Geospatial Data Science（7）: Point pattern analysis
点是空间实体，可以用两种根本不同的方式来理解。 一方面，点可以看作是空间中的固定对象，也就是说它们的位置是给定的（外生）。 在这种情况下，点的分析与其他类型的空间数据（如多边形和线）的分析非常相似。 另一方面，点可以看作是事件的发生，理论上可以在任何地方发生，但只在特定位置出现。 这是我们将在笔记本的其余部分采用的方法。
当点被视为可能发生在多个位置但只发生在其中几个位置的事件时，此类事件的集合称为点模式。 在这种情况下，点的位置是分析兴趣的关键方面之一。 点模式的一个很好的例子是城市中的犯罪事件：它们在技术上可能发生在许多地方，但我们通常发现犯罪只发生在少数几个地方。 如果位置提供了更多属性，则点模式可以是标记，或者如果仅提供事件发生地点的坐标，则可以未标记。 继续犯罪的例子，如果只使用犯罪发生的地点进行分析，就会产生一个无标记的模式，而如果其他属性，如犯罪的类型、损害的程度、 等提供了位置。
因此，点模式分析与点模式的描述、统计表征和建模有关，特别关注产生和解释观察到的数据的生成过程。 点分布的本质是什么？ 是否有任何我们可以从统计上辨别位置在空间上的排列方式的结构？ *为什么事件发生在那些地方而不是其他地方？*这些都是指向的问题 模式分析涉及。
本笔记本旨在简要介绍如何在 Python 中使用点模式。 因此，它涵盖了如何读取、处理和转换点数据&#x