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.

Agregeeri punktid

Punktobjektide kihti ja pindobjektide kihti või määratud vahemaaga määratletud salvesid kasutades oskab see tööriist määratleda igasse alasse või salve jäävad punktid ja arvutada statistikud kõigi igas alas või salves asuvate punktide kohta. Lisaks võite kasutada tööriistaga ka ajalõike.

Allpool on esitatud näited:

• Kuritegevusega seotud intsidentide punktasukohtade sisestamisel loendab tööriist kuritegude arvu maakonna või muu haldusjaotuse kohta.
• Tööriist leiab kõige suurema ja kõige väiksema kuutuluga müügikohad 100km 100 km salvedes.

Täiustuse järk „mitme muutujaga võrk“

Tööriist Mitme muutujaga võrk loob ruudukujuliste või kuusnurksete lahtrite võrgu ja arvutab igale lahtrile väärtused ühe või mitme sisendkihi läheduse järgi.

Allpool on esitatud näited:

• Milline linnaosa on ühistranspordi antud mitut kihti arvestades ühistranspordiga kõige halvemini kättesaadav?
• Võttes arvesse laevateede, näiteks järvede ja jõgede kihte, millise nimega veekogu on kõige lähemal igale asukohale USAs?
• Võttes arvesse ühe majapidamise sissetulekut, kus on sissetulekute variatsioon USAs 50 miili raadiuses kõige suurem?

Andmestiku kirjeldamine

Summeeritakse sellised sisendobjektid nagu statistika, näidiskihid ja visualiseerimine. Väljundiks saate valida kas näidiskihi või kihi ulatuse.

Allpool on esitatud näited:

• Vaadake arvutatud statistika kokkuvõtet, et mõista, milliseid väärtusi sisaldab teie andmestik.
• Kogu andmestiku joonistamise asemel looge kihi alamhulk, et visualiseerida kaardile lisamise korral objekte ja nende atribuute.
• Salvestage aeg ja ressursid ning käitage enne kogu andmestiku analüüsimist analüüs näidiskihil.

Ühenda objektid

Objektikihte või tabelandmeid kasutades saate liita objekte ja kirjeid vastavalt kindlatele seostele sisendkihtide või tabelite vahel. Liitmine sõltub ruumilistest, ajalistest ja atribuutide seostest ning soovi korral saab arvutada ka statistika kokkuvõtte.

Allpool on esitatud näited:

• Võttes arvesse kuritegevuse sündmuste punktasukohti ajas, liidab tööriist kuritegevusega seotud andmed omavahel, määrates ruumilise seosena toimumise üksteisest 1 kilomeetri raadiuses ja ajalise seosena toimumise üksteise suhtes 1 tunni jooksul, et määratleda, kas aegruumis on üksteise suhtes lähestikku toimunud kuritegusid.
• Lähtuvalt sihtnumbrite tabelist koos demograafilise teabega ja elumaju tähistavatest pindobjektidest, liidab tööriist demograafilise teabe elamutega nii, et iga elamu jaoks oleks olemas teave.

Rekonstrueeri rajad

Kasutades ajateadlikku punkt- või pindobjektide kihti, mis kujutavad endast ühte ajahetke, määrab tööriist, millised sisendobjektid kuuluvad raja juurde ja seejärel järjestab sisendid ajaliselt. Vajaduse korral arvutatakse iga raja sisendobjektide juurde ka statistikud.

Allpool on esitatud näited:

• Võttes arvesse orkaanimõõtmiste punktasukohti ja aegasid, arvutab tööriist orkaanide keskmise tuulekiiruse ja maksimaalse tuulerõhu.
• Kasuta laevateede joontena rekonstrueerimiseks laevade GPS-mõõtmisi.

Summeeri atribuudid

Tööriist summeerib objekti- või tabelandmeid kasutades määratud väljade statistikud.

Allpool on esitatud näited:

• Võttes aluseks toidupoodide asukohad väljal COMPANY_NAME, summeerib tööriist poed ettevõtte nime järgi, et määrata iga ettevõtte statistikud.
• Võttes aluseks toidupoodide tabeli väljadega COMPANY_NAME ja COUNTY, summeerib tööriist poed ettevõtte nime ja riigi järgi, et määrata iga ettevõtte statistikud igas riigis.

