Summarize Data

The Summarize Data toolset contains tools that calculate total counts, lengths, areas, and basic descriptive statistics of features and their attributes within areas or near other features.

• Aggregate Points calculates statistics about points that fall within specified areas or bins.
• Build Multi-Variable Grid generates a grid of square or hexagonal bins and calculates values for each bin based on the proximity of each input layer.
• Describe Dataset calculates a summary of your input, and can optionally generate a sample of your input layer.
• Join Features calculates statistics about features that share a spatial, temporal, or attribute relationship with other features.
• Reconstruct Tracks calculates statistics about points or polygons that belong to the same track and reconstructs inputs into tracks.
• Summarize Attributes calculates statistics about feature or tabular data that share attributes.
• Summarize Within calculates statistics for area features and attributes that overlap each other.

Consolida punts

Mitjançant una capa d'entitats de punts i una capa d'entitats d'àrees o bins definits per una distància especificada, aquesta eina determina quins punts es troben dins de cada àrea o bin i calcula estadístiques de tots els punts de dins de cada àrea o bin. També podeu aplicar la funció d'interval de temps amb aquesta eina.

A continuació s'indiquen alguns exemples:

• Donades les ubicacions de punts d'incidents delictius, compteu el nombre de delictes per comtat o per altres districtes administratius.
• Cerqueu els ingressos més alts i més baixos per ubicacions de franquícies mitjançant bins de 100quilòmetres.

Crea una quadrícula de diverses variables

L'eina Crear una quadrícula de diverses variables genera una quadrícula de bins quadrats o hexagonals i calcula els valors de cada bin segons la proximitat d'una o diverses capes d'entrada.

A continuació s'indiquen alguns exemples:

• Amb diverses capes d'infraestructura de transport públic especificades, quina part de la ciutat és menys accessible amb transport públic?
• Amb les capes de vies navegables especificades, com ara llacs i rius, com es diu la massa d'aigua més propera a cada ubicació dels EUA?
• Amb una capa d'ingressos d'una unitat familiar especificada, en quin lloc dels EUA es dona la variació d'ingressos més gran en un radi de 50 milles?

Descriu el dataset

Resumiu les entitats d'entrada amb estadístiques, capes de mostra i visualitzacions. Podeu triar que es mostri una capa de mostra o una capa d'extensió.

A continuació s'indiquen alguns exemples:

• Consulteu les estadístiques de resum calculades per entendre quins valors conté el vostre dataset.
• En lloc de dibuixar tot el dataset, creeu una capa de subconjunt per visualitzar les entitats i els seus atributs quan s'afegeixin a un mapa.
• Estalvieu temps i recursos, i executeu l'anàlisi en una capa de mostra abans d'executar l'anàlisi al dataset sencer.

Uneix les entitats

Podeu utilitzar capes d'entitats o dades tabulars per unir entitats i registres en funció de les relacions especifiques entre les capes o taules d'entrada. Les unions es determinaran per les relacions espacials, temporals i d'atributs i, si ho desitgeu, podeu calcular el resum de les estadístiques.

A continuació s'indiquen alguns exemples:

• Un cop especificades les ubicacions de punts d'incidents delictius d'una hora, uniu-hi les dades de delinqüència mitjançant l'especificació d'una relació espacial de delictes a una distància d'1 quilòmetre entre si i que s'han produït amb una diferència màxima d'1 hora per determinar si hi ha una seqüència de delictes propers en espai i temps.
• Amb una taula proporcionada de codis postal amb informació demogràfica i entitats d'àrees que representen edificis residencials, uniu la informació demogràfica a les residències perquè cada residència tingui la informació.

Reconstrueix els recorreguts

Amb una capa amb la funció de temps habilitada d'entitats de punts o polígons que representi un instant en el temps, aquesta eina determina quines entitats d'entrada pertanyen a un recorregut i demana les entrades de manera seqüencial en el temps. Les estadístiques es calculen de manera opcional per a les entitats d'entrada a cada recorregut.

