pyGWRx 中文手册

面向空间异质性、时空关系与局部统计分析的 Python 研究工具。

当前公开版本包含 19 个模型族、174 个公开 API、45 个可运行示例，并将模型、数值底座、诊断、绘图与数据接口组织在一套统一文档中。

安装 pyGWRx 五分钟开始 选择模型 模型手册 API 与示例

快速安装

支持 Python 3.11–3.14，可直接从 PyPI 安装：

python -m pip install --upgrade pyGWRx

安装完成后检查版本：

python -c "import pygwrx; print(pygwrx.__version__)"

更多环境隔离、可选依赖和版本锁定说明见中文使用指南。

从你的研究问题开始

研究需求	建议起点	进一步考虑
连续变量的空间非平稳关系	GWR	MGWR、RGWR、LCR-GWR
计数或二分类响应	GWGLM	分布族与暴露量诊断
逐观测时空变化	GTWR	SGTWR、MGTWR
多阶段历史信息	STWR	阶段权重敏感性分析
局部多变量结构	GWPCA、GWSS	GWDA
属性相似性与功能邻域	SGWR	LG-GWR、GR-GWR

中文文档入口

19 个模型手册

模型背景、数学原理、算法流程、参数、结果、诊断、完整代码和能力边界。

进入模型手册

功能使用指南

安装、数据输入、坐标与距离、核函数、带宽、预测、诊断、绘图和 API 使用方式。

进入使用指南

理论与原创模型

完整算法百科，以及 LG-GWR、GR-GWR 的专题理论资料与验证边界。

算法百科LG-GWRGR-GWR

使用边界

先读能力边界，再调用模型

• pyGWRx 采用一致的 fit → inspect → diagnose → visualize 使用方式，但当前不宣称完整符合 scikit-learn estimator contract。
• MGWR 和 MGTWR 当前只提供校准位置结果，不支持尚未验证的独立新位置预测。
• GWPCA 使用 transform()；GWSS 提供局部描述统计；BootstrapGWR 用于非平稳性推断；GWDA 是分类模型。
• mgwr 和 spglm 仅用于可选的 GWGLM 外部参考对照测试，不参与正常拟合。
• LGGWR 和 GRGWR 是原创研究模型，使用时应报告初始化、收敛、敏感性与验证范围。