Tuvasta juhtumid

See tööriist kasutab ajateadlikku punktide, joonte, alade või tabelite kihti, mis kujutab endast ühte ajahetke. Tööriist määratleb järjestatud objektide (radade) abil, millised objektid on huvipakkuvad juhtumid. Juhtumid määratletakse teie määratud tingimuste alusel.

Allpool on esitatud näited:

• Tuvasta orkaanimõõtmisi, mis on tuulekiiruse atribuudi põhjal 4. kategooria orkaanid.
• Leia laeva liikumise GPS-mõõtmiste abil, kus väli tähistab laeva kiirust, mõõtmised, mis on suuremad kui viie viimatise mõõtmise keskmine korrutatud 1,5-ga.

Leia sarnased asukohad

Täpsustatud kriteeriumitel põhinevalt, otsib tööriist sarnaseid asukohti, võrreldes kandidaate otsitavast kihist ühe või mitme viidatud asukohaga.

Allpool on esitatud näited:

• Tööriist leiab töötajate arvu ja aastatulu võrreldes kümme kõige sarnasemat poodi.
• Tööriist leiab elanike arvu, aastast kasvu ja maksutulu võrreldes 100 kõige sarnasemat linna.

Analüüsi mustreid

Need tööriistad aitavad teil andmetes ruumilisi mustreid tuvastada, mõõta ja visualiseerida.

• Funktsiooniga Arvuta tihedus saate võtta mõnede nähtuste teadaolevad kogused ja jaotada need kaardil ühtlaselt.
• Leia tulipunktid funktsioon määrab, kas andmete ruumimustris on statistiliselt olulisi klastreid.
• Töövahend Otsi punktklastreid leiab ümbritseva müra hulgast punktobjektide klastrid nende ruumilise jaotuse põhjal.
• Metsanduspõhise klassifikatsiooni ja regressiooni tööriist loob mudelid ja koostab ennustused, kasutades Leo Breimani juhusliku metsa algoritmi kohandatud varianti, mis on masina juhendatud õpetamise meetod.
• Üldistatud lineaarse regressiooni tööriist koostab ennustusi või modelleerib sõltuvat muutujat oma seoste kaudu selgitavate muutujate komplektiga.

Arvuta tihedus

Tiheduse arvutamise tööriist loob punktobjektidest tiheduskaardi, hajutades mõned nähtused, mis on esitatud punktide atribuutidena üle kogu kaardi. Tulemuseks on tihedust näitav alade kiht.

Allpool on esitatud näited:

• Maakonnas asuvate haiglate tiheduse arvutamine. Tulemkiht näitab alasid, kus haiglaid on palju ja/või vähe ning seda teavet saab kasutada selleks, et otsustada kuhu uusi haiglaid ehitada.
• Metsatulekahjude varasemate asukohtade põhjal nende alade tuvastamine, kus metsatulekahju oht on suur.
• Suurtest kiirteedest kaugel olevate kogukondade kindlakstegemine, et planeerida uute teede ehitust.

Otsi punktklastreid

Töövahend Otsi punktklastreid leiab ümbritseva müra hulgast punktobjektide klastrid nende ruumilise jaotuse põhjal.

Allpool on esitatud näited:

• Leia kahjurite poolt nakatatud-kodud, et lihtsustada kahjuritõrje suunamist kindlatesse kodudesse.
• Teavita päästetööde ja evakuatsiooni vajadusest ja rakenda vastavaid meetmeid olenevalt klastrite suurusest ja asukohast, kasutades asukohaga seotudsõnumeid pärast loodusõnnetusi ja terrorirünnakuid .

Leia tulipunktid

Tulipunktide leidmise tööriistaga saab määrata, kas andmete ruumimustris on statistiliselt olulisi klastreid.

• Kas teie punktnähtused (nt kuriteod, puud, liiklusõnnetused jms) on tõesti klasterdatud? Kuidas saate selles kindel olla?
• Kas olete uurinud statistiliselt olulisi tulipunkte (nt kulutused, imikusuremus püsivalt kõrge skooriga jms) või muutub kaardi sisu vastavalt sümboloogiale?

