compute_global_spatial_autocorrelation

書式

compute_global_spatial_autocorrelation(table, column, weights=None, weights_def=None,
    save_weights_as=None, spatial_col=None, crs=None)

パラメータ

次の表で、この事前定義済関数のパラメータについて説明します。

パラメータ	説明
`table`	空間表の名前。
`column`	グローバル自動相関索引の計算に値が使用される対象の列。
`weights`	データ・ストアにすでに格納されている空間重みを使用する場合に必要です。内部的には、関数`olm.ds.load`をコールします。サポートされているパラメータは、それぞれデータ・ストア名とオブジェクト名を示す`ds_name`および`obj_name`です。
`weights_def`	パラメータ`weights`が指定されていない場合は必須です。近隣の場所間の関係を確立します。これは、重み定義のタイプとそのパラメータを指定するjsonオブジェクトとして渡されます。各パラメータの詳細は、APIリファレンスのドキュメントを参照してください。サポートされているタイプとパラメータは次のとおりです。 KNN: `[k]` カーネル: `[bandwidth, fixed, k, function]` DistanceBand: `[threshold, p, alpha, binary]` Queen Rook
`save_weights_as`	`weights_def`が指定されている場合にのみ使用されます。空間ウェイトをデータ・ストアに格納する方法を指定します。値は、`oml.ds.save`のパラメータを決定するjsonファイルです。サポートされているパラメータは、`[ds_name, obj_name, overwrite_ds, append, overwrite_obj, grantable, compression]`です。一部のパラメータ名は、`oml.ds.save`関数のパラメータ名と若干異なります。パラメータ`overwrite_obj`は、既存のオブジェクトを現在のオブジェクトで置き換える必要があるかどうかを示すために使用されます。
`spatial_col`	ジオメトリを含む列を指定します。列は表のメタデータで指定できます。指定しない場合、列名は表から取得されます。
`crs`	座標参照システムを指定します。指定しない場合、表から推測されます。

例

次の例は、データ・ストアにすでに保存されている空間重みを使用して、特定の表の列からMoranのI統計を計算する方法を示しています。 median_income列と、compute_spatial_weightsのコード例から取得した空間重みを使用します。

select *
    from table( 
        pyqEval(
            par_lst => '{  
                "oml_connect": true, 
                "table": "oml_user.la_block_groups", 
                "column": "median_income",
                "weights": {"ds_name":"spatial", "obj_name": "la_bg_knn4"}
            }',
            out_fmt => '{ "I": "NUMBER", "expected_I": "NUMBER",  "p_value": "NUMBER", "z_value": "NUMBER" }',
            scr_name => 'compute_global_spatial_autocorrelation'
        )
    );

出力には次のフィールドが含まれます:

Moran's I Statisticの略。
正規性の仮定の下での予想値。
P値。
z値。

前述の結果の例は、次のようになります:

I	expected_I	p_value	z_value
0.6658882028	-0.0002910361	0.001	58.1778030148

空間重みが以前にデータストアに保存されていない場合、weights_defパラメータに従ってMoranのI統計および空間重みを計算できます。次のコードは、MEDIAN_INCOME列のMoranのI統計を計算し、Queen戦略(少なくとも共通の頂点を共有する場合は2つの観測が隣接)を使用して空間重みを計算します。空間重みは、spatialデータストアにオブジェクト名la_bg_queenで格納されます。

select *
    from table( 
        pyqEval(
            '{  
                "oml_connect": true, 
                "table": "oml_user.la_block_groups", 
                "column": "median_income",
                "weights_def": {"type":"Queen"},
                "save_weights_as": {"ds_name":"spatial", "obj_name": "la_bg_queen", "append": true, "overwrite_obj": true}
            }',
            '{ "I": "NUMBER", "expected_I": "NUMBER",  "p_value": "NUMBER", "z_value": "NUMBER" }',
            'compute_global_spatial_autocorrelation'
        )
    );

MoranのI統計の出力 - 正規性の仮定の下で期待される値、p値、およびz値は図のようになります。

I	expected_I	p_value	z_value
0.6765793161	-0.0002910361	0.001	64.9421284293

oml.ds.describe関数を使用して、データストア内のすべてのオブジェクトをリストできます。次のコードは、spatialデータストア内のすべてのオブジェクトをリストします。

oml.ds.describe(name='spatial')

出力は、spatialデータストア内のすべてのオブジェクトで構成され、以前に作成したla_bg_knn4およびla_bg_queenオブジェクトが含まれます。

object_name         class    size  length  row_count  col_count
0   la_bg_knn4  OMLDSWrapper  696002       1          1          1
1  la_bg_queen  OMLDSWrapper  295285       1          1          1