Résumé
Calcule le pourcentage d’évolution des entités qui coïncident avec des entités ponctuelles représentant deux périodes de comparaison égales.
Utilisation
Les entités Input Current Period Point Features (Entités ponctuelles en entrée pour la période actuelle) et Input Previous Period Point Features (Entités ponctuelles en entrée pour la période précédente) peuvent être créées en effectuant des sélections par date et heure sur un jeu de données plus important et en enregistrant les sélections dans de nouvelles couches.
Les champs suivants seront ajoutés à la sortie.
- CUR_CNT : le nombre de points tiré des valeurs du paramètre Input Current Period Point Features (Entités ponctuelles en entrée pour la période actuelle) qui coïncident avec les valeurs du paramètre Input Features (Entités en entrée).
- PREV_CNT : le nombre de points tiré des valeurs du paramètre Input Previous Period Point Features (Entités ponctuelles en entrée pour la période précédente) qui coïncident avec les valeurs du paramètre Input Features (Entités en entrée).
- DIFF_CNT : la différence entre les champs CUR_CNT et PREV_CNT.
- PERC : le pourcentage d’évolution entre les champs CUR_CNT et PREV_CNT. Il est calculé à l’aide de la formule
Où C correspond au total actuel et P au total précédent. Si le total actuel est 0, la valeur du pourcentage d’évolution est nulle. Lorsque la valeur du pourcentage d’évolution est nulle, ces entités sont désignées comme n’étant pas des pourcentages dans la classification de symbologie en sortie.((C - P) / P) * 100
Syntaxe
SummarizePercentChange(in_features, in_current_features, in_previous_features, out_feature_class, {search_radius})
Paramètre | Explication | Type de données |
in_features | Les entités coïncidentes à partir desquelles les périodes de comparaison seront comptées et comparées. | Feature Layer |
in_current_features | Les entités ponctuelles filtrées sur la période de comparaison la plus récente. Par exemple, les délits enregistrés au cours des 14 jours précédents. | Feature Layer |
in_previous_features | Les entités ponctuelles filtrées sur la période qui précède immédiatement la période actuelle. La durée de cette période doit être égale celle de la période actuelle pour que la comparaison soit pertinente. Par exemple, si la période actuelle inclut les entités comprises entre le 15 et le 28 janvier, la période précédente inclurait les entités allant du 1er au 14 janvier. | Feature Layer |
out_feature_class | La classe d'entités en sortie contenant les calculs de différences et d’évolution pour la période de comparaison | Feature Class |
search_radius (Facultatif) | La distance maximum depuis les Input Features (Entités en entrée) ponctuelles ou linéaires à laquelle une entité ponctuelle est