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.

Punkte aggregieren

Dieses Werkzeug ermittelt anhand eines Punkt-Feature-Layers und eines Flächen-Feature-Layers oder anhand von Abschnitten, die durch eine festgelegte Entfernung definiert sind, welche Punkte sich innerhalb der einzelnen Bereiche oder Abschnitte befinden, und berechnet Statistiken zu allen Punkten in jedem Bereich. Sie können auch Zeitintervalle mit diesem Werkzeug anwenden.

Nachfolgend finden Sie einige Beispiele:

• Ermitteln Sie anhand der Punktpositionen von Kriminaldelikten die Anzahl der Delikte pro Landkreis oder Verwaltungsbezirk.
• Ermitteln Sie die höchsten und niedrigsten monatlichen Umsatzzahlen für Franchise-Standorte anhand von 100-km-Abschnitten.

Gitter mit mehreren Variablen erstellen

Das Werkzeug "Gitter mit mehreren Variablen erstellen" generiert ein Gitter aus quadratischen oder sechseckigen Abschnitten und berechnet die Variablen für jeden Abschnitt basierend auf der Nähe mindestens eines Eingabe-Layers.

Nachfolgend finden Sie einige Beispiele:

• Anhand mehrerer Layer für die Infrastruktur des öffentlichen Nahverkehrs können Sie herausfinden, welcher Teil der Stadt mit dem öffentlichen Nahverkehr am schlechtesten zu erreichen ist.
• Mithilfe von Layern für Wasserstraßen, wie Seen und Flüsse, können Sie den Namen des nächstgelegenen Gewässers jeder Position in den USA ermitteln.
• Anhand eines Layers für das Haushaltseinkommen lässt sich herausfinden, wo in den USA die Einkommensschwankungen in einer Umgebung von 50 Meilen am größten sind.

Dataset beschreiben

Fassen Sie Eingabe-Features mit Statistiken, Beispiel-Layern und Visualisierung zusammen. Sie können einen Beispiel- oder einen Ausdehnungs-Layer als Ausgabe erstellen.

Nachfolgend finden Sie einige Beispiele:

• Referenzieren Sie die berechnete Summenstatistik, um zu verstehen, welche Werte Ihr Dataset enthält.
• Erstellen Sie einen Teilmengen-Layer, um Features und deren Attribute zu visualisieren, wenn Sie einer Karte hinzugefügt werden, anstatt das gesamte Dataset darzustellen.
• Sparen Sie Zeit und Ressourcen ein, und führen Sie eine Analyse für einen Beispiel-Layer aus, bevor Sie sie für das gesamte Dataset ausführen.

Features verbinden

Mithilfe von Feature-Layern oder Tabellendaten können Sie Features und Datensätze basierend auf bestimmten Beziehungen zwischen den Eingabe-Layern oder Tabellen verbinden. Verbindungen werden durch räumliche, zeitliche und Attributbeziehungen bestimmt und Summenstatistiken können optional berechnet werden.

Nachfolgend finden Sie einige Beispiele:

• Verbinden Sie die Verbrechensdaten anhand der Punktpositionen von Kriminaldelikten mit einer Zeitangabe, indem Sie eine räumliche Beziehung von Kriminaldelikten angeben, die einen Kilometer voneinander entfernt und einen zeitlichen Abstand von einer Stunde aufweisen, um zu ermitteln, ob eine Abfolge von Kriminaldelikten vorhanden ist, die im Kontext von Raum und Zeit nah beeinander liegen.
• Verbinden Sie anhand einer Postleitzahlentabelle mit demografischen Informationen und Flächen-Features, die Wohnhäuser darstellen, die demografischen Informationen zu den Wohnhäusern, sodass jedes Wohnhaus nun über diese Informationen verfügt.

Spuren rekonstruieren

Dieses Werkzeug ermittelt anhand eines Layers mit Punkt- oder Polygon-Features mit aktivierten Zeiteigenschaften, die einen Zeitpunkt darstellen, welche Eingabe-Features zu einer Spur gehören, und ordnet die Eingaben in einer zeitlichen Abfolge. Statistiken werden optional für die Eingabe-Features in jeder Spur berechnet.

Nachfolgend finden Sie einige Beispiele:

• Berechnen Sie anhand von Punktpositionen und der Zeit von Wirbelsturmmessungen den Mittelwert der Windgeschwindigkeit und den maximalen Winddruck des Wirbelsturms.
• Verwenden Sie GPS-Messungen von Schiffen, um die Wege von Schiffen als Linien zu rekonstruieren.

