数据、坐标与输入规范

pyGWRx 的模型共享一套基本数据契约，但不同模型对响应分布、时间、属性相似度和阶段结构有额外要求。输入正确比调参更重要；很多所谓“模型不稳定”其实来自坐标单位、索引错位或数据泄漏。

1. 基础输入

输入	常见形状	含义
X	(n, p)	自变量；可使用 NumPy 数组或 pandas DataFrame
y	(n,)	连续响应、计数、二元响应或类别标签
coords	(n, 2)	每个观测的二维位置，行顺序必须与 X、y 完全一致
times	(n,)	GTWR、MGTWR、SGTWR 等模型的时间坐标
attributes	(n, q)	SGWR/SGTWR 的非地理相似性变量

DataFrame 输入会保留变量名，推荐用于正式分析。不要在 X 中手工添加常数列后又启用 fit_intercept=True。

2. 坐标与 CRS

经纬度是角度，不是米。若使用欧氏距离，先把 GeoDataFrame 投影到适合研究区的投影坐标系：

import geopandas as gpd

projected = gdf.to_crs("EPSG:32650")
coords = projected.geometry.get_coordinates().to_numpy()

跨大范围研究可采用模型支持的球面距离语义。报告中必须说明 CRS、距离单位和是否使用固定或自适应带宽。

3. 索引与缺失值

在传给模型前，应一次性构造共同有效掩码，避免分别删除 X、y、坐标中的缺失值造成行错位：

columns = ["y", "x1", "x2", "geometry"]
analysis = gdf[columns].dropna().copy()
X = analysis[["x1", "x2"]]
y = analysis["y"]
coords = analysis.geometry.get_coordinates().to_numpy()

不要在拟合后重新排序结果表而不保留原索引。地图连接应使用稳定的观测 ID。

4. 不同模型的响应要求

• GWR、MGWR、RGWR、LCRGWR、MixedGWR 等：连续响应。
• GWGLM：Gaussian、Poisson 或 Binomial；Poisson 可提供 exposure/offset。
• GWDA：类别标签，需保证每个局部邻域包含足够类别样本。
• GWPCA、GWSS：主要输入是多变量特征，任务不是回归预测。
• BootstrapGWR：连续响应，用于非平稳性推断而不是常规预测。

5. 时空模型

时间变量必须具有清楚单位。GTWR/MGTWR/SGTWR 使用点级时间；STWR 使用多阶段列表与阶段间隔。时间标准化会改变空间—时间权衡，因此应报告原始单位、缩放方式和是否采用因果历史窗口。

6. 训练与验证

随机 K 折通常会把相邻样本同时放入训练和验证集，夸大性能。推荐空间分块、缓冲留出或区域外推验证；时空模型还应采用时间滚动或过去预测未来的划分。

7. 输入检查清单

• 行数和行顺序完全一致；
• 坐标单位与距离语义一致；
• 自变量没有重复常数列；
• 缺失值和无穷值已统一处理；
• 类别/计数响应满足模型假设；
• 带宽搜索范围不会产生局部样本不足；
• 验证划分符合真实使用场景。