Calcular índice compuesto (Estadística espacial)

Resumen

Combina varias variables numéricas para crear un único índice.

Los índices compuestos se utilizan en dominios sociales y medioambientales para representar información compleja de varios indicadores como una métrica única que puede medir el progreso hacia un objetivo y facilitar las decisiones. La herramienta admite los tres pasos principales del proceso de creación de índices: estandarizar las variables de entrada a una escala común (preprocesamiento), combinar variables en una sola variable de índice (combinación) y escalar y clasificar el índice resultante en valores significativos (posprocesamiento).

Más información sobre cómo funciona Calcular índice compuesto

Ilustración

Uso

• La creación de un índice adecuado depende de considerar detenidamente la pregunta que el índice intenta responder, elegir la variable y los métodos aplicados. Estos deben realizarse en colaboración con expertos de dominio y usuarios finales.

  Más información sobre las prácticas recomendadas al crear índices compuestos

• Utilice el parámetro Variables de entrada para designar los campos numéricos que se utilizarán en el índice. La herramienta omite los registros en los que faltan valores en cualquier variable de entrada.

• Puede usar el parámetro Método predefinido para escalar y combinar variables para especificar un método para crear un índice. Por ejemplo, la opción Combinar valores (valor medio de valores escalados) escala las variables de entrada entre 0 y 1 y utiliza el valor medio de las variables de entrada reescaladas como el índice.

  • El parámetro Método predefinido para escalar y combinar variables cambiará los valores de los parámetros Método para escalar variables de entrada y Método para combinar variables escaladas. Para personalizarlas aún más, elija la opción Personalizado para definir sus valores manualmente.

• El parámetro Método para escalar variables de entrada aplicará el método seleccionado a todas las variables de entrada.

  • La opción Mínimo-máximo es la más sencilla, ya que conserva la distribución de las variables de entrada y las escala a una escala de 0 a 1 que sea fácil de interpretar.
  • Al trabajar con variables que tengan distribuciones o valores atípicos sesgados, utilice el método Percentil o Clasificación, que considera la clasificación de los datos, o bien utilice la opción Marcar por umbral (binario), que convierte las variables en valores binarios (0 o 1).
  • Para crear un índice que se volverá a crear a lo largo del tiempo, ya que hay datos nuevos disponibles (por ejemplo, un índice de rendimiento anual), utilice la opción Mínimo-máximo (rangos de datos personalizados) o Puntuación z (personalizada). Con cualquiera de estas opciones, puede establecer puntos de referencia estables que permitan realizar comparaciones entre datos con distintos rangos y distribuciones.
  • La opción Valores sin procesar resulta útil cuando las variables están en una escala comparable, como cuando se utilizan porcentajes o cuando las variables se han preprocesado con otras herramientas.

• Utilice las herramientas Transformar campo, Estandarizar campo o Reclasificar campo si necesita aplicar métodos de preprocesamiento que no estén disponibles en la herramienta o cuando se necesitan diferentes métodos de preprocesamiento para cada variable de entrada.

  • Al realizar un preprocesamiento, asegúrese de que las variables de entrada estén en una escala comparable.
  • Use la opción Valores sin procesar del parámetro Método para escalar variables de entrada al realizar su propio preprocesamiento.

• Si todas las variables de entrada están en una escala de medición común, como porcentajes, utilice la opción Valores sin procesar del parámetro Método para escalar variables de entrada.

• La opción Marcar por umbral (binario) del parámetro Método para escalar variables de entrada se puede utilizar para convertir las variables de entrada a valores de 0 y 1 basados en umbrales. Utilice el parámetro Método para escalar para umbrales para aplicar opcionalmente un paso de preprocesamiento a todas las variables antes de establecer el umbral. Por ejemplo, los siguientes pasos cuentan el número de variables de entrada que están por encima del 90.º percentil para cada ubicación:

  1. Establezca el valor del parámetro Método para escalar variables de entrada en Marcar por umbral (binario).
  2. Establezca el valor del parámetro Método para escalar para umbrales en Percentil.
  3. Establezca el valor del parámetro Umbrales en Mayor que 0,9 para cada variable.
  4. Establezca el valor del parámetro Método para combinar variables escaladas en Suma.

