GeoDa计算全局Moran‘I

GeoDa计算全局Moran‘I

1、导入包含数据的.shp文件

2、创建权重矩阵,点击Weight Manger,再点击Create,

weights file ID variable(其中包含的数值要唯一),或者 add ID variable.选择计算的距离方式

3、接下来Space--Univariate Moran’s I

4、选择要计算Moran’I值的变量

5、点击OK,得到结果图

6、点击右键,如图操作,计算P-value

7、计算结果通过Z值检验(P值为0.001<0.05),0.001的意思是蒙特卡洛模拟999次

和真实分布1次所有moran‘I中,真实分布的moran'I在一千个中排名第一。

转载于:https://www.cnblogs.com/lichunl/p/8934118.html

  • 4
    点赞
  • 56
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
基于Python实现全局和局部双变量Moran指数计算,可以使用PySAL(Python空间分析库)来完成。PySAL是Python中最常用的空间数据分析库之一,提供了丰富的空间分析方法和函数。 要实现全局Moran指数计算,可以按照以下步骤进行: 1. 导入必要的库和模块: ```python import geopandas as gpd import libpysal as lp ``` 2. 导入数据集: ```python data = gpd.read_file('your_file.shp') ``` 3. 创建空间权重矩阵: ```python w = lp.weights.Queen.from_dataframe(data) ``` 4. 创建变量: ```python y = data['variable'] ``` 5. 计算全局Moran指数: ```python moran_global = lp.Moran(y, w) ``` 6. 输出结果: ```python print("全局Moran指数为: ", moran_global.I) print("p-value为: ", moran_global.p_sim) ``` 要实现局部Moran指数计算,可以按照以下步骤进行: 1. 导入必要的库和模块: ```python import geopandas as gpd import libpysal as lp ``` 2. 导入数据集: ```python data = gpd.read_file('your_file.shp') ``` 3. 创建空间权重矩阵: ```python w = lp.weights.Queen.from_dataframe(data) ``` 4. 创建变量: ```python y = data['variable'] ``` 5. 计算局部Moran指数: ```python moran_local = lp.Moran_Local(y, w) ``` 6. 输出结果: ```python print("局部Moran指数为: ", moran_local.Is) print("p-value为: ", moran_local.p_sim) ``` 以上就是基于Python实现全局和局部双变量Moran指数计算的简要步骤。使用PySAL可以更加简便地进行空间数据分析,并获得Moran指数的结果。需要注意的是,根据实际情况修改数据导入的方式和文件路径。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值