A continuació s'indiquen alguns exemples:

• Amb les ubicacions de punts i l'hora de les mesures d'un huracà, calculeu la velocitat mitjana i la pressió màxima del vent de l'huracà.
• Utilitzeu les mesures GPS dels vaixells per reconstruir les rutes marítimes com a línies.

Resumir els atributs

Aquesta eina utilitza dades tabulars o d'entitats per resumir les estadístiques de camps específics.

A continuació s'indiquen alguns exemples:

• Amb les ubicacions de botigues d'alimentació amb un camp COMPANY_NAME especificades, feu un resum de les botigues pel nom d'empresa amb la finalitat de determinar les estadístiques de cada empresa.
• Amb la taula de botigues d'alimentació amb els camps COMPANY_NAME i COUNTY proporcionada, feu un resum de les botigues pel nom d'empresa i el comtat amb la finalitat de determinar les estadístiques de cada empresa a cada comtat.

Resumir dins de

Cerca àrees (i porcions d'àrees) que se superposen entre dues capes i calcula estadístiques sobre la superposició.

A continuació s'indiquen alguns exemples:

• Donada una capa d'àrees de conques hidrogràfiques i una capa d'àrees d'ús del sòl per tipus d'ús, calculeu la superfície total del tipus d'ús del sòl per a cada conca hidrogràfica.
• Donada una capa de parcel·les d'un comtat i una capa de límits de ciutats, resumiu el valor mitjà de les parcel·les buides en cada ciutat.

Detecta incidents

Aquesta eina funciona amb una capa de punts, línies, àrees o taules que té la funció de temps habilitada i que representa un instant de temps. Mitjançant entitats ordenades de manera seqüencial, anomenades recorreguts, aquesta eina determina quines entitats són incidents d'interès. Els incidents estaran determinats per les condicions que especifiqueu.

A continuació s'indiquen alguns exemples:

• Detecteu les mesures d'huracans de la categoria 4 segons l'atribut de la velocitat del vent.
• Amb les mesures GPS del moviment dels vaixells i un camp que representi la velocitat del vaixell, trobeu mesures que superin 1,5 vegades la mitjana de les cinc mesures anteriors.

Cerca ubicacions similars

En funció dels criteris que especifiqueu, per a la cerca ubicacions similars es mesura la similitud de les ubicacions de la capa de cerca de candidats amb una o diverses ubicacions de referència.

A continuació s'indiquen alguns exemples:

• Per cercar les deu botigues més similars, examineu el nombre d'empleats i les vendes anuals.
• Per cercar les 100 ciutats més similars, examineu la relació entre la població, el creixement anual i la recaptació d'impostos.

Analitza els patrons

Aquestes eines us ajuden a identificar, quantificar i visualitzar els patrons espacials de les vostres dades.

• Calcula la densitat pren quantitats conegudes d'algun fenomen i les dispersa pel mapa.
• Cerca punts calents identifica clusteritzacions estadísticament significatives al patró espacial de les vostres dades.
• Cerca clústers de punts cerca clústers d'entitats de punts dins del soroll de l'entorn en funció de la seva distribució espacial.
• Classificació i regressió forestals crea models i genera prediccions mitjançant una adaptació de l'algoritme de bosc aleatori de Leo Breiman, un mètode d'aprenentatge automàtic supervisat.
• Regressió lineal generalitzada genera prediccions o modela una variable dependent des del punt de vista de la seva relació amb un conjunt de variables explicatives.

Calcula la densitat

L'eina Calcula la densitat crea un mapa de densitat a partir de les entitats de punts mitjançant la difusió de quantitats conegudes del mateix fenomen (que es representen com a atributs dels punts) al mapa. El resultat és una capa d'àrees que representen la densitat.