• El parámetro Método para combinar variables escaladas incluye métodos aditivos (suma y valor medio) y métodos multiplicativos (multiplicación y valor medio geométrico).

  • Los métodos aditivos permiten a una variable con un valor alto compensar las variables con valores bajos.
  • Los métodos multiplicativos no permiten que los valores altos compensen los valores bajos. Los valores de índice elevados se producen solo cuando hay valores altos en varias variables.

• Puede utilizar el parámetro Pesos (en la categoría del parámetro Pesos variables) para indicar la importancia relativa de cada variable de entrada. Todos los pesos se establecen en 1 de forma predeterminada, lo que significa que cada variable se pondera por igual.

  • Si sabe que una variable debe ser el doble de importante que otra variable, establezca la variable con un peso de 2 y la otra con un peso de 1.
  • También puede establecer pesos que sumen hasta 1; por ejemplo, si se utilizan tres variables y una se debe considerar el doble de importante que las otras dos, puede utilizar valores de peso de 0,5, 0,25 y 0,25.

• Los pesos tienen un impacto significativo en el índice resultante. Establecer la importancia relativa de las variables es una parte subjetiva del análisis y debe guiarse con conocimientos del dominio y una justificación documentada.

• La herramienta creará un campo de índice, un campo de clasificación y un campo de percentil. También se creará un campo de índice sin procesar al invertir o cuando el índice se escala a un nuevo mínimo y máximo. Se agregarán campos adicionales para cada una de las opciones de clasificación especificadas en el parámetro Salidas clasificadas adicionales. Si la entrada es una clase de entidad y se especifica una clase de entidad en el parámetro Entidades o tabla de salida, la herramienta proporcionará una capa de grupo que muestra una capa para el campo de índice, el campo de percentil y cada una de las opciones de clasificación seleccionadas.

• La capa de índice de salida incluirá gráficos para ver la distribución del índice, ayudar a identificar si los pasos de preprocesamiento lograron el resultado previsto y comprobar las correlaciones entre las variables de entrada y el índice.

• La capa de índice de salida incluye una visualización emergente que puede utilizar para examinar los valores del índice resultante y las variables de entrada en ubicaciones específicas.

• El concepto que el índice está midiendo puede representarse mediante varias dimensiones. Por ejemplo, un índice de vulnerabilidad podría estar compuesto por dominios de vivienda, transporte e ingresos, cada uno compuesto por varias variables. Plantéese construir subíndices para representar cada dimensión. Se logra ejecutando la herramienta varias veces, una vez para cada dimensión y utilizando los resultados como variables de entrada para el índice final.

• Al construir un índice que comprende subíndices, considere utilizar ModelBuilder o un notebook en ArcGIS Pro para agilizar este proceso. Si utiliza ModelBuilder, cree nuevas entidades para cada subíndice desactivando el parámetro Incorporar campos a la tabla de entrada. Se creará una salida separada para cada subíndice, las cuales se deberán unir antes de crear el índice final. La herramienta no admite encadenar varios índices en ModelBuilder cuando el parámetro Incorporar campos a la tabla de entrada está activado.

• Una práctica recomendada es reducir el número de variables de entrada y conservar al mismo tiempo las suficientes para capturar la información esencial necesaria para el índice. Es posible que un gran número de variables de entrada presenten dificultades a la hora de interpretar el índice. Además, si varias variables pertenecen al mismo dominio, por ejemplo, mediana de ingresos y pobreza, la influencia de este dominio puede estar sobrerrepresentada en el índice.

