파이썬 분석

작년에 발매된 이 책을 읽고 실장해 보려고 echelon-py라는 유니버설 패키지를 제작해 공개했습니다.
율원고차·석강문생(2021)'에케론 해석-층층화시공간 데이터'공립출판
포장된 모든 기능을 덮어쓰기 위해 논문에 사용된 예시 노트를 제작하고 공개했다.데이터 세트 다운로드도 노트북 안에서 이뤄지기 때문에 다른 설치를 살짝 시도해 보는 것도 편리하다.
https://takeshi-teshima.github.io/echelon-py-examples/

사용예: 도쿄 23구 폐렴 데이터

상술한 서적에도 사용된 데이터.
①: 관측값의 데이터 프레임 입력

②: GeoPandas를 통해 읽은 도쿄도의 Shappefile .shp
이 두 개의 입력에서 Echellen을 만들고 Dendrogram에 표시합니다. (Shapfile에서 Adjacency 정보를 추출합니다.)

from echelon.contrib.geo import GISEchelonAnalysis
api = GISEchelonAnalysis()

result = api(table43, Tokyo_gdf, 'ID', 'Name', 'SMR')

print(api.dendrogram(result))

결실

동일한 데이터와 생성된 Echellen 컬렉션에서 핫스폿 후보를 나열합니다.

hotspots = api.hotspots(result, (table43, 'ID', 'n', 'o'), score='binomial')
hotspots

지도에 후보 핫이슈의 첫 번째 부분을 그립니다

%matplotlib inline
import matplotlib.pyplot as plt
api.plot_hotspot(hotspots)
plt.show()

이 예는 다음 노트에서 확인할 수 있습니다.

구현되지 않은 기능

Monte Carlo 검정과 타임라인 핫스팟 디스플레이를 제외하고는 대체로 구현됐다.
Matplotlib으로 단델로크를 쉽게 묘사할 방법이 없기 때문에, 단델로크는 그림이 아니라 문자열로 표시한다.사실 그림에 출력된 기능을 추가하고 싶은 곳이에요.
만약 단델로크가 그림을 잘 그렸다고 생각하는 사람이 있다면 꼭 이슈에 알려주세요.

참고 자료

R 설치(본사)
https://cran.r-project.org/web/packages/echelon/echelon.pdf

JS 설치https://zenn.dev/yonda/articles/4493fc696b2180

율원고차·석강문생(2021)'에케론 해석-층층화시공간 데이터'공립출판

책에 적힌 알고리즘이 그대로 있으면 움직이지 않을 것(작은 오류 따위가 아님) 때문에 R 실장을 참고하면서 대개 이런 알고리즘을 적용했다.