对不起,这个愚蠢的问题,我在空间自相关方面的经验非常有限。我有很多空间点,我测量了连续变量和分类变量。我需要计算这两种变量的全局空间自相关度量。
我知道这个任务对于连续的任务来说相对容易,下面是一个使用包elsa
的示例:
rm(list = ls())
library(raster)
library(elsa)
dta <- data.frame(Lon = (runif(60)*100),
Lat = (runif(60)*100),
Cat = sample(LETTERS[1:5], 60, replace = T),
Cont = (runif(60)*100))
coordinates(dta) <- ~Lon + Lat
# Moran's I global index:
moran(dta[,2], d1=0, d2=2000)
[1] -0.01694915 # The value varies given that seed was not set
# Geary's c global index:
geary(dta[,2], d1=0, d2=2000)
[1] 1
也就是说,我需要像上一个示例中的moran
或geary
命令这样的命令,但是可以应用于分类协变量。我在谷歌上搜索了一段时间,但一直没有找到解决办法。我在R方面比其他人更“流利”,但Python o,也许朱莉娅,也会有所帮助。有什么想法吗
目前没有回答
相关问题 更多 >
编程相关推荐