Parámetros

Cuadro de diálogo

Etiqueta	Explicación	Tipo de datos
Tabla de entrada	La tabla o entidades que contienen las variables que se combinarán en el índice.	Table View
Variables de entrada	Una lista de campos numéricos que representan las variables que se combinarán como un índice. Active la casilla Invertir dirección para invertir los valores de las variables. Significa que la entidad o registro que tenía originalmente el valor más alto tendrá el valor más bajo, y viceversa.	Value Table
Incorporar campos a la tabla de entrada (Opcional)	Especifica si los resultados se incorporarán a los datos de entrada o se proporcionarán como una tabla o clase de entidad de salida. Activado: los resultados se incorporarán a los datos de entrada. Esta opción modifica los datos de entrada. Desactivado: se creará una tabla o clase de entidad de salida con los resultados. Esta es la opción predeterminada.	Boolean
Entidades o tabla de salida (Opcional)	La tabla o entidades de salida que incluirán los resultados.	Table; Feature Class
Método predefinido para escalar y combinar variables (Opcional)	Especifica el flujo de trabajo que se utilizará al crear el índice. Las opciones representan flujos de trabajo comunes de creación de índices; cada opción establece valores predeterminados para los parámetros Método para escalar variables de entrada y Método para combinar variables escaladas. Combinar valores (valor medio de valores escalados)—Se creará un índice escalando las variables de entrada entre 0 y 1 y promediando los valores escalados. Este método resulta útil para crear un índice que sea fácil de interpretar. La forma de la distribución y los valores atípicos en las variables de entrada afectarán al índice. Esta es la opción predeterminada. Combinar clasificaciones (valor medio de percentiles)—Se creará un índice escalando las clasificaciones de las variables de entrada entre 0 y 1 y promediando las clasificaciones escaladas. Esta opción es útil cuando las clasificaciones de los valores de variable son más importantes que las diferencias entre los valores. La forma de la distribución y los valores atípicos en las variables de entrada no afectarán al índice. Componer diferencias (valor medio geométrico de valores escalados)—Se creará un índice escalando las variables de entrada entre 0 y 1 y calculando el promedio geométrico de los valores escalados. Los valores altos no compensarán completamente los valores bajos, por lo que esta opción es útil para crear un índice en el que se producirán valores de índice más altos solo cuando haya valores altos en varias variables. Resaltar extremos (recuento de valores por encima del 90.º percentil)—Se creará un índice que cuenta el número de variables de entrada con valores mayores o iguales que el 90.º percentil. Este método es útil para identificar las ubicaciones que se pueden considerar como las más extremas o las más necesarias. Personalizada—Se creará un índice utilizando opciones personalizadas de escalado y combinación de variables.	String
Método para escalar variables de entrada (Opcional)	Especifica el método que se utilizará para convertir las variables de entrada a una escala común. Mínimo-máximo—Las variables se escalarán entre 0 y 1 utilizando los valores mínimo y máximo de cada variable. Esta es la opción predeterminada. Mínimo máximo (rangos de datos personalizados)—Las variables se escalarán entre 0 y 1 utilizando los valores de mínimo y máximo posibles para cada variable especificada por el parámetro Rangos de datos personalizados. Este método tiene muchos usos, incluida la especificación del mínimo y el máximo basado en un punto de referencia, en una estadística de referencia o en valores teóricos. Por ejemplo, si los registros de ozono de un solo día oscilan entre 5 y 27 partes por millón (ppm), puede utilizar el mínimo y máximo teóricos, gracias a la observación previa y los conocimientos expertos del dominio, para establecer el valor del parámetro mínimo posible y máximo posible. De este modo, se asegurará de que el índice se pueda comparar a lo largo de varios días. Percentil—Las variables se convertirán a percentiles entre 0 y 1 escalando la clasificación de los valores de datos. Esta opción es útil cuando desea ignorar las diferencias absolutas entre los valores de datos, como con valores atípicos o distribuciones sesgadas. Clasificación—Se clasificarán las variables. Al valor más bajo se le asigna el valor de clasificación 1, al siguiente valor se le asigna el valor de clasificación 2, y así sucesivamente. A los empates se les asigna la media de sus clasificaciones. Puntuación Z—Cada variable se estandarizará restando el valor medio y dividiendo entre la desviación estándar (llamada puntuación z). La puntuación z es el número de desviaciones estándar por encima o por debajo del valor medio. Esta opción resulta útil cuando los valores medios de las variables son puntos de comparación importantes. Los valores por encima del valor medio recibirán puntuaciones z positivas, y los valores por debajo del valor medio recibirán puntuaciones z negativas. Puntuación z (personalizada)—Cada variable se estandarizará restando un valor medio personalizado y dividiendo entre una desviación estándar personalizada. Proporcione los valores personalizados en el parámetro Estandarización personalizada. Esta opción resulta útil cuando se conocen los valores medios y las desviaciones estándar de las variables gracias a una investigación anterior. Marcar por umbral (binario)—Las variables se identificarán cuando están por encima o por debajo de un umbral definido. El campo resultante contiene valores binarios (0 o 1) que indican si se ha superado el umbral. También puede utilizar el parámetro Método para escalar para umbrales para escalar los valores de la variable de entrada antes de definir el umbral y utilizar el parámetro Umbrales para especificar los valores de umbral. Este método resulta útil cuando los valores de las variables son menos importantes que si superan un umbral determinado, como el límite de seguridad de un contaminante. Valores sin procesar—Se utilizarán los valores originales de las variables. Utilice este método solo cuando todas las variables se miden en una escala comparable, como porcentajes o tasas, o cuando las variables se han estandarizado antes de utilizar esta herramienta.	String