A continuació s'indiquen alguns exemples:

• Càlcul de les densitats d'hospitals en un comtat. La capa de resultats mostrarà les àrees amb una accessibilitat alta i baixa als hospitals. Aquesta informació es pot utilitzar per decidir on s'haurien de construir hospitals nous.
• Identificació d'àrees amb un alt risc d'incendi forestal en funció de l'historial d'ubicacions d'aquests incendis.
• Localització de comunitats allunyades de les carreteres principals per planificar on s'haurien de construir carreteres noves.

Cerca clústers de punts

L'eina Cerca clústers de punts cerca clústers d'entitats de punts dins del soroll de l'entorn en funció de la seva distribució espacial.

A continuació s'indiquen alguns exemples:

• Cerqueu unitats familiars infectades per plagues per ajudar a orientar els esforços d'eradicació.
• Informeu i actueu en les necessitats de rescat i evacuació segons la mida i la ubicació dels clústers mitjançant tuits geolocalitzats que segueixin els riscos naturals o atacs terroristes.

Cerca punts calents

L'eina Cerca punts calents determinarà si hi ha cap clusterització estadísticament significativa al patró espacial de les vostres dades.

• Els vostres punts (delictes, arbres, accidents de trànsit) estan realment clusteritzats? Com en podeu estar segur?
• Heu descobert realment un punt calent estadísticament significatiu (de despesa, mortalitat infantil, notes d'examen sistemàticament altes) o el mapa explicaria una història diferent si en canviéssiu els símbols?

Classificació i regressió forestals

L'eina Classificació i regressió forestals defineix i genera prediccions mitjançant una adaptació de l'algoritme de bosc aleatori de Leo Breiman, que és un mètode d'aprenentatge automàtic supervisat

A continuació s'indiquen alguns exemples:

• Donades les dades sobre l'aparició de praderia submarina, així com un nombre de variables explicatives mediambientals que es representen com els dos atributs que s'han enriquit amb una quadrícula de diverses variables per calcular les distàncies a les fàbriques aigües amunt i els ports principals, les futures aparicions de praderia submarina es podran predir segons les projeccions d'aquestes mateixes variables explicatives mediambientals.
• Suposem que teniu dades del rendiment agrícola de centenars de granges a tot el país, juntament amb altres atributs de cadascuna de les granges (nombre d'empleats, superfície, etc.). Amb aquestes dades, podeu proporcionar un conjunt d'entitats que representin granges on no teniu el rendiment agrícola (però sí que teniu totes les altres variables), i fer una predicció sobre aquesta relació.
• Els valors de l'habitatge es poden predir segons els preus de les cases venudes durant l'any en curs. El preu de venda dels habitatges venuts, juntament amb informació sobre el nombre d'habitacions, la distància a les escoles, la proximitat a les carreteres i vies principals, la mitjana d'ingressos i els índex de delinqüència, es poden utilitzar per predir els preus de venda d'immobles similars.

Regressió lineal generalitzada

L'eina Regressió lineal generalitzada genera prediccions o modela una variable dependent des del punt de vista de la seva relació amb un conjunt de variables explicatives. Aquesta eina es pot utilitzar per ajustar models continu (OLS), binari (logístic) i de recompte (Poisson).

A continuació s'indiquen alguns exemples:

• Quines característiques demogràfiques contribueixen a alts índexs d'ús del transport públic?
• Hi ha una relació positiva entre el vandalisme i els robatoris?
• Quines variables prediuen de manera efectiva el volum de trucades al 911? Donades futures projeccions, quina és la demanda prevista de recursos de resposta davant d'emergències?
• Quines variables afecten les taxes de natalitat baixes?

Crea àrees d'influència

Una àrea d'influència és una àrea que cobreix una distància determinada d'una entitat de punts, línies o polígons.

A continuació s'indiquen alguns exemples:

• Mitjançant entitats de riu lineals, creeu una àrea d'influència de cada riu multiplicant per 50 l'amplada del riu per determinar un límit riberenc proposat.
• Amb àrees proporcionades que representen països, creeu una àrea d'influència de cada país per 200 milles nàutiques per determinar el límit marítim.