Attribute zusammenfassen

Dieses Werkzeug fasst Statistiken für angegebene Felder mittels Feature- oder Tabellendaten zusammen.

Nachfolgend finden Sie einige Beispiele:

• Anhand der Standorte von Lebensmittelgeschäften werden mit dem Feld COMPANY_NAME die Geschäfte nach dem Namen des Unternehmens zusammengefasst, um Statistiken für jedes Unternehmen zu ermitteln.
• Anhand einer Tabelle mit Lebensmittelgeschäften werden mit den Feldern COMPANY_NAME und COUNTY die Geschäfte nach dem Namen und dem Landkreis des Unternehmens zusammengefasst, um Statistiken für jedes Unternehmen in jedem Landkreis zu ermitteln.

Zusammenfassen (innerhalb)

Findet Flächen (und Teile von Flächen), die sich zwischen zwei Layern überlappen, und berechnet Statistiken zu der Überlappung.

Nachfolgend finden Sie einige Beispiele:

• Ermitteln Sie anhand eines Layers mit Abflussgebieten und eines Layers mit Landnutzungsflächen nach Landnutzungstyp die Gesamtlandwirtschaftsfläche des Landnutzungstyps für jedes Abflussgebiet.
• Fassen Sie den Durchschnittswert unbebauter Flurstücke innerhalb jeder Stadt anhand eines Flurstücks-Layers in einem Landkreis und eines Stadtgrenzen-Layers zusammen.

Ereignisse ermitteln

Dieses Werkzeug arbeitet mit einem Layer aus Punkten, Linien, Flächen oder Tabellen, der ein Layer mit aktivierten Zeiteigenschaften ist und einen Zeitpunkt darstellt. Mit sequenziell angeordneten Features, sogenannten Spuren, ermittelt dieses Werkzeug die Features, die die gewünschten Ereignisse enthalten. Ereignisse werden durch Bedingungen, die Sie angeben, bestimmt.

Nachfolgend finden Sie einige Beispiele:

• Ermitteln Sie in Messungen von Hurrikanen anhand eines Attributs für die Windgeschwindigkeit die Hurrikane der Kategorie 4.
• Mit GPS-Messungen der Schiffsbewegung mit einem Feld für die Windgeschwindigkeit finden Sie Messungen, die größer sind als das 1,5-fache des Mittelwerts der vorherigen fünf Messungen.

Ähnliche Positionen suchen

Mit "Ähnliche Positionen suchen" wird die Ähnlichkeit von Positionen im Layer für Kandidatensuche mit mindestens einer Bezugsposition auf Grundlage der angegebenen Kriterien gemessen.

Nachfolgend finden Sie einige Beispiele:

• Suchen Sie die zehn Geschäfte mit der größten Ähnlichkeit, indem Sie die Anzahl der Mitarbeiter und die Jahresumsätze überprüfen.
• Suchen Sie die 100 Städte mit der größten Ähnlichkeit, indem Sie die Beziehung zwischen Bevölkerung, jährlichem Wachstum und Steuereinnahmen überprüfen.

Muster analysieren

Mit diesen Werkzeugen können Sie räumliche Muster in Daten identifizieren, quantifizieren und visualisieren.

• Das Werkzeug Dichte berechnen stellt die Anzahl der angegebenen Daten auf der Karte dar.
• Mit Hot-Spots suchen werden statistisch signifikante Cluster im räumlichen Muster Ihrer Daten identifiziert.
• Das Werkzeug Punkt-Cluster suchen findet Cluster aus Punkt-Features im Datenrauschen des Umfelds basierend auf deren räumlicher Verteilung.
• Forest-basierte Klassifizierung und Regression erstellt Modelle und generiert Vorhersagen mithilfe einer Adaption des "Random Forest"-Algorithmus, einer Methode für überwachtes maschinelles Lernen von Leo Breiman.
• Generalisierte lineare Regression generiert Vorhersagen oder modelliert eine abhängige Variable in Hinsicht auf ihre Beziehung zu einem Satz erklärender Variablen.

Dichte berechnen

Das Werkzeug "Dichte berechnen" erstellt eine Dichtekarte aus Punkt-Features, indem bekannte Mengen einiger Phänomene (als Attribute der Punkte dargestellt) auf der Karte verteilt werden. Das Ergebnis ist ein Flächen-Layer, der die Dichte darstellt.