Método para escalar para umbrales (Opcional)	Especifica el método que se utilizará para convertir las variables de entrada a una escala común antes de establecer umbrales. Mínimo-máximo—Las variables entre 0 y 1 se escalarán utilizando los valores mínimo y máximo de cada variable. Mínimo máximo (rangos de datos personalizados)—Las variables entre 0 y 1 se escalarán utilizando los valores de mínimo y máximo posibles para cada variable especificada. Percentil—Las variables se convertirán a percentiles entre 0 y 1. Puntuación Z—Cada variable se estandarizará restando el valor medio y dividiendo entre la desviación estándar. Puntuación z (personalizada)—Cada variable se estandarizará restando un valor medio personalizado y dividiendo entre una desviación estándar personalizada. Valores sin procesar—Los valores de las variables se utilizarán sin cambios. Esta es la opción predeterminada.	String
Estandarización personalizada (Opcional)	El valor medio personalizado y la desviación estándar personalizada que se utilizarán al estandarizar cada variable de entrada. Para cada variable, proporcione el valor medio personalizado en la columna Valor medio y la desviación estándar personalizada en la columna Desviación estándar.	Value Table
Rangos de datos personalizados (Opcional)	Los valores de mínimo y máximo posibles que se utilizarán en las unidades de las variables. Cada variable se escalará entre 0 y 1 según los valores mínimo y máximo posibles.	Value Table
Umbrales (Opcional)	Umbral que determina si una entidad se marcará. Especifique el valor en las unidades de las variables escaladas y especifique si se marcarán los valores por encima o por debajo del valor del umbral.	Value Table
Método para combinar variables escaladas (Opcional)	Especifica el método que se utilizará para combinar las variables escaladas en un solo valor. No puede multiplicar ni calcular un valor medio geométrico cuando se escala alguna variable con puntuaciones z, puesto que las puntuaciones z siempre contienen valores negativos. Suma—Se agregarán los valores. Valor medio—Se calculará el valor medio aritmético (aditivo) de los valores. Esta es la opción predeterminada. Multiplicar—Los valores se multiplicarán. Todos los valores escalados deben ser mayores o iguales que cero. Valor medio geométrico—Se calculará el valor medio geométrico (multiplicativo) de los valores. Todos los valores escalados deben ser mayores o iguales que cero.	String
Pesos (Opcional)	Los pesos que establecerán la influencia relativa de cada variable de entrada en el índice. Cada peso tiene un valor predeterminado de 1, lo que significa que cada variable tiene la misma contribución. Aumente o disminuya los pesos para reflejar la importancia relativa de las variables. Por ejemplo, si una variable es dos veces más importante que otra, utilice un valor de peso de 2. Utilizar valores de peso mayores que 1 mientras se multiplican para combinar valores escalados puede dar lugar a índices con valores muy grandes.	Value Table
Nombre de índice de salida (Opcional)	El nombre del índice. El valor se usa en la visualización de las salidas, como los alias de campo y las etiquetas del gráfico. El valor no se utiliza cuando la salida (o entrada incorporada) es un shapefile.	String
Invertir valores de índice de salida (Opcional)	Especifica si se invertirá la dirección de los valores de índice de salida (por ejemplo, para tratar los valores de índice altos como valores bajos). Activado: se invertirá la dirección de los valores de índice. Desactivado: no se invertirá la dirección de los valores de índice. Esta es la opción predeterminada.	Boolean
Valores mínimo y máximo del índice de salida (Opcional)	El mínimo y el máximo de los valores del índice de salida. Esta escala se aplica después de combinar las variables escaladas. Si no se proporcionan valores, el índice de salida no se escala.	Value Table
Salidas clasificadas adicionales (Opcional)	Especifica el método que se utilizará para clasificar el índice de salida. Se proporcionará un campo de salida adicional para cada opción seleccionada. Intervalo equivalente—Las clases se crearán dividiendo el rango de valores en intervalos del mismo tamaño. Cuantil—Se crearán clases en las que cada clase incluye el mismo número de registros. Desviación estándar—Se crearán clases que correspondan al número de desviaciones estándar por encima y por debajo del promedio del índice. Los valores resultantes estarán entre -3 y 3. Personalizada—Las rupturas de clase y los valores de clase se especificarán con el parámetro Clases personalizadas de índice de salida.	String
Número clases del índice de salida (Opcional)	El número de clases que se utilizarán para los métodos de clasificación de intervalos iguales y cuantiles.	Long
Clases personalizadas de índice de salida (Opcional)	Los límites superiores y los valores de clase del método de clasificación personalizado. Por ejemplo, puede utilizar esta variable para clasificar un índice que contenga valores entre 0 y 100 en clases que representen valores bajos, medios y altos según los valores de corte personalizados.	Value Table