Manage Data

These tools are used for the day-to-day management of geographic and tabular data.

• Append Data appends features to an existing hosted feature layer.
• Calculate Field creates a new field or modifies an existing field and creates a new layer in your contents.
• Clip Layer copies features that intersect a defined area of interest.
• Copy to Data Store copies data to your ArcGIS Data Store and creates a layer in your contents.
• Dissolve Boundaries merges areas that share a common boundary or attribute value.
• Merge Layers copies all features from two layers into a single result layer.
• Overlay Layers combines two or more layers into a single layer.

Copia al Data Store

Copia una taula o capa d'entitats d'entrada en un ArcGIS Data Store i crea una capa al vostre contingut de l'ArcGIS Enterprise.

A continuació s'indiquen alguns exemples:

• Copieu una col·lecció de fitxers .csv d'un recurs compartit de fitxers de dades massives al magatzem de dades espaciotemporal per a la seva visualització.
• Copieu les entitats de l'extensió de mapa actual que es troben al magatzem de dades espaciotemporal al magatzem de dades relacional.

Dissol els límits

Fusiona les entitats d'àrees que s'intersequen o que comparteixen un valor de camp comú per crear entitats contigüeso de diverses parts.

A continuació s'indiquen alguns exemples:

• Creeu una entitat única que representi l'estat de Hawaii. Per fer-ho, dissoleu els límits de les illes de Hawaii.
• Combineu les àrees d'estudi similars segons el tipus de sòl per obtenir un dataset de tipus de sòl contigu.

Superposa les capes

Combina dues o més capes en una de sola. La superposició s'utilitza per respondre una de les preguntes geogràfiques més essencials: "Què està a sobre de què?"

A continuació s'indiquen algunsexemples:

• Quines parcel·les estan dins de les planes d'inundacióde 100 anys? (Dins és només una altra forma de dir a sobre de.)
• Quin ús del sòl està a sobre de quin tipus de sòl?
• Quins pous estan dins de bases militars abandonades?

Afegeix dades

Afegeix entitats a una capa allotjada existent del vostre contingut a l' ArcGIS Enterprise.

A continuació s'indiquen alguns exemples:

• Actualitzeu la capa d'entitats 2018_Sales cada mes a mesura que els informes estiguin disponibles.
• Afegiu datasets de seguiment d'huracans dels anys 2016 i 2017 en un dataset d'huracans mestre.
• Recopileu i afegiu datasets de diversos orígens amb diferents esquemes mitjançant l'assignació de camps personalitzada.

Fusiona les capes

Combina dues capes d'entitats per crear una capa de resultats única. Tots els camps de la capa de fusió s'inclouran per defecte, o bé podeu especificar regles de fusió personalitzades per definir l'esquema resultant.

A continuació s'indiquen alguns exemples:

• Fusioneu tres capes que continguin informació demogràfica d'Anglaterra, Gal·les i Escòcia per formar una sola capa de Gran Bretanya.
• Combineu dues capes que continguin informació de parcel·les de municipis contigus, i conserveu només els camps que tinguin el mateix nom i el mateix tipus a les dues capes.

Enriqueix des de la quadrícula de diverses variables

Uneix de manera eficient els atributs d'una quadrícula de diverses variables a una capa de punts, el que us permet afegir ràpidament una col·lecció gran i diversa d'informació per assenyalar dades per al seu ús en anàlisis espacials posteriors.

A continuació s'indiquen alguns exemples:

• Donada una capa que conté milions d'incidents de tall del subministrament elèctric, enriquiu les entitats d'incidents amb informació sobre l'ús típic, els riscos mediambientals i les condicions de la infraestructura per estudiar la relació entre aquests factors i la freqüència dels talls del subministrament elèctric.