Nachfolgend finden Sie einige Beispiele:

• Berechnung der Krankenhausdichte in einem Bezirk. Der Ergebnis-Layer zeigt Flächen mit hoher und niedriger Erreichbarkeit von Krankenhäusern. Anhand dieser Informationen kann entschieden werden, ob neue Krankenhäuser gebaut werden müssen.
• Identifikation von Flächen, die aufgrund historischer Waldbrandstandorte ein hohes Waldbrandrisiko aufweisen.
• Ermittlung von Gemeinden, die weit von wichtigen Fernstraßen entfernt sind, um zu planen, wo neue Straßen gebaut werden müssen.

Punkt-Cluster suchen

Das Werkzeug "Punkt-Cluster suchen" findet Cluster aus Punkt-Features im Datenrauschen des Umfelds basierend auf deren räumlicher Verteilung.

Nachfolgend finden Sie einige Beispiele:

• Suchen Sie Cluster mit Haushalten, die von krankheitsübertragenden Erregern betroffen sind, um gezielte Bekämpfungsmaßnahmen zu unterstützen.
• Informieren Sie sich mithilfe von verorteten Tweets infolge von Naturgefahren und Terrorangriffen über notwendige Rettungsmaßnahmen und Evakuierungen basierend auf der Größe und der Position von Clustern und ergreifen Sie entsprechende Maßnahmen.

Hot-Spots suchen

Das Werkzeug "Hot-Spots suchen" ermittelt, ob die räumlichen Muster in den Daten eine statistisch signifikante Cluster-Bildung aufweisen.

• Sind Ihre Punkte (Verbrechensfälle, Bäume, Verkehrsunfälle) wirklich geclustert? Wie kann dies sichergestellt werden?
• Haben Sie wirklich einen statistisch signifikanten Hot-Spot (für Ausgaben, Kindersterblichkeit, durchweg hohe Prüfungsergebnisse) gefunden oder ließen sich andere Erkenntnisse aus der Karte ziehen, wenn die Art der Symbolisierung geändert würde?

Forest-basierte Klassifizierung und Regression

Das Werkzeug "Forest-basierte Klassifizierung und Regression" modelliert und generiert Vorhersagen mithilfe einer Adaption des "Random Forest"-Algorithmus, einer Methode für überwachtes maschinelles Lernen von Leo Breiman.

Nachfolgend finden Sie einige Beispiele:

• Als Grundlage dienen vorhandene Daten über das Vorkommen von Seegras sowie eine Reihe von erklärenden Umgebungsvariablen, die als Attribute dargestellt und über einen Gitter mit mehreren Variablen angereichert werden. Damit können neben den Entfernungen zu flussaufwärts liegenden Fabriken und großen Häfen Vorhersagen über das künftige Vorkommen von Seegras auf der Grundlage von Zukunftsprognosen für die gleichen erklärenden Umgebungsvariablen ermöglichen.
• Angenommen, Sie haben Daten zu Ernteerträgen in unzähligen landwirtschaftlichen Betrieben im ganzen Land zusammen mit weiteren Attributen all dieser Betriebe (Anzahl der Mitarbeiter, Anbauflächen etc.). Anhand der einzelnen Daten können Sie eine Reihe von Features zur Darstellung landwirtschaftlicher Betriebe bereitstellen, bei denen der Ernteertrag (im Gegensatz zu allen anderen Variablen) nicht vorliegt, um eine Vorhersage zum Ernteertrag zu machen.
• Wohnwerte können anhand der Preise von Häusern, die im laufenden Jahr verkauft wurden, vorhergesagt werden. Der Verkaufspreis der verkauften Häuser kann zusammen mit Informationen über die Anzahl der Schlafzimmer, die Entfernung zu den Schulen, die Nähe zu den Hauptverkehrsstraßen, das Durchschnittseinkommen und die Kriminalitätsrate verwendet werden, um die Verkaufspreise ähnlicher Häuser vorherzusagen.

Generalisierte lineare Regression

Das Werkzeug "Generalisierte lineare Regression" generiert Vorhersagen oder modelliert eine abhängige Variable in Hinsicht auf ihre Beziehung zu einem Satz erklärender Variablen. Dieses Werkzeug kann für kontinuierliche (OLS) und binäre (logistische) Modelle sowie für Anzahlmodelle (Poisson) verwendet werden.

Nachfolgend finden Sie einige Beispiele:

• Welche demografischen Eigenschaften tragen zu hohen Nutzungsraten für öffentliche Transportmittel bei?
• Besteht eine positive Beziehung zwischen Vandalismus und Einbrüchen?
• Mit welchen Variablen kann das Anrufvolumen für Notfallnummern effektiv vorhergesagt werden? Wie sieht angesichts der Vorhersagen für die Zukunft die erwartete Nachfrage für Notdienste aus?
• Welche Variablen wirken sich auf niedrige Geburtenraten aus?