Salida derivada

Etiqueta	Explicación	Tipo de datos
Tabla de entrada actualizada	La tabla de entrada actualizada.	Table View
Grupo de capas de salida	Si la entrada era una clase de entidad y se especifica una clase de entidad en el parámetro Entidades o tabla de salida, se proporciona una capa de grupo que muestra una capa para el campo de índice, el campo de percentil y cada una de las opciones de clasificación seleccionadas.	Group Layer

Python

arcpy.stats.CalculateCompositeIndex(in_table, in_variables, {append_to_input}, {out_table}, {index_preset}, {preprocessing}, {pre_threshold_scaling}, {pre_custom_zscore}, {pre_min_max}, {pre_thresholds}, {index_method}, {index_weights}, {out_index_name}, {out_index_reverse}, {post_min_max}, {post_reclass}, {post_num_classes}, {post_custom_classes})

Nombre	Explicación	Tipo de datos
in_table	La tabla o entidades que contienen las variables que se combinarán en el índice.	Table View
in_variables [[var1, reverse1],[var2, reverse2],...]	Una lista de campos numéricos que representan las variables que se combinarán como un índice. La columna Invertir dirección invierte los valores de las variables. Significa que la entidad o registro que tenía originalmente el valor más alto tendrá el valor más bajo, y viceversa. Los valores se invertirán después del escalado.	Value Table
append_to_input (Opcional)	Especifica si los resultados se incorporarán a los datos de entrada o se proporcionarán como una tabla o clase de entidad de salida. APPEND_TO_INPUT—Los resultados se incorporarán a los datos de entrada. Esta opción modifica los datos de entrada. NEW_FEATURES—Se creará una tabla o clase de entidad de salida con los resultados. Esta es la opción predeterminada.	Boolean
out_table (Opcional)	La tabla o entidades de salida que incluirán los resultados.	Table; Feature Class
index_preset (Opcional)	Especifica el flujo de trabajo que se utilizará al crear el índice. Las opciones representan flujos de trabajo comunes de creación de índices; cada opción establece valores predeterminados para los parámetros preprocessing y index_method. MEAN_SCALED—Se creará un índice escalando las variables de entrada entre 0 y 1 y promediando los valores escalados. Este método resulta útil para crear un índice que sea fácil de interpretar. La forma de la distribución y los valores atípicos en las variables de entrada afectarán al índice. Esta es la opción predeterminada. MEAN_PCTL—Se creará un índice escalando las clasificaciones de las variables de entrada entre 0 y 1 y promediando las clasificaciones escaladas. Esta opción es útil cuando las clasificaciones de los valores de variable son más importantes que las diferencias entre los valores. La forma de la distribución y los valores atípicos en las variables de entrada no afectarán al índice. GEOMEAN_SCALED—Se creará un índice escalando las variables de entrada entre 0 y 1 y calculando el promedio geométrico de los valores escalados. Los valores altos no cancelarán los valores bajos, por lo que esta opción es útil para crear un índice en el que los valores de índice más altos se producirán solo cuando haya valores altos en varias variables. SUM_FLAGSPCTL—Se creará un índice que cuenta el número de variables de entrada con valores mayores o iguales que el 90.º percentil. Este método es útil para identificar las ubicaciones que se pueden considerar como las más extremas o las más necesarias. CUSTOM—Se creará un índice utilizando opciones personalizadas de escalado y combinación de variables.	String
