摘要:参考:皮尔逊相关系数(Pearson Correlation Coefficient) 参考:空间相关系数 通过计算每个象元的相关性,然后把整个象元再描绘出来,就形成一幅地图! 参考:A&C分区|两变量相关系数空间分布图(空间演变及影响因子分析第三集:空间相关性分析) 参考:Python气象数据处理
阅读全文
摘要:参考: 白话空间统计十九:热点分析(上) 白话空间统计十九:热点分析(中) 白话空间统计十九:热点分析(下):结果解读以及用R语言实现
阅读全文
摘要:参考:python怎么绘制小提琴图?|seaborn violinplot 参考:seaborn学习笔记(四):箱型图、小提琴图 参考:01 ,seaborn 基本设置 :5种风格,外边框,图位置,子图风格,文字大小,线宽 参考:matplotlib科研绘图 Times New Roman字体设置
阅读全文
摘要:参考:热点分析 (Getis-Ord Gi*) 的工作原理(Hostspot Analysis) 参考:聚类和异常值分析 (Anselin Local Moran's I)(Cluster) 参考:新兴时空热点分析(Emerging Hotspot Analysis)
阅读全文
摘要:白话空间统计 新版白话空间统计(1):前言与地理学第一定律 新版白话空间统计(2):空间自相关 新版白话空间统计(3):空间分布模式 新版白话空间统计(4):莫兰指数之起源 新版白话空间统计(5):莫兰指数之计算详解这就是莫兰指数的原理:属性与空间关系的乘积,得到最终的空间上的相关性。空间关系在自相
阅读全文
摘要:参考:皮尔森相关系数(Pearson correlation coefficient) 参考:皮尔逊相关系数和检验P值 两组数据一一对应,通过计算判断两组数据的相关性 例如分析新冠确诊患者与城市人口的关系、与老年人口的关系等等。 可以考虑为人口密度的关系,也可以考虑人口绝对数量的关系 看两者是否算相
阅读全文