PySAL-giddy 用于探索性时空数据分析

Giddy是一个开源的Python库，用于探索性时空数据分析和地理空间分布动态分析。它正在积极开发，以包含考虑空间在分布随时间演变中的作用的新分析方法。

以下是1929年至2004年间每隔十五年的美国各州人均收入的六张等值线图。

文档

在线文档可在此处找到。

功能

• 方向性LISA，以玫瑰图进行推理和可视化

上图显示了1969-2009年间美国各州收入与1969年相对收入的条件下的玫瑰图（方向性LISA）。

• 空间显式马尔可夫方法
  • 空间马尔可夫和推理
  • LISA 马尔可夫和推理
• 交换流动性测度（排名方法）的空间分解
  • 流动性关联的全球指标（GIMA）和推理
  • 流动性关联的跨区域和区域内部分解及推理
  • 流动性关联的局部指标（LIMA）
    • 邻域集 LIMA 和推理
    • 邻域集 LIMA 和推理

• 收入流动性指标
• 基于对齐的序列分析方法

示例

• 方向性 LISA
• 基于马尔可夫的方法
• 排名马尔可夫方法
• 流动性指标
• 基于排名的方法
• 序列方法（最优匹配）

安装

从命令行安装发布在 Python 包索引 上的稳定版本

pip install giddy

在 pysal/giddy 上安装开发版本

pip install git+https://github.com/pysal/giddy

需求

• scipy>=1.3.0
• libpysal>=4.0.1
• mapclassify>=2.1.1
• esda>=2.1.1
• quantecon>=0.4.7

贡献

PySAL-giddy 正在积极开发中，欢迎贡献者。

如果您有任何建议、功能请求或错误报告，请在新 GitHub 问题上 提出。要提交补丁，请遵循 PySAL 开发 指南 并打开 拉取请求。一旦您的更改被合并，您将自动被添加到 贡献者列表。

支持

如果您遇到问题，请在 gitter 房间 中与我们交谈。

许可证

该项目采用 BSD 许可证。

BibTeX 引用

@software{wei_kang_2023_7693957,
  author       = {Wei Kang and
                  Sergio Rey and
                  Philip Stephens and
                  James Gaboardi and
                  Nicholas Malizia and
                  Stefanie Lumnitz and
                  Levi John Wolf and
                  Charles Schmidt and
                  Jay Laura and
                  Eli Knaap},
  title        = {pysal/giddy: v2.3.4},
  month        = mar,
  year         = 2023,
  publisher    = {Zenodo},
  version      = {v2.3.4},
  doi          = {10.5281/zenodo.7693957},
  url          = {https://doi.org/10.5281/zenodo.7693957}
}

资助

奖励 #1421935 新方法用于空间分布动态