preprocessing (Opcional)	Especifica el método que se utilizará para convertir las variables de entrada a una escala común. MINMAX—Las variables se escalarán entre 0 y 1 utilizando los valores mínimo y máximo de cada variable. Esta es la opción predeterminada. CUST_MINMAX—Las variables se escalarán entre 0 y 1 utilizando los valores de mínimo y máximo posibles para cada variable especificada por el parámetro pre_min_max. Este método tiene muchos usos, incluida la especificación del mínimo y el máximo basado en un punto de referencia, en una estadística de referencia o en valores teóricos. Por ejemplo, si los registros de ozono de un solo día oscilan entre 5 y 27 partes por millón (ppm), puede utilizar el mínimo y máximo teóricos gracias a la observación previa y los conocimientos expertos del dominio para garantizar que el índice se pueda comparar a lo largo de varios días PERCENTILE—Las variables se convertirán a percentiles entre 0 y 1 calculando el porcentaje de valores de datos menores que el valor de datos. Esta opción es útil cuando desea ignorar las diferencias absolutas entre los valores de datos, como con valores atípicos o distribuciones sesgadas. RANK—Se clasificarán las variables. Al valor más bajo se le asigna el valor de clasificación 1, al siguiente valor se le asigna el valor de clasificación 2, y así sucesivamente. A los empates se les asigna la media de sus clasificaciones. ZSCORE—Cada variable se estandarizará restando el valor medio y dividiendo entre la desviación estándar (llamada puntuación z). La puntuación z es el número de desviaciones estándar por encima o por debajo del valor medio. Esta opción resulta útil cuando los valores medios de las variables son puntos de comparación importantes. Los valores por encima del valor medio recibirán puntuaciones z positivas, y los valores por debajo del valor medio recibirán puntuaciones z negativas. CUST_ZSCORE—Cada variable se estandarizará restando un valor medio personalizado y dividiendo entre una desviación estándar personalizada. Proporcione los valores personalizados en el parámetro pre_custom_zscore. Esta opción resulta útil cuando se conocen los valores medios y las desviaciones estándar de las variables gracias a una investigación anterior. BINARY—Las variables se identificarán cuando están por encima o por debajo de un umbral definido. El campo resultante contiene valores binarios (0 o 1) que indican si se ha superado el umbral. También puede utilizar el parámetro pre_threshold_scaling para escalar los valores de la variable de entrada antes de definir el umbral y utilizar el parámetro pre_thresholds para especificar los valores de umbral. Este método resulta útil cuando los valores de las variables son menos importantes que si superan un umbral determinado, como el límite de seguridad de un contaminante. RAW—Se utilizarán los valores originales de las variables. Utilice este método solo cuando todas las variables se miden en una escala comparable, como porcentajes o tasas, o cuando las variables se han estandarizado antes de utilizar esta herramienta.	String
pre_threshold_scaling (Opcional)	Especifica el método que se utilizará para convertir las variables de entrada a una escala común antes de establecer umbrales. THRESHOLD_MINMAX—Las variables entre 0 y 1 se escalarán utilizando los valores mínimo y máximo de cada variable. THRESHOLD_CUST_MINMAX—Las variables entre 0 y 1 se escalarán utilizando los valores de mínimo y máximo posibles para cada variable especificada. THRESHOLD_PERCENTILE—Las variables se convertirán a percentiles entre 0 y 1. THRESHOLD_ZSCORE—Cada variable se estandarizará restando el valor medio y dividiendo entre la desviación estándar. THRESHOLD_CUST_ZSCORE—Cada variable se estandarizará restando un valor medio personalizado y dividiendo entre una desviación estándar personalizada. THRESHOLD_RAW—Los valores de las variables se utilizarán sin cambios. Esta es la opción predeterminada.	String
pre_custom_zscore [[field1, mean1, stdev1], [field2, mean2, stdev2],...] (Opcional)	El valor medio personalizado y la desviación estándar personalizada que se utilizarán al estandarizar cada variable de entrada. Para cada variable, proporcione el valor medio personalizado en la columna Valor medio y la desviación estándar personalizada en la columna Desviación estándar.	Value Table
