moran指数 r语言_R语言空间数据分析（七）：空间自相关

作者：黄天元，复旦大学博士在读，热爱数据科学与开源工具(R)，致力于利用数据科学迅速积累行业经验优势和科学知识发现，涉猎内容包括但不限于信息计量、机器学习、数据可视化、应用统计建模、知识图谱等，著有《R语言高效数据处理指南》(《R语言数据高效处理指南》(黄天元)【摘要 书评 试读】- 京东图书)。知乎专栏：R语言数据挖掘。邮箱：huang.tian-yuan@qq.com.欢迎合作交流。https://zhuanlan.zhihu.com/p/283199848​zhuanlan.zhihu.com

这个帖子接着上次在HopeR：R语言空间数据分析(六)：空间点分布特征中使用的例子，继续进行拓展，来解释量化空间自相关的几种系数及其实现。这里，我们先载入英国选区的地理边界数据：

# 数据读入

LondonWards

# 观察坐标系

st_crs(LondonWards)

# 可视化

tmap_mode("view")

# 选取数据子集

BluePlaquesSub

tm_shape(LondonWards) +

tm_polygons(col = NA, alpha = 0.5) +

tm_shape(BluePlaquesSub) +

tm_dots(col = "blue")

然后，我们需要对地理信息进行数据操作，首先让选区信息与名人故居做连接，然后我们对选区名称进行计数(事实上是计算每个选区内有多少名人故居)，再利用st_area函数来计算选区面积，有了面积还可以对故居密度进行计算。最后，我们选出我们需要的一些变量。实现代码如下：

points_sf_joined %

st_join(BluePlaquesSub)%>%

add_count(WardName)%>%

#calcualte area

mutate(area=st_area(.))%>%

#then density of the points per ward

mutate(density=n/area)%>%</