for i in list(aggregate):
lnd['clst'].iloc[i] = currIx
# Sao Tome (Release) ----------------------------------------------------------
currIx = currIx + 1
for i in list(notAggregate):
lnd['clst'].iloc[i] = currIx
currIx = currIx + 1
# Inaccesible -----------------------------------------------------------------
for i in list(notAccessible):
lnd['clst'].iloc[i] = currIx
currIx = currIx + 1
###############################################################################
# Checking Aggregation
###############################################################################
clusters = list(lnd['clst'])
aggMat = monet.aggregateLandscape(psiN, clusters)
###############################################################################
# Export
###############################################################################
lnd.to_csv(PTH_ROT+rid+'_v2_coords.csv', index=False)
np.savetxt(PTH_ROT+rid+'_v2_migmat.csv', aggMat, delimiter=",")
###############################################################################
# Export Map
###############################################################################
clstIDs = list(sorted(set(lnd['clst'])))
centroid = []
groupings = []
for clstID in clstIDs:
tmpDF = lnd[lnd['clst'] == clstID]
centroid.append([np.mean(i) for i in (tmpDF['lon'], tmpDF['lat'])])
groupings.append(list(tmpDF['id']))
###########################################################################
distPath = PATH + PLACE + "_DST_" + str(
CLST_METHOD) + "_" + namePad + ".csv"
distMat = monet.calculateDistanceMatrix(latlongs,
distFun=vn.vincenty) * 1000
# np.savetxt(distPath, distMat.astype(int), fmt='%i', delimiter=',')
# heat = sns.heatmap(distMat, annot=False)
# heat.get_figure().savefig(PATH + PLACE + "DIST.png", dpi=500)
###########################################################################
# Export migration matrix
###########################################################################
migrPath = PATH + PLACE + "_MIG_" + str(
CLST_METHOD) + "_" + namePad + ".csv"
zeroInflation = pow(lifeStayProb, adultMortality)
migrMat = monet.zeroInflatedExponentialMigrationKernel(
distMat, params=monet.AEDES_EXP_PARAMS, zeroInflation=zeroInflation)
monet.testMarkovMatrix(migrMat)
# np.savetxt(migrPath, migrMat, delimiter=',')
# heat = sns.heatmap(migrMat, annot=False)
# heat.get_figure().savefig(PATH + "MIGR.png", dpi=500)
##############################################################################
# Export aggregated migration matrix
##############################################################################
aggrPath = PATH + PLACE + "_AGG_" + str(
CLST_METHOD) + "_" + namePad + ".csv"
aggrCPath = PATH + PLACE + "_AGC_" + str(CLST_METHOD) + namePad + ".csv"
aggrMat = monet.aggregateLandscape(migrMat, clusters)
monet.testMarkovMatrix(aggrMat)
np.savetxt(aggrPath, aggrMat, delimiter=',')
np.savetxt(aggrCPath, centroids, delimiter=',')
else:
clstID = clusters[i - mxNOI - 1]
land.append([
cList[i][0], cList[i][1], cList[i][2], clstID + shftRef,
centroids[clstID][0], centroids[clstID][1]
])
# Validate that cluster lists match each other
test = []
for i in range(0, len(cList)):
test.append(landClst[i] == land[i][3])
# print(all(test))
#######################################################################
# Aggregate
#######################################################################
# print(migrMat.shape[0] == len(landClst))
aggrMat = monet.aggregateLandscape(migrMat, landClst)
#######################################################################
# Export
#######################################################################
# Define filenames
lbls = clst
outRepPath = PATH + OUT + "C" + str(clst).rjust(6, '0')
aux.createFolder(outRepPath)
placeName = LATLONGS.split("/")[1].split(".")[0].split("_")[0]
filenames = outRepPath + "/" + placeName + "_" + str(rep).rjust(4, '0')
# Export files
np.savetxt(filenames + "_A.csv", aggrMat, delimiter=',')
df = pd.DataFrame(
land, columns=['ID', 'Lat', 'Lon', 'Cluster', 'CLat', 'CLon'])
df.to_csv(filenames + "_I.csv", index=False)