pre_min_max [[field1, min1, max1], [field2, min2, max2],...] (Opcional)	Los valores de mínimo y máximo posibles que se utilizarán en las unidades de las variables. Cada variable se escalará entre 0 y 1 según los valores mínimo y máximo posibles.	Value Table
pre_thresholds [[field1, method1, threshold1], [field2, method2, threshold2],...] (Opcional)	Umbral que determina si una entidad se marcará. Especifique el valor en las unidades de las variables escaladas y especifique si se marcarán los valores por encima o por debajo del valor del umbral.	Value Table
index_method (Opcional)	Especifica el método que se utilizará para combinar las variables escaladas en un solo valor. SUM—Se agregarán los valores. MEAN—Se calculará el valor medio aritmético (aditivo) de los valores. Esta es la opción predeterminada. PRODUCT—Los valores se multiplicarán. Todos los valores escalados deben ser mayores o iguales que cero. GEOMETRIC_MEAN—Se calculará el valor medio geométrico (multiplicativo) de los valores. Todos los valores escalados deben ser mayores o iguales que cero. No puede multiplicar ni calcular un valor medio geométrico cuando se escala alguna variable con puntuaciones z, puesto que las puntuaciones z siempre contienen valores negativos.	String
index_weights [[field1, weight1], [field2, weight2],...] (Opcional)	Los pesos que establecerán la influencia relativa de cada variable de entrada en el índice. Cada peso tiene un valor predeterminado de 1, lo que significa que cada variable tiene la misma contribución. Aumente o disminuya los pesos para reflejar la importancia relativa de las variables. Por ejemplo, si una variable es dos veces más importante que otra, utilice un valor de peso de 2. Utilizar valores de peso mayores que 1 mientras se multiplican para combinar valores escalados puede dar lugar a índices con valores muy grandes.	Value Table
out_index_name (Opcional)	El nombre del índice. El valor se usa en la visualización de las salidas, como los alias de campo y las etiquetas del gráfico. El valor no se utiliza cuando la salida (o entrada incorporada) es un shapefile.	String
out_index_reverse (Opcional)	Especifica si se invertirá la dirección de los valores de índice de salida (por ejemplo, para tratar los valores de índice altos como valores bajos). REVERSE—Se invertirá la dirección de los valores de índice. NO_REVERSE—No se invertirá la dirección de los valores de índice. Esta es la opción predeterminada.	Boolean
post_min_max [min, max] (Opcional)	El mínimo y el máximo de los valores del índice de salida. Esta escala se aplica después de combinar las variables escaladas. Si no se proporcionan valores, el índice de salida no se escala.	Value Table
post_reclass [post_reclass,...] (Opcional)	Especifica el método que se utilizará para clasificar el índice de salida. Se proporcionará un campo de salida adicional para cada opción seleccionada. EQINTERVAL—Las clases se crearán dividiendo el rango de valores en intervalos del mismo tamaño. QUANTILE—Se crearán clases en las que cada clase incluye el mismo número de registros. STDDEV—Se crearán clases que correspondan al número de desviaciones estándar por encima y por debajo del promedio del índice. Los valores resultantes estarán entre -3 y 3. CUST—Las rupturas de clase y los valores de clase se especificarán con el parámetro post_custom_classes.	String
post_num_classes (Opcional)	El número de clases que se utilizarán para los métodos de clasificación de intervalos iguales y cuantiles.	Long
post_custom_classes [[min1, max1], [min2, max2],...] (Opcional)	Los límites superiores y los valores de clase del método de clasificación personalizado. Por ejemplo, puede utilizar esta variable para clasificar un índice que contenga valores entre 0 y 100 en clases que representen valores bajos, medios y altos según los valores de corte personalizados.	Value Table

