Python - 如何使用 PySAL 计算交互式空间自相关 (Moran I)？

Question

我在 PostgreSQL 数据库中有一个积分表 my_table my ，其中包含 geometry 列和其他属性。我有一些my_table 的示例数据，如下所示（my_table 的属性）。

id  val1
1   72.54513286
2   73.67371014
3   74.204424
4   73.76017279
5   77.7912762
6   77.78789496
7   65.51822878
8   65.5182287
9   74.65885753
10  74.65885753
11  61.18084042
12  60.75827621
13  64.27716322
14  63.69432836
15  75.790405
16  60.95270235
17  79.12399503
18  62.9667706
19  78.1265630

使用 Python PySAL 包，我想分析 val1 列中的值是否是空间自相关的（Moran I）（通过交互绘制它们）。我对交互式空间自相关的预期输出可能是（图片来源，here）：

我是 Python 新手。有人可以建议我如何使用 PySAL 做到这一点吗？

Answer 1

我的项目中一直在使用 pysal 计算 Moran，并不是很困难。

你必须有两个对象：

1. 权重矩阵，其中包含您尝试验证自相关的单元格之间的关系程度。

2. 数据

在我的项目中，验证自相关的单元格就像一个马赛克，所以我可以使用Contiguity Based Weights的方法计算权重矩阵，这是有效的。

为二维数据矩阵 Z 计算 Moran's I 的示例：

 from libpysal.weights import lat2W
 from esda.moran import Moran
 import numpy as np

 # Use your matrix here, instead of this random one
 Z = np.random.rand(200,150)

 # Create the matrix of weigthts 
 w = lat2W(Z.shape[0], Z.shape[1])

 # Crate the pysal Moran object 
 mi = Moran(Z, w)

 # Verify Moran's I results 
 print(mi.I) 
 print(mi.p_norm)

我建议最初使用随机矩阵 Z，因为在这种情况下，Moran 的 I 的结果应该在 0 左右，这是一个很好的测试。在对随机 Z 数据进行所有操作之后，您可以将 Z 替换为您的真实数据。

Answer 2

我猜你的意思是相关而不是自相关？

https://en.wikipedia.org/wiki/Autocorrelation

你能用 Pandas 代替吗？

https://pandas.pydata.org/pandas-docs/stable/visualization.html

Pandas correlate

import pandas
import matplotlib.pyplot as plt

data = pandas.read_csv("C:\\Users\\4Sight\\Desktop\\test.csv", sep=" +", usecols=("val1", "val2"))

print data

print data.columns.values

print data["val1"].corr(data["val2"])

plt.figure()
data.plot()
plt.show()