_csv('population.csv')
# merge data
mergedData = mun.merge(pop,left_on='BFS_NUMMER',right_on='BFS')

然后您可以使用pysal 的工具。我将按照pysal 的新结构使用libpysal 和esda 包。

import libpysal
import esda

weights = libpysal.weights.Queen.from_dataframe(mergedData)  # generate spatial weights (Queen in this case)
spatial_auto = esda.Moran(mun[['population']], weights)  # calculate Moran's I

首先您必须生成空间权重矩阵。如果您想使用不同于 Queen 的方式，请关注 https://libpysal.readthedocs.io/en/latest/api.html。然后生成 Moran's I 空间自相关指数（全局）。它会生成您可能需要的所有属性 (https://esda.readthedocs.io/en/latest/generated/esda.Moran.html#esda.Moran)。类似的语法适用于 Gamma、Geary's C 或 Getis Ord 自相关指数。

esda 的文档非常好，显示了 jupyter 笔记本中的示例，我建议查看其他信息（如本地自相关或绘图） - https://esda.readthedocs.io/en/latest/。