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.

Aggregera punkter

Det här verktyget använder ett lager med punktgeoobjekt och antingen ett lager med områdesgeoobjekt eller lagringsplatser som definieras av ett angivet avstånd för att avgöra vilka punkter som hamnar i vilket område eller lagringsplats och beräkna statistik om alla punkter i varje område eller lagringsplats. Du kan också använda tidsdelning med verktyget.

Följande är exempel:

• Med hjälp av punkter där brott har begåtts vill du räkna ut antalet brott per län eller annat administrativt distrikt.
• Hitta de högsta och lägsta intäkterna för franchisebutiker med 100-kilometersklasser

Skapa multivariabelt rutnät

Verktyget Skapa multivariabelt rutnät genererar ett rutnät av kvadratiska eller sexkantiga klasser och beräknar variabler för varje klass baserat på närhet till ett eller flera indatalager.

Följande är exempel:

• Givet flera lager med kollektivtrafikinfrastruktur, vilken del av staden är minst tillgänglig med allmänna kommunikationer?
• Givet flera lager med vattenleder, t.ex. sjöar och floder, vad heter den vattenmassa som befinner sig närmast varje plats i USA?
• Givet ett lager med hushållens inkomster, var i USA är inkomstvariationerna i de omgivande 50 km som störst?

Beskriv dataset

Summera indatageoobjekt med statistik, exempellager och visualisering. Du kan välja att mata ut ett exempellager eller utbredningslager.

Följande är exempel:

• Referera den beräknade sammanfattningsstatistiken för att förstå vilka värden ditt dataset innehåller.
• I stället för att rita hela datasetet, skapar du ett delmängdslager för att visualisera geoobjekt och deras attribut när de läggs till i en karta.
• Spara tid och resurser och kör analys på ett exempellager innan du kör analysen på hela datasetet.

Förena geoobjekt

Du kan använda antingen geoobjektslager eller tabelldata för att förena geoobjekt och poster baserat på specifika relationer mellan indatalagren eller tabellerna. Föreningar avgörs av rums-, tids- och attributrelationer. Det går också att beräkna summeringsstatistik.

Följande är exempel:

• Med punktplatser för brottsfall med en tid, kan du förena brottsdata med sig självt genom att ange en geografisk relation för brott inom 1 kilometer från varandra och som inträffade inom 1 timme från varandra för att avgöra om det finns en serie brott nära varandra i rum och tid.
• Om du får en tabell med postnummer med demografisk information och områdesgeoobjekt som representerar bostadshus, kan du förena den demografiska informationen med bostäderna så att varje bostad nu har informationen.

Återskapa spår

Med ett tidsaktiverat lager med punkt- eller polygongeoobjekt som representerar en tidpunkt, avgör verktyget vilka indatageoobjekt som hör hemma i ett spår och ordnar indata i tidsordning. Det går också att beräkna statistik för indatageoobjekten inom varje spår.

Följande är exempel:

• Beräkna orkanens medelvindhastighet och maximala vindtryck utifrån punktplatser och tid för orkanmätningar.
• Använd GPS-mätningar från fartyg för att rekonstruera fartygsrutter som linjer.

Summera attribut

Verktyget summerar statistik för angivna fält med antingen geoobjekt- eller tabelldata.

Följande är exempel:

• Använd platser för livsmedelsbutiker med fältet COMPANY_NAME för att summera butikerna efter företagsnamn för att fastställa statistik för varje företag.
• Använd en tabell med livsmedelsbutiker med fälten COMPANY_NAME och COUNTY för att summera butikerna efter företagsnamn och län för att fastställa statistik för varje företag inom varje län.

Summera inom

Hittar områden (och delar av områden) som överlappar mellan två lager och beräknar statistik om överlappningen.

Följande är exempel:

• Med ett lager för avrinningsområden och ett lager med markanvändningsområden enligt markanvändningstyp kan du beräkna den totala arealen för de olika markanvändningstyperna för varje avrinningsområde.
• Med ett lager för fastigheter i ett län och ett lager kommungränser kan du sammanfatta snittvärdet för de tomma fastigheterna i varje kommun.

Identifiera händelser

Det här verktyget fungerar med ett tidsaktiverat lager med punkter, linjer, områden eller tabeller som representerar ett ögonblick i tiden. Genom att använda geoobjekt som ordnats i tidsordning, så kallade spår, avgör det här verktyget vilka geoobjekt som utgör händelser som är intressanta att hitta. Villkoren som du anger avgör vad som betraktas som händelser.

Följande är exempel:

• Identifiera orkanmätningar som är Kategori 4-orkaner baserat på ett attribut för vindhastighet.
• Genom att använda GPS-mätningar för fartygsrörelser med ett fält som representerar fartygets hastighet, kan du hitta mätningar som är 1,5 gånger större än medelvärdet för de fem tidigare mätningarna.

Hitta liknande platser

Hitta liknande platser genom att mäta likheten mellan platser i kandidatsöklagret och en eller flera referensplatser utifrån kriterier som du anger.

Följande är exempel:

• Hitta de tio mest liknande butikerna genom att undersöka antalet anställda och årsförsäljningen.
• Hitta de 100 mest liknande städerna genom att undersöka relationen mellan befolkning, årstillväxt och skatteintäkter.

Analysera mönster

Dessa verktyg hjälper dig identifiera, mäta och visualisera geografiska mönster i dina data.

• Beräkna densitet tar kända antal av ett fenomen och sprider ut dessa antal över kartan.
• Med Hitta hotspots kan du identifiera statistiskt signifikant klustring i de geografiska mönstren för dina data.
• Hitta punktkluster hittar kluster av punktgeoobjekt i bakgrundsbrus baserat på deras rumsliga fördelning.
• Skogsbaserad klassificering och regression skapar modeller och genererar förutsägelser med hjälp av en anpassning av Leo Breimans algoritm för slumpmässig skog, som är en övervakad metod för maskininlärning.
• Generaliserad linjär regression skapar förutsägelser eller modellerar en avhängig variabel uttryckt i dess relation till en uppsättning förklarande variabler.

Beräkna densitet

Med verktyget Beräkna densitet kan du skapa en densitetskarta av punktgeoobjekt genom att sprida ut kända antal av något fenomen (som representeras som attribut för punkterna) över kartan. Resultatet är ett lager med områden som representerar densiteten.

Följande är exempel:

• Beräkna densitet för sjukhus inom en kommun. Resultatlagret visar områden med hög och låg tillgång till sjukhus, och den här informationen kan användas för att avgöra var nya sjukhus bör byggas.
• Identifiera områden där risken för skogsbränder är stor baserat på platsen för tidigare skogsbränder.
• Hitta orter som ligger långt från större motorvägar för att kunna planera var nya vägar bör byggas.

Hitta punktkluster

Verktyget Hitta punktkluster hittar kluster av punktgeoobjekt i bakgrundsbrus baserat på deras rumsliga fördelning.

Följande är exempel:

• Hitta kluster av skadedjursangripna hushåll för att hjälpa till med målinriktade utrotningskampanjer.
• Informera och agera på räddnings- och evakueringsbehov baserat på storlek och placering av kluster med geolokaliserade tweets efter naturkatastrofer eller terrorattacker.

Hitta hotspots

Med verktyget Hitta hotspots kan du fastställa om det finns statistiskt signifikanta kluster i det geografiska mönstret för dina data.

• Är dina punkter (brottsfall, träd, trafikolyckor) verkligen klustrade? Hur kan du vara säker på det?
• Har du verkligen upptäckt en statistiskt signifikant hotspot (för utgifter, barndödlighet, ständigt höga provresultat), eller skulle kartan berätta något annat om du ändrade hur den symboliseras?

Skogsbaserad klassificering och regression

Verktyget Skogsbaserad klassificering och regression skapar modeller och genererar förutsägelser med hjälp av en anpassning av Leo Breimans algoritm för slumpmässig skog, som är en övervakad metod för maskininlärning

Följande är exempel:

• Om du har data om förekomsten av sjögräs, samt ett antal miljömässiga förklarande variabler som representeras som både attribut som har berikats med ett multivariabelt rutnät för att beräkna avstånd till fabriker uppströms och större hamnar, kan framtida förekomst av sjögräs förutsägas baserat på framtidsprojektioner för samma miljömässiga förklarande variabler.
• Tänk dig att du har data om skördeavkastning för hundratals bondgårdar över hela landet tillsammans med andra attribut på var och en av gårdarna (antal anställda, areal osv.). Med dessa data kan du leverera en uppsättning geoobjekt som representerar bondgårdar där du inte har skördeavkastningen (men du har alla andra variabler) och göra en förutsägelse om avkastningen.
• Bostadsvärden kan förutsägas baserat på priserna på hus som har sålts under innevarande år. Försäljningspriserna på sålda bostäder tillsammans med information om antalet rum, avstånd till skolor, närhet till större motorvägar, genomsnittlig inkomst och brottsstatistik kan användas för att förutsäga försäljningspriserna på liknande bostäder.

Generaliserad linjär regression

Verktyget Generaliserad linjär regression skapar förutsägelser eller modellerar en avhängig variabel uttryckt i dess relation till en uppsättning förklarande variabler. Det här verktyget kan användas för att prova ut kontinuerliga (OLS), binära (logistiska) och räkningsmodeller (Poisson).

Följande är exempel:

• Vilka demografiska egenskaper bidrar till hög nyttjandegrad för kollektivtrafik?
• Finns det en positiv relation mellan vandalisering och inbrott?
• Vilka variabler förutsäger effektivt antal samtal till 112? Utifrån framtidsprojektioner, vilken är den väntade efterfrågan på räddningstjänstresurser?
• Vilka variabler påverkar låga födelsetal?

Skapa buffertar

En buffert är ett område som täcker ett givet avstånd från ett punkt-, linje- eller polygongeoobjekt.

Följande är exempel:

• Använd linjära flodgeoobjekt för att buffra varje flod med 50 gånger flodens bredd för att fastställa en föreslagen strandgräns.
• Använd områden som representerar länder för att buffra varje land med 200 nautiska mil för att fastställa sjögränsen.

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.

Beräkna fält

Beräknar värden för ett nytt eller befintligt fält och skapar ett nytt lager i dina innehåll i ArcGIS Enterprise.

Följande är exempel:

• Ändra ett befintligt fält med namnet total så att det är summan av intäkter från fälten total_2016, total_2017 och total_2018.
• Skapa ett nytt fält för att kategorisera risknivåer baserat på fältvärden som windspeed och pollutant.

Lös upp gränser

Sammanfogar områdesgeoobjekt som korsar varandra eller delar ett gemensamt fältvärde för att skapa sammanhängande eller flerdelade geoobjekt.

Följande är exempel:

• Skapa ett enda geoobjekt som representerar delstaten Hawaii genom att lösa upp gränserna för de hawaiianska öarna.
• Kombinera liknande studieområden baserat på jordtyp för att mata ut ett sammanhängande dataset för jordtyp.

Överlagra lager

Kombinerar två eller flera lager till ett enda lager. Överlagring används för att besvara en av de vanligaste frågorna inom geografin: Vad finns ovanpå vad?

Följande är exempel:

• Vilka fastigheter finns inom gränserna för den 100-åriga flodslätten? (Vilket är ett annat sätt att säga ovanpå.)
• Vilken typ av markanvändning finns på vilken jordtyp?
• Vilka brunnar finns på övergivna militärbaser?

Bifoga data

Lägger till geoobjekt i ett befintligt driftat lager i ditt innehåll i ArcGIS Enterprise.

Följande är exempel:

• Uppdatera geoobjektlagret 2018_Sales varje månad när dina rapporter blir tillgängliga.
• Lägg till dataset för orkanspårning från år 2016 och 2017 i en huvuddataset för orkaner.
• Samla in och lägg till dataset från olika källor med olika scheman med hjälp av anpassad fältkartering.

Sammanfoga lager

Kombinerar två geoobjektlager för att skapa ett enda resultatlager. Alla fält från sammanslagningslagret inkluderas som standard, eller så kan du ange anpassade sammanslagningsregler för att definiera det resulterande schemat.

Följande är exempel:

• Slå samman tre lager med demografisk information från England, Wales och Skottland för att skapa ett enda lager för Storbritannien.
• Slå samman två lager med fastighetsinformation för sammanhängande distrikt och behåll bara de fält som har samma namn och typ i de båda lagren.

Berika från multivariabelt rutnät

Förenar effektivt attribut från ett multivariabelt rutnät till ett punktlager, så att du snabbt kan lägga till en stor och mångskiftande samling information till punktdata för användning i vidare geografisk analys.

Följande är exempel:

• Med ett lager som innehåller miljoner strömavbrottsincidenter, kan du berika incidentgeoobjekten med information om typisk användning, miljörisker och infrastruktursförhållanden för att studera förhållandet mellan de faktorerna och strömavbrottsfrekvensen.