Metsanduspõhine klassifikatsioon ja regressioon

Metsanduspõhise klassifikatsiooni ja regressiooni tööriist loob mudelid ja koostab ennustused, kasutades Leo Breimani juhusliku metsa algoritmi kohandatud varianti, mis on masina juhendatud õpetamise meetod

Allpool on esitatud näited:

• Arvestades andmeid mererohu esinemise kohta, samuti mitmeid keskkonna selgitavaid muutujaid, mis on esindatud mõlema atribuudiga, mida on rikastatud, kasutades mitme muutujaga ruudustikku, et arvutada kaugust ülesvoolu paiknevate tehaste ja suuremate sadamateni, saab samade keskkonnaalaste selgitavate muutujate tulevikku projitseerimise teel ennustada mererohu esinemist tulevikus.
• Oletame, et teil on andmed sadade põllumajandusettevõtete saagi kohta kogu riigis koos muude atribuutidega kõigis nendes põllumajandusettevõttes (töötajate arv, pindala jne). Kasutades neid andmeid, saate koostada funktsioonide komplekti, mis käsitleb talusid, kelle kohta puuduvad saagikuse andmed (kuid on olemas kõik muud muutujad), ja prognoosida nende talude saagikust.
• Eluaseme hindu saab prognoosida jooksval aastal müüdud majade hindade alusel. Sarnaste elamute müügihindade prognoosimiseks saab kasutada müüdud elamute müügihinda ja infot magamistubade arvu, koolide kauguse, suurte maanteede läheduse, keskmise sissetuleku ja kuritegevuse ulatuse kohta.

Üldistatud lineaarne regressioon

Üldistatud lineaarse regressiooni tööriist koostab ennustusi või modelleerib sõltuvat muutujat oma seoste kaudu selgitavate muutujate komplektiga. Seda tööriista saab kasutada pidevate (Gaussi) ja binaarsete (logistiliste) mudelite ning loendamismudelite (Poissoni mudelite) kohandamiseks.

Allpool on esitatud näited:

• Millised demograafilised näitajad aitavad kaasa ühistranspordi kõrgele kasutusmäärale.
• Kas vandalismi ja murdvarguse vahel on positiivne seos?
• Milliste muutujate abil saab tõhusalt prognoosida hädaabitelefonile tehtavate kõnede arvu? Võttes arvesse tulevikuprognoose, milline on eeldatav nõudlus hädaolukordadele reageerimise vahendite järele?
• Millised muutujad mõjutavad väikest sündivust?

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.

Kattuvad kihid

Ühendavad kahe või enama sisendkihi sisu üheks terviklikuks kihiks. Taolist meetodit kasutatakse geograafias tihti, saamaks vastust küsimusele Mis on mille kohal?

Allpool on esitatud näited:

• Millised maad on olnud 100 aasta jooksul üleujutuste piirkonnas? (Esinemine/kattuvus tähendab teise kihi peal olemist.)
• Milline maakasutus on ühe või teise mullatüübi levialas?
• Millised kaevikud esinevad mahajäetud sõjaväeosades?

Lisa andmed

Lisab objektid olemasolevale ülemkihile teie sisus ArcGIS Enterprise.

Allpool on esitatud näited:

• Värskendage 2018_müügi objekti kihti igal kuul, kui aruanded muutuvad kättesaadavaks.
• Lisage orkaani jälgimise andmestikud aastate 2016 ja 2017 kohta orkaani ülemandmestikku.
• Koguge ja lisage andmestikud erinevatest allikatest erinevate skeemidega, kasutades kohandatud välja kaardistamist.

Ühenda kihid

See tööriist ühendab kaks objektikihti, et luua üksainus tulemuskiht. Kõik ühenduskihi väljad lisatakse vaikimisi, või saate määrata kohandatud ühendamise reeglid, et määratleda saadav skeem.

Allpool on esitatud näited:

• Ühendage kolm kihti, mis sisaldavad demograafilist teavet Inglismaalt, Walesist ja Šotimaalt, et luua üks Suurbritannia kiht.
• Ühendage kaks kihti, mis sisaldavad teavet omavahel külgnevate elamurajoonide katastriüksuste kohta, üheks kihiks, jättes tulemusse alles vaid väljad, kus kahel sisendkihil on sama nimi ja tüüp.

Rikastage mitme muutujaga ruudustikust

Ühendab tõhusalt mitme muutujaga ruudustikust pärit atribuudid punktkihiga, võimaldades kiiresti lisada suure ja mitmekülgse andmekogumiku punktandmetele, et kasutada seda edaspidises ruumianalüüsis.

Allpool on esitatud näited:

• Arvestades kihti, mis sisaldab miljoneid elektrikatkestuse juhtumeid, rikastage juhtumite omadusi teabega tüüpilise kasutamise, keskkonnariskide ja infrastruktuuri tingimuste kohta, et uurida nende tegurite ja voolukatkestuse sageduse vahelist seost.