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.

In Data Store kopieren

Kopiert einen Eingabe-Feature-Layer oder eine Tabelle in einen ArcGIS Data Store und erstellt einen Layer in Ihrem Inhalt in ArcGIS Enterprise.

Nachfolgend finden Sie einige Beispiele:

• Kopieren Sie eine Sammlung von .csv-Dateien einer Big-Data-Dateifreigabe zu Visualisierungszwecken in den Data Store "spatiotemporal".
• Kopieren Sie die Features der aktuellen Kartenausdehnung, die im Data Store "spatiotemporal" gespeichert sind, in den Data Store vom Typ "relational".

Feld berechnen

Berechnet Werte für ein neues oder ein vorhandenes Feld und erstellt einen Layer in Ihrem Inhalt in ArcGIS Enterprise.

Nachfolgend finden Sie einige Beispiele:

• Ändern Sie das vorhandene Feld total, damit es den Gesamterlös aus den Feldern total_2016, total_2017 und total_2018 enthält.
• Erstellen Sie ein neues Feld zum Kategorisieren von Gefahrenstufen anhand bestimmter Feldwerte, wie zum Beispiel windspeed und pollutant.

Grenzen zusammenführen

Führt Flächen-Features zusammen, die sich überschneiden oder einen gemeinsamen Feldwert aufweisen, um zusammenhängende oder Multipart-Features zu erstellen.

Nachfolgend finden Sie einige Beispiele:

• Erstellen Sie ein einzelnes Feature, das den Bundesstaat Hawaii darstellt, indem Sie die Grenzen der hawaiianischen Inseln zusammenführen.
• Kombinieren Sie ähnliche Untersuchungsgebiete basierend auf der Bodenart, um ein kontinuierliches Bodenart-Dataset als Ausgabe zu erhalten.

Layer überlagern

Bei einer Überlagerung werden zwei oder mehr Layer zu einem einzelnen Layer kombiniert. Die Überlagerung gibt eine Antwort auf die grundlegendsten Fragen der Geographie: Welche Elemente überlagern einander?

Nachfolgend finden Sie einige Beispiele:

• Welche Flurstücke befinden sich in einem 100-Jahres-Überschwemmungsgebiet? ("In" ist hier nur ein Synonym für "über" bzw. "überlagern".)
• Welche Landnutzung liegt über welchem Bodentyp?
• Welche Quellen befinden sich auf verlassenen Militärstützpunkten?

Daten anhängen

Hängt Features an einen vorhandenen gehosteten Layer in Ihren Inhalten in ArcGIS Enterprise an.

Nachfolgend finden Sie einige Beispiele:

• Aktualisieren Sie den Feature-Layer 2018_Sales jeden Monat, wenn die Berichte zur Verfügung stehen.
• Hängen Sie Hurrikan-Spur-Datasets aus den Jahren 2016 und 2017 an ein Master-Hurrikan-Dataset an.
• Sammeln Sie Datasets aus unterschiedlichen Quellen mit verschiedenen Schemas mithilfe einer benutzerdefinierten Feldzuordnung und hängen Sie sie an.

Layer zusammenführen

Verbindet zwei Feature-Layer zu einem einzelnen Ergebnis-Layer. Standardmäßig werden alle Felder aus dem Zusammenführungs-Layer aufgenommen. Sie können aber auch benutzerdefinierte Vereinigungsregeln angeben, um das resultierende Schema zu definieren.

Nachfolgend finden Sie einige Beispiele:

• Führen Sie drei Layer mit demografische Daten von England, Wales und Schottland zusammen, um einen Layer von Gesamt-Großbritannien zu erstellen.
• Kombinieren Sie zwei Layer mit Flurstücksinformationen für zusammenhängende Stadtgebiete, und behalten Sie nur die Felder bei, die in beiden Layern denselben Namen und Typ aufweisen.

Über Gitter mit mehreren Variablen anreichern

Verbindet Attribute aus einem Gitter mit mehreren Variablen effizient mit einem Punkt-Layer, wodurch Sie Punktdaten um eine Vielzahl von Informationen für weitere räumliche Analysen schnell ergänzen können.

Nachfolgend finden Sie einige Beispiele:

• Wenn ein Layer beispielsweise Millionen von Stromausfallereignissen enthält, reichern Sie die Ereignis-Features mit Informationen zur typischen Nutzung, zu Umweltrisiken und zu Infrastrukturbedingungen an, um die Beziehung zwischen diesen Faktoren und der Häufigkeit von Stromausfällen zu untersuchen.