我正在使用geopandas来读取瑞士市政府的shapefile，即municipalities.shp。对于170我有人口的信息，即population.csv的文件可以在此仓库here中找到。
是否可以通过所谓的BFS number合并信息。
import pandas as pd
import geopandas
mun = geopandas.read_file('municipalities.shp')
pop = pd.read_csv('population.csv')
## merge data
mergedData = pd.merge(mun,pop,left_on='BFS_NUMMER',right_on='BFS')
现在对于170个直辖市中的每一个，我都有地理信息和人口信息。
我想知道是否可以使用pysal检查这170个城市的人口是否在空间上自相关。
答案 0 :(得分：0)
是的，可以。首先，您需要确保传递地理数据框，您的代码返回的是熊猫数据框：
Registry然后，您可以使用import pandas as pd
import geopandas as gpd
mun = gpd.read_file('municipalities.shp')
pop = pd.read_csv('population.csv')
# merge data
mergedData = mun.merge(pop,left_on='BFS_NUMMER',right_on='BFS')
的工具。我将按照pysal的新结构使用libpysal和esda软件包。
pysal首先，您必须生成空间权重矩阵。如果要使用不同于Queen的名称，只需遵循https://libpysal.readthedocs.io/en/latest/api.html。然后，生成空间自相关（全局）的Moran I索引。它会生成您可能需要的所有属性（https://esda.readthedocs.io/en/latest/generated/esda.Moran.html#esda.Moran）。类似的语法适用于Gamma，Garyy's C或Getis Ord自相关索引。
import libpysal
import esda
weights = libpysal.weights.Queen.from_dataframe(mergedData) # generate spatial weights (Queen in this case)
spatial_auto = esda.Moran(mun[['population']], weights) # calculate Moran's I
的文档非常好，显示了jupyter笔记本中的示例，我建议检查一下其他信息（例如局部自相关或绘图）-https://esda.readthedocs.io/en/latest/。