Salida derivada

Nombre	Explicación	Tipo de datos
updated_table	La tabla de entrada actualizada.	Table View
output_layer_group	Si la entrada era una clase de entidad y se especifica una clase de entidad en el parámetro out_table, se proporciona una capa de grupo que muestra una capa para el campo de índice, el campo de percentil y cada una de las opciones de clasificación seleccionadas.	Group Layer

Muestra de código

Ejemplo 1 de CalculateCompositeIndex (ventana de Python)

En el siguiente script de Python se muestra cómo utilizar la función CalculateCompositeIndex.

import arcpy
arcpy.stats.CalculateCompositeIndex(
    in_table=r"C:\MyData.gdb\CommunityCharacteristics", 
    out_table=r"C:\MyData.gdb\CommunityCharacteristicsIndex",
    in_variables=["ASTHMA_Prevalence_Percent", "Health_NoInsurance_Percent", 
                    "BelowPovertyLine_Percent"],
    index_preset="MEAN_SCALED")

Ejemplo 2 de CalculateCompositeIndex (script independiente)

En el siguiente script de Python se muestra cómo utilizar la función CalculateCompositeIndex.

# Import system modules 
import arcpy 
import os 

try: 
    # Set the workspace and overwrite properties
    arcpy.env.workspace = r"C:\temp\temp.gdb" 
    arcpy.env.overwriteOutput = True 
    
    # Set the input point feature parameters
    input_features = os.path.join(arcpy.env.workspace, "CommunityCharacteristics")

    # Set a list of variables that will be combined into an index
    input_variables = ["ASTHMA_Prevalence_Percent", "Health_NoInsurance_Percent", 
                       "BelowPovertyLine_Percent"]

    # Set the output name that will contain the index values.
    output_features = os.path.join(arcpy.env.workspace, "CommunityCharacteristicsIndex")

    # Set the method to scale the input variables
    preprocessing_method = "PERCENTILE"

    # Set the method to combine the input variables
    combination_method = "MEAN"
    variable_weights = [["ASTHMA_Prevalence_Percent", 2],
                        ["Health_NoInsurance_Percent", 1],
                        ["BelowPovertyLine_Percent", 1]]

    # Set the output settings
    output_index_name = "Asthma_Needs_Index"
    output_index_range = "0 100"
    output_classification = "QUANTILE"
    output_classification_num_classes = 5

    # Call the tool using the parameters defined above.
    arcpy.stats.CalculateCompositeIndex(
        in_table=input_features,
        in_variables=input_variables, 
        out_table=output_features,
        index_preset="CUSTOM",
        preprocessing=preprocessing_method,
        index_method=combination_method,
        index_weights=variable_weights,
        out_index_name=output_index_name,
        post_min_max=output_index_range,
        post_reclass=output_classification,
        post_num_classes=output_classification_num_classes)

except arcpy.ExecuteError:
    # If an error occurred when running the tool, print the error message.
    print(arcpy.GetMessages())

Entornos

Extensión, Sistema de coordenadas de salida

Información de licenciamiento

• Basic: Sí
• Standard: Sí
• Advanced: Sí