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.

Kokoa pisteet

Tämä työkalu määrittää, mitkä pisteet ovat alueen tai lohkon sisällä, ja laskee alueella tai lohkossa olevien pisteiden tilastotiedot käyttämällä pistekohteiden karttatasoa ja määritetyn etäisyyden määrittämien aluekohteiden tai aluelohkojen karttatasoa. Voit vaihtoehtoisesti käyttää aikaleikkeitä tämän työkalun kanssa.

Seuraavat ovat esimerkkejä:

• Jos karttatasoon on merkitty rikosten tapahtumasijainnit, työkalu laskee, kuinka monta rikosta kussakin piirikunnassa tai muulla hallinnollisella alueella on tapahtunut.
• Voit etsiä myös yrityksen korkeimman ja alhaisimman kuukausituoton toimipisteet käyttämällä 100-kilometrin lohkoja.

Luo useita muuttujia sisältävä ruudukko

Luo useita muuttujia sisältävä ruudukko -työkalu luo neliö- tai kuusiolohkoristikon ja laskee arvot jokaiselle lohkolle yhden tai useamman lähtökarttatason läheisyyden perusteella.

Seuraavat ovat esimerkkejä:

• Kun julkisen liikenteen infrastruktuurin eri tasot otetaan huomioon, mihin osaan kaupunkia julkisilla kulkuvälineillä pääsee huonoiten?
• Kun huomioidaan vesistötasot, kuten järvet ja joet, mikä on nimeltään se vesistö, joka on lähinnä jokaista sijaintipaikkaa USA:ssa?
• Kun tulotaso kotitaloutta kohti otetaan huomioon, missä kohdin USA:ta tulojen vaihtelu on suurimmillaan ympäröivän 80 kilometrin säteellä?

Kuvaile aineistoryhmää

Tee tilastotietoja, mallikarttatasoja ja visualisointeja sisältävä yhteenveto lähtöaineiston kohteista. Voit tulostaa mallikarttatason tai laajuuskarttatason.

Seuraavat ovat esimerkkejä:

• Tutustu laskettuihin yhteenvetotilastoihin, jotta ymmärrät, mitä arvoja aineistoryhmäsi sisältää.
• Koko aineistoryhmän piirtämisen sijasta voit luoda osajoukon karttatason kohteiden ja niiden ominaisuustietojen visualisointia varten, kun ne lisätään karttaan.
• Säästä aikaa ja resursseja suorittamalla analyysi mallikarttatasolle ennen koko aineistoryhmän analysointia.

Liitä kohteet

Kohdekarttatasojen tai taulukkoaineiston avulla voit liittää kohteita ja tietueita lähtöaineiston karttatasojen tai taulukoiden tiettyjen suhteiden perusteella. Liitokset määräytyvät tila-, aika- ja ominaisuustietosuhteiden mukaan, ja yhteenvetotilastotiedot lasketaan valinnaisesti.

Seuraavat ovat esimerkkejä:

• Jos rikosten tapahtumasijainnit ja -ajat on annettu, voit määrittää, tapahtuuko rikoksia sijainnillisesti ja ajallisesti lähekkäin, liittämällä rikosten tiedot toisiinsa siten, että määrität niiden rikosten sijaintisuhteen, jotka ovat tapahtuneet tunnin välein yhden kilometrin etäisyydellä toisistaan.
• Jos postinumerotaulukko, demografiatiedot ja asuinrakennuksia esittävät aluekohteet on annettu, voit liittää demografiatiedot asuinpaikkoihin, jotta jokaisella asuinpaikalla on tiedot.

Muodosta reitit uudelleen

Tämä työkalu määrittää, mitkä lähtöaineiston kohteet kuuluvat reitille ja järjestää lähtöaineiston aikajärjestykseen käyttämällä ajan huomioivaa karttatasoa, jossa on ajanhetkeä kuvaavia piste- tai aluekohteita. Tilastotiedot lasketaan valinnaisesti lähtöaineiston kohteille kullakin reitillä.

