Como Identificar seus Vizinhos – Autocorrelação Espacial (Vizinhança - Ambiente de Programação)

Antes de seguir à prática convém examinar qual ferramental venho utilizando e quais caminhos trilhar para se municiar para as atividades que serão acompanhadas aqui.
Apesar de existirem programas com interface gráfica, feitos especificamente para algumas poucas operações com estatísticas espaciais, minha experiência e aprendizado tem sido em cima da linguagem de programação Python:

Python is an interpreted, object-oriented, high-level programming language with dynamic semantics. http://www.python.org

Que foi a forma que me sugeriram de retomar a experiência com programação, iniciada com curso de lógica de programação e banco de dados, lá nos idos de 2003, por se tratar de uma linguagem (scripting) simples com uma curva de aprendizado muito rápida, o que não só facilita o aprendizado como minimiza o tempo de criação e manutenção dos códigos.

Além disso, apesar de não ser uma linguagem estatística tal qual o S (SAS), R (R-Project) ou outras, conta com um grande número de bibliotecas voltadas para a produção científica, conforme o tamanho desta comunidade cresce. Convém observar que dois dos principais sistemas de informação geográficas (SIGs ou GIS - Geographic Information Systems) utilizam do core python para executar diversas rotinas, integração que simplifica nosso trabalho quando tratamos de dados geográficos, seja para carregamento ou visualização de dados.

Seguem as principais ferramentas utilizadas:

• Numpy - Biblioteca matemática do Python, conta com diversas operações semelhantes ao Matlab ou Octave;
• Fiona - Biblioteca para manipulação de arquivos geográficos, como abertura, fechamento, escrita e atualização dos dados geográficos em arquivos apropriados para a leitura pelos SIGs;
• Shapely - Biblioteca que permite o tratamento das informações puramente geográficas, como coordenadas, polígonos, linhas e outras, transformando para formato próprio para uso com os arquivos manipulados com o Fiona;
• Pysal - Biblioteca que contém diversos métodos de estatísticas e econometria espaciais, realizado pela equipe do Dr. Luc Anselin (GEODA) e Dr. Sergio Rey (STARS), que juntaram esforços nesta área para produzir esta biblioteca.

As versões do python seguem duas linhas diversas: 2.7 e 3.3, para o qual compete ao 3.3 grandes avanços em termos de processamento e da linguagem como um todo, porém, como a biblioteca Pysal somente está adequada ao uso com a linha 2.7, é esta a versão que devemos baixar para o uso nos exemplos deste blog.
Por simplicidade eu costumo utilizar uma distribuição python voltada especificamente para comunidade científica denominada winpython, que já conta com muitas das bibliotecas que você poderia vir a usar para produção de material científico. Neste caso em específico, cabe adicionar as bibliotecas Fiona, Shapely e Pysal, no que eu sugiro baixar do site a seguir, ao contrário da instalação por linha de comando, que apesar de simples não vou me ater aqui:

http://www.lfd.uci.edu/~gohlke/

Ainda, se não for do interesse a instalação destes pacotes, podem ser feitas quaisquer operações indicadas aqui pelo ambiente virtual PythonAnywhere, serviço que já inclui todas as bibliotecas utilizadas em qualquer momento deste site:

Sendo o principal deste serviço que, além da simplificação de já possuir todas as bibliotecas necessárias para qualquer exemplo, permite a criação de sessões compartilhadas (para quem estiver logado no site) para que possa ser feita a discussão ou acompanhamento de um determinado exercício ou outro.