oraclesai.analysis

class LocalMoranITest(data, column_name, weights=None, weights_definition=None, **kwargs)

ローカルMoranのI空間自動相関テストの実装。

COL_I (‘I’)

get_output_data()によって返される結果の出力データにMoran I値を含む列の名前。

COL_P_VALUE (‘P_VALUE’)

get_output_data()によって返される結果の出力データのp値を含む列の名前

COL_Z_VALUE (‘Z_VALUE’)

get_output_data()によって返される結果の出力データにz値を含む列の名前

COL_Q (‘QUADRANT’)

get_output_data()によって返される結果の出力データ内のクアドラント情報を含む列の名前

classmethod create(data, weights_or_def, column_name=None)

LocalMoranITestのインスタンスを作成します。 テストは、指定された空間重みを使用して、指定されたデータの列に適用されます。

パラメータ:

  • data - SpatialDataFrame、geopandas.GeoDataFrameのインスタンス、または浮動小数値の反復可能インスタンス。

  • weights_or_def - SpatialWeightsDefinitionインスタンスまたはSpatialWeightsオブジェクト。

  • column_name - データ・パラメータからの列の名前。 Noneの場合、データは浮動小数点値の反復可能データ、または1つのデータ列のみを含むデータ・フレームである必要があります(ジオメトリ列と索引列が含まれる場合があります)

返り値:

LocalMoranITestオブジェクト。

get_coldspot(max_p_value=0.05)

コールド・スポットに置かれたサンプルを含む入力データのサブセットを返します。

パラメータ:

max_p_value - サンプルがコールド・スポット内にあるとみなされる最大p値。

返り値:

分析の実行に使用されるデータのサブセット。 タイプは入力データと同じです。

get_hotspot(max_p_value=0.05)

ホット・スポット内に配置されたサンプルを含む入力データのサブセットを返します。

パラメータ:

max_p_value - ホット・スポット内にあるとみなされるサンプルの最大p値。

返り値:

分析の実行に使用されるデータのサブセット。 タイプは入力データと同じです。

get_outliers(max_p_value=0.05)

外れ値とみなされるサンプルを含む入力データのサブセットを返します。

パラメータ:

max_p_value - 外れ値内とみなされるサンプルの最大p値。

返り値:

分析の実行に使用されるデータのサブセット。 タイプは入力データと同じです。

get_output_data()

入力データと、ローカル空間自動相関テスト列COL_I、COL_P_VALUE、COL_Z_VALUEおよびCOL_Qを返します。

返り値:

分析の実行に使用されるデータと同じタイプのデータ・セット。

property i_list

MoranのI値のリスト

property p_values

P値のリスト

property quadrants

四角形を表すint値のリスト。 異なるクアドラント値は、Quadrantで定義されます

property z_values

z値のリスト

class MoranITest(data, weights=None, weights_definition=None, column_name=None, **kwargs)

Moran I空間自動相関テストの実施。

classmethod create(data, weights_or_def, column_name=None)

MoranITestのインスタンスを作成します。 返されるインスタンスには、指定されたデータから指定された列に適用されたグローバルMoranのI空間自動相関テストの結果が含まれます。

パラメータ:

  • data - SpatialDataFrame、geopandas.GeoDataFrameのインスタンス、または浮動小数値の反復可能インスタンス。

  • weightsor_or_def - 空間加重定義または計算された空間加重を、SpatialWeightsまたはパイサル加重のインスタンスとして指定します。

  • column_name - データ・パラメータからの列の名前。 Noneの場合、データは浮動小数点値の反復可能データ、または1つのデータ列のみを含むデータ・フレームである必要があります(ジオメトリ列と索引列が含まれる場合があります)

返り値:

MoranITestオブジェクト。

property expected_i: float

空間自動相関がない場合、Moran I値が必要です。

property i: float

Moran I値。

property p_value: float

P値。

property spatial_weights

Moran Iのコンピュートに使用される空間オブジェクト。

property z_value

Z値。

class Quadrant(**keyargs)

さまざまなタイプの空間自動相関に関連付けられた平面内の四角形を表す値を定義します。

属性:

HOTSPOT (1)

ハイ-ハイ値のクアドラント。

DOUGHNUT (2)

ハイ-ロー値のクアドラント。

COLDSPOT (3)

ロー-ロー値のクアドラント。

DIAMOND (4)

ロー-ハイ値のクアドラント。

spatial_colocation_analysis(feature_data, spatial_weights_definition, interest_category=None, neighbor_category=None, neighbor_feature_data=None, is_time_window_analysis=False, interest_time_window=None, neighbor_time_widow=None, n_permutations=None)

空間コロケーションは、同じ空間レイヤーから、または異なる空間レイヤーから、異なるクラスのポイント特性の間の関係を測定および分析します。 コロケーション分析は、ローカル・コロケーション量(LCLQ)統計を使用して、2つのカテゴリのポイント機能(AとB)間の近接パターンを測定するツールです。 関心カテゴリ(カテゴリA)の機能ごとに、そのLCLQスコアが計算されます。 近所のカテゴリBのポイントの割合がBポイントのグローバル比率よりも大きい場合、LCLQ値は高くなります。•近所のB以外のカテゴリのAポイントまたはポイントが多い場合、LCLQスコアは小さくなります。

パラメータ:

  • feature_data - SpatialDataFrameのGeoDataFrame。 コロケーション分析に使用されるデータ

  • spatial_weights_definition - SpatialWeightsDefinition. ネイバー間の距離の計算方法を指定

  • interest_category - tuple. default=None。 対象カテゴリのフィールドと値を示す2つの値

  • neighbor_category - tuple. default=None。 隣接するカテゴリのフィールドと値を示す2つの値

  • neighbor_feature_data - SpatialDataFrameのGeoDataFrame。default=None。 もし存在すれば、近所の観測はここからやってくる

  • is_time_window_analysis - boolean, default=False。 時間window_analysisを使用するかどうかを示します

  • interest_time_window - tuple, default=None。 is_time_window_analysisがtrueである必要があります。 関心カテゴリのフィールド、開始時間、終了時間を示す3つの値が含まれています

  • neighbor_time_widow - tuple, default=None。 is_time_window_analysisがtrueである必要があります。 隣接するカテゴリのフィールド、開始時間、終了時間を示す3つの値が含まれています

  • n_permutations - int, default=None。 コロケーションの四分位数スコアの重要度レベルの計算に使用される順列の数。 Noneの場合、重要度レベルはNoneです