Seuraavat ovat esimerkkejä:

• Jos hurrikaanimittausten pistesijainnit ja aika on annettu, voit laskea hurrikaanin tuulen keskinopeuden ja enimmäispaineen.
• Käytä laivojen GPS-mittauksia laivareittien uudelleen muodostamiseksi viivoina.

Laadi yhteenveto ominaisuustiedoista

Tämä työkalu laatii yhteenvedon määritettyjen kenttien tilastotiedoista kohde- tai taulukkoaineiston avulla.

Seuraavat ovat esimerkkejä:

• Jos myymälöiden sijainnit ja COMPANY_NAME -kentän tiedot on annettu, voit määrittää kunkin yrityksen tilastotiedot laatimalla yhteenvedon myymälöistä yrityksen nimen mukaan.
• Jos myymälätaulukko sekä COMPANY_NAME ja COUNTY -kenttien tiedot on annettu, voit määrittää jokaisen maakunnan kunkin yrityksen tilastotiedot laatimalla yhteenvedon myymälöistä yrityksen nimen ja maakunnan mukaan.

Yhteenveto alueella

Etsii alueet (tai niiden osat), jotka ovat päällekkäin kahdessa karttatasossa, ja laskee päällekkäisten alueiden tilastotiedot.

Seuraavat ovat esimerkkejä:

• Jos käytössä ovat vesijakoalueiden karttataso ja maankäyttötyypin mukaisten maankäyttöalueiden karttataso, työkalu laskee tietyn maankäyttöaluetyypin kokonaispinta-alan eekkereinä kullekin vesijakoalueelle.
• Jos käytössä ovat piirikunnan kiinteistöjen karttataso ja kaupunkien rajojen karttataso, työkalu tekee yhteenvedon siitä, mikä on kunkin kaupungin sisällä olevien vapaiden kiinteistöjen keskimääräinen arvo.

Havaitse tapahtumat

Tämä työkalu toimii sellaisen karttatason kanssa, jossa on otettu aika käyttöön ja joka sisältää hetkeä ajassa kuvaavia pisteitä, viivoja, alueita tai taulukoita. Käyttämällä peräkkäisessä järjestyksessä olevia kohteita, joita kutsutaan reiteiksi, tämä työkalu määrittää, mitkä kohteet ovat kiinnostavia tapahtumia. Tapahtumat määritetään määrittämiesi ehtojen perusteella.

Seuraavat ovat esimerkkejä:

• Havaitse hurrikaanimittauksia, jotka ovat 4. kategorian hurrikaaneja tuulen nopeuteen liittyvän ominaisuustiedon perusteella.
• Käyttämällä laivojen liikkeitä kuvaavia GPS-mittauksia, joissa kenttä edustaa laivan nopeutta, voi löytää mittauksia, jotka ovat suurempia kuin 1,5 kertaa edellisen viiden mittauksen keskiarvo.

Etsi samankaltaisia sijainteja

Määrittämiesi ehtojen perusteella voit etsiä samankaltaisia sijainteja mittaamalla ehdokashakukarttatason sijaintien samankaltaisuutta vähintään yhteen viitesijaintiin.

Seuraavat ovat esimerkkejä:

• Etsi kymmenen samankaltaisinta myymälää tutkimalla työntekijöiden määrää ja vuosimyyntiä.
• Etsi 100 samankaltaisinta kaupunkia tutkimalla väestön, vuosikasvun ja verotulojen suhdetta.

Analysoi kaavat

Näiden työkalujen avulla voit tunnistaa, määrittää ja visualisoida tiedoistasi tila-avaruuden malleja.

• Laske tiheys analysoi tietyn ilmiön tunnetut määrät ja jakaa ne kartan alueelle.
• Etsi kuumat alueet tunnistaa tilastollisesti merkittävät rypäät tietojesi tila-avaruuden mallista.
• Etsi pisteklustereita etsii pistekohdeklustereita ympäröivästä kohinasta sijainnin jakauman perusteella.
• Metsäperusteinen luokittelu ja regressio luo malleja ja ennusteita käyttämällä Leo Breimanin satunnaisen metsän algoritmia, joka on valvotun koneoppimismenetelmän muunnelma.
• Yleistetty lineaarinen regressio luo ennusteita tai mallintaa riippuvan muuttujan. Mallinnus kuvaa riippuvan muuttujan suhdetta selittävien muuttujien joukkoon.

Laske tiheys

Laske tiheys -työkalu luo tiheyskartan pistekohteista jakamalla tietyn ilmiön tunnetut määrät (esitetään pisteiden ominaisuustietoina) kartan alueelle. Tuloksena on tiheyttä esittävien alueiden karttataso.

Seuraavat ovat esimerkkejä:

• Maan sairaaloiden tiheyksien laskeminen. Tulostaso näyttää alueet, joilta sairaalaan pääsy on helppoa tai vaikeaa. Näitä tietoja voidaan käyttää apuna päätettäessä uusien sairaaloiden sijainneista.
• Metsäpaloille alttiiden alueiden tunnistaminen metsäpalojen historiallisten sijaintien perusteella.
• Kaukana valtateistä sijaitsevien asutusten paikantaminen suunniteltaessa uusien teiden rakentamista.

Etsi pisteklustereita

Etsi pisteklustereita -työkalu etsii pistekohdeklustereita ympäröivästä kohinasta sijainnin jakauman perusteella.

Seuraavat ovat esimerkkejä:

• Etsi tuhoeläinten valtaamia kotitalousklustereita hävitystyön kohdentamisen helpottamiseksi.
• Tiedota pelastus- ja evakuointitarpeista ja toimi niiden mukaan klusterien koon ja sijainnin perusteella. Käytä geopaikannettuja twiittejä luonnonkatastrofeista tai terrori-iskuista.

Metsäperusteinen luokittelu ja regressio

Metsäperusteinen luokittelu ja regressio -työkalu mallintaa ja luo ennusteita käyttämällä Leo Breimanin satunnaisen metsän algoritmia, joka on valvotun koneoppimismenetelmän muunnelma

Alla on esimerkkejä:

• Oletetaan, että aineisto sisältää tietoa meriajokasesiintymistä sekä useita ympäristöön liittyviä selittäviä muuttujia, jotka on esitetty kahtena sellaisena ominaisuustietona, jotka on rikastettu käyttämällä useita muuttujia sisältävää ruudukkoa. Sen avulla on laskettu meriajokasesiintymien etäisyydet ylävirtaan tehtaisiin ja lähimpiin satamiin. Tulevat meriajokasesiintymät voidaan ennustaa tulevien, samoja ympäristöön liittyviä selittäviä muuttujia käyttävien projektioiden perusteella.
• Oletetaan, että käytössäsi on viljelykasvien satoaineistoa sadoilta maatiloilta sekä muita ominaisuustietoja kustakin maatilasta, kuten työntekijöiden määrä, pinta-ala eekkereinä jne. Näiden tietojen avulla voit määrittää joukon kohteita, jotka edustavat maatiloja, joista et ole vielä saanut satotietoja (mutta joista sinulla on kaikki muut muuttujat), ja laatia ennusteen sadosta.
• Asumiseen liittyvät arvot voidaan ennustaa kuluvan vuoden aikana myytyjen asuntojen hintojen perusteella. Myytyjen asuntojen myyntihintaa sekä tietoja, kuten makuuhuoneiden määrä, etäisyys kouluihin, päävaltateiden läheisyys, keskitulo ja rikosten määrä, voidaan käyttää samankaltaisten asuntojen myyntihintojen ennustamiseen.

Yleistetty lineaarinen regressio

Yleistetty lineaarinen regression -työkalu luo ennusteita tai mallintaa riippuvan muuttujan. Mallinnus kuvaa riippuvan muuttujan suhdetta selittävien muuttujien joukkoon. Tämän työkalun avulla voi sovittaa jatkuvia (OLS), binaarisia (logistisia) ja määrään perustuvia (Poisson) malleja.

Alla on esimerkkejä:

• Mitkä demografiset ominaisuudet ovat julkisen liikenteen korkean käyttöasteen taustalla?
• Onko vandalismin ja murtojen välillä positiivinen suhde?
• Mitkä muuttujat ennustavat tehokkaasti hätänumeropuhelujen määrää? Jos käytössäsi on tulevia projektioita, mikä on hätäkeskusresurssien odotettu tarve?
• Mitkä muuttujat vaikuttavat alhaiseen syntyvyyteen?

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.

Kopioi aineistosäilöön

Kopioi lähtöaineiston kohdekarttatason tai taulukon ArcGIS Data Store -aineistosäilöön ja luo karttatason sisältöösi kohteessa ArcGIS Enterprise.

Seuraavat ovat esimerkkejä:

• Voit kopioida Big Data -tiedostoresurssin .csv tiedostokokoelman tila-aikamuotoiseen aineistosäilöön visualisointia varten.
• Voit kopioida tila-aikamuotoiseen aineistosäilöön tallennetut nykyisen karttalaajuuden kohteet relaatioaineistosäilöön.

Laske kenttä

Laskee uuden tai aiemmin luodun kentän arvot ja luo karttatason sisältöösi kohteessa ArcGIS Enterprise.

Seuraavat ovat esimerkkejä:

• Muokkaa aiemmin luotua kenttää nimeltä total siten, että se esittää kenttien total_2016, total_2017, ja total_2018 tuottojen summaa.
• Luo uusi kenttä, jolla voit luokitella vahinkojen tasot kenttien arvojen, kuten windspeed ja pollutant perusteella.

Kerrostasot

Yhdistää vähintään kaksi karttatasoa yhdeksi karttatasoksi. Päällekkäisyysanalyysin avulla voit saada vastauksen yhteen maantieteen peruskysymyksistä:Mikä on minkäkin päällä?

Alla onesimerkkejä:

• Mitkä kiinteistöt ovat edellisten 100 vuoden aikana tulvineen alueen sisällä? (Sisällä on vain toinen tapa ilmaista päällekkäisyyttä)?
• Mihin tarkoitukseen tietyn maaperätyypin maa-alueita käytetään?
• Mitä kaivoja on hylättyjen armeijan tukikohtien alueilla?

Liitä aineisto

Liittää kohteet sisältösi aiempaan isännöityyn karttatasoon kohdassa ArcGIS Enterprise.

Seuraavat ovat esimerkkejä:

• Päivitä 2018_Myynti -kohdekarttataso kuukausittain, kun olet saanut raportit.
• Liitä hurrikaanin jäljityksen aineistoryhmät vuosilta 2016 ja 2017 hurrikaanien masteriaineistoryhmään.
• Kerää ja liitä eri lähtöpaikkojen ja rakenteiden aineistoryhmät tähän tarkoitukseen tehdyn kentän yhdistämistoiminnon avulla.

Yhdistä karttatasot

Yhdistää kaksi karttataso yhden tulostason luontia varten. Kaikki yhdistettävän karttatason kentät sisällytetään oletusarvoisesti tai voit määrittää mukautettuja yhdistämissääntöjä tuloksena syntyvän rakenteen määrittämiseksi.

Alla on esimerkkejä:

• Yhdistä kolme karttatasoa, jotka sisältävät väestötietoja Englannista, Walesista ja Skotlannista, luodaksesi yhden karttatason Yhdistyneen kuningaskunnan väestötiedoista.
• Yhdistä kaksi kaupunkien katkeamattomia kiinteistötietoja sisältävää karttatasoa ja säilytä vain sellaiset kentät, joilla on sama nimi ja tyyppi molemmissa karttatasoissa.

Rikasta useita muuttujia sisältävästä ruudukosta

Yhdistää tehokkaasti useita muuttujia sisältävän ruudukon ominaisuustiedot pistekarttatasoon, jolloin voit lisätä nopeasti suuria ja vaihtelevia tietokokoelmia pisteaineistoon tarkempien paikkatietoanalyysien käyttöä varten.

Seuraavat ovat esimerkkejä:

• Jos käytössäsi on karttataso, joka sisältää miljoonia sähkökatkotapahtumia, rikasta tapahtumakohteet tiedoilla, jotka liittyvät tyypilliseen käyttötapaan, ympäristöriskeihin ja infrastruktuurin tilaan, jotta voit tutkia näiden tekijöiden välisiä suhteita ja sähkökatkojen tiheyttä.