compute_global_spatial_autocorrelation
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