Etiqueta | Explicación | Tipo de datos |
Entidades de puntos de entrada | Las entidades de puntos de entrada utilizadas para crear clústeres. | Feature Layer |
Clase de entidad de salida
| La clase de entidad de clúster de puntos de salida. | Feature Class |
Tolerancia clúster
(Opcional) | La distancia máxima (en metros, pies, kilómetros o millas) que separa los puntos a la que se considerarán parte del mismo clúster. Si no se especifica ninguna tolerancia clúster, la herramienta identificará entidades idénticas geométricamente al clúster. | Linear Unit |
Campos de salida
(Opcional) | Los campos de entidad de entrada que se conservarán. Si no se conserva ningún campo, no se copiará ningún campo de entidad de entrada en la salida. Este es el comportamiento predeterminado. | Field |
Resumen
Realiza un análisis 80/20 de entidades y determina ubicaciones de clúster creando una capa de símbolos graduados en función del número de incidentes que ocurren en cada ubicación. La herramienta calcula un campo de porcentaje acumulado para identificar las ubicaciones donde ocurren incidentes desproporcionadamente.
Uso
La regla 80/20 es un concepto teórico en el que la gran mayoría de incidentes ocurren en una minoría reducida de ubicaciones, por ejemplo, un 80 por ciento de los incidentes en un 20 por ciento de las ubicaciones.
La salida se organiza en función de los campos ICOUNT (recuento de clústeres), CUMU_PERC (porcentaje acumulado) y PERC (porcentaje) generados recientemente.
- ICOUNT: el número de puntos encontrados dentro de la tolerancia clúster para ese clúster.
- CUMU_PERC: el porcentaje acumulado del punto de clúster actual y el resto de puntos de clúster más grandes. Este valor se puede utilizar para determinar si un número desproporcionado de ubicaciones de clúster representa una proporción mayor de delitos, por ejemplo, un 20 por ciento de ubicaciones de clúster contiene un 80 por ciento de puntos totales.
- PERC: el porcentaje del número total de puntos encontrados dentro de la tolerancia clúster para ese clúster.
El campo ICOUNT (recuento de clústeres) simbolizará la clase de entidad de salida.
Parámetros
arcpy.ca.EightyTwentyAnalysis(in_features, out_feature_class, {cluster_tolerance}, {out_fields})
Nombre | Explicación | Tipo de datos |
in_features | Las entidades de puntos de entrada utilizadas para crear clústeres. | Feature Layer |
out_feature_class | La clase de entidad de clúster de puntos de salida. | Feature Class |
cluster_tolerance (Opcional) | La distancia máxima (en metros, pies, kilómetros o millas) que separa los puntos a la que se considerarán parte del mismo clúster. Si no se especifica ninguna tolerancia clúster, la herramienta identificará entidades idénticas geométricamente al clúster. | Linear Unit |
out_fields [out_fields,...] (Opcional) | Los campos de entidad de entrada que se conservarán. Si no se conserva ningún campo, no se copiará ningún campo de entidad de entrada en la salida. Este es el comportamiento predeterminado. | Field |
Muestra de código
El siguiente script de la ventana de Python demuestra cómo utilizar la función EightyTwentyAnalysis en modo inmediato.
import arcpy
arcpy.env.workspace = r"C:/data/city_pd.gdb"
arcpy.ca.EightyTwentyAnalysis("CallsForService", "80_20_clusters")
El siguiente script de Python muestra cómo utilizar la función EightyTwentyAnalysis en un script independiente.
# 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)
Entornos
Casos especiales
Información de licenciamiento
- Basic: Sí
- Standard: Sí
- Advanced: Sí