Beschriftung | Erläuterung | Datentyp |
Eingabe-Punkt-Features | Die zum Erstellen von Clustern verwendeten Eingabe-Punkt-Features. | Feature Layer |
Ausgabe-Feature-Class
| Die Ausgabe-Point-Feature-Class. | Feature Class |
Cluster-Toleranz
(optional) | Die maximale Entfernung (Meter, Fuß, Kilometer oder Meilen) zwischen den Punkten, bis zu der sie als Teil desselben Clusters betrachtet werden. Wenn keine Cluster-Toleranz angegeben ist, identifiziert das Werkzeug Features, die mit dem Cluster geometrisch identisch sind. | Linear Unit |
Ausgabefelder
(optional) | Die Eingabe-Feature-Felder, die beibehalten werden. Wenn keine Felder beibehalten werden, werden keine Eingabe-Feature-Felder in die Ausgabe kopiert. Dies ist das Standardverhalten. | Field |
Zusammenfassung
Führt eine 80/20-Analyse von Features aus und bestimmt Cluster-Orte durch das Erstellen eines Layers mit abgestuften Symbolen auf Grundlage der Anzahl der Ereignisse an jedem Ort. Das Werkzeug berechnet das Feld "Kumulativer Prozentsatz", um die Orte zu identifizieren, die eine überproportional hohe Anzahl von Ereignissen aufweisen.
Verwendung
Die 80/20-Regel ist ein theoretisches Konzept für Szenarien, in denen die überwiegende Mehrheit der Ereignisse an einer geringen Anzahl von Orten auftritt, z. B. 80 Prozent der Ereignisse an 20 Prozent der Orte.
Die Ausgabe wird nach den neu generierten Feldern ICOUNT (Anzahl Cluster), CUMU_PERC (kumulativer Prozentsatz) und PERC (Prozentsatz) sortiert.
- ICOUNT: Die Anzahl der Punkte, die innerhalb der Cluster-Toleranz für diesen Cluster gefunden werden.
- CUMU_PERC: Der kumulative Prozentsatz des aktuellen Cluster-Punkts und aller anderen größeren Cluster-Punkte. Anhand dieses Wertes kann ermittelt werden, ob eine unverhältnismäßig geringe Anzahl an Cluster-Orten einen großen Anteil an Straftaten repräsentiert. Beispiel: 20 Prozent der Cluster-Orte enthalten 80 Prozent der Gesamtpunkte.
- PERC: Der Prozentsatz der Gesamtzahl von Punkten, die innerhalb der Cluster-Toleranz für diesen Cluster gefunden werden.
Die Ausgabe-Feature-Class wird durch das Feld ICOUNT (Anzahl Cluster) symbolisiert.
Parameter
arcpy.ca.EightyTwentyAnalysis(in_features, out_feature_class, {cluster_tolerance}, {out_fields})
Name | Erläuterung | Datentyp |
in_features | Die zum Erstellen von Clustern verwendeten Eingabe-Punkt-Features. | Feature Layer |
out_feature_class | Die Ausgabe-Point-Feature-Class. | Feature Class |
cluster_tolerance (optional) | Die maximale Entfernung (Meter, Fuß, Kilometer oder Meilen) zwischen den Punkten, bis zu der sie als Teil desselben Clusters betrachtet werden. Wenn keine Cluster-Toleranz angegeben ist, identifiziert das Werkzeug Features, die mit dem Cluster geometrisch identisch sind. | Linear Unit |
out_fields [out_fields,...] (optional) | Die Eingabe-Feature-Felder, die beibehalten werden. Wenn keine Felder beibehalten werden, werden keine Eingabe-Feature-Felder in die Ausgabe kopiert. Dies ist das Standardverhalten. | Field |
Codebeispiel
Das folgende Skript für das Python-Fenster veranschaulicht, wie die Funktion EightyTwentyAnalysis im unmittelbaren Modus verwendet wird:
import arcpy
arcpy.env.workspace = r"C:/data/city_pd.gdb"
arcpy.ca.EightyTwentyAnalysis("CallsForService", "80_20_clusters")
Das folgende Python-Skript veranschaulicht die Verwendung der Funktion EightyTwentyAnalysis in einem eigenständigen Skript.
# Name: EightyTwentyAnalysis.py
# Description: Conducts a 80/20 analysis of 911 calls to determine clusters of calls within 50 meters of each other.
# import system modules
import arcpy
# Set environment settings
arcpy.env.workspace = r"C:\data\city_pd.gdb"
# Set local variables
in_features = "CallsForService"
out_feature_class = "80_20_clusters"
cluster_tolerance = "50 Meters"
out_fields = ["FULLADDR","RESCITY", "RESSTATE", "RESZIP5"]
# Execute EightyTwentyAnalysis
arcpy.ca.EightyTwentyAnalysis(in_features,
out_feature_class,
cluster_tolerance,
out_fields)
Umgebungen
Sonderfälle
Lizenzinformationen
- Basic: Ja
- Standard: Ja
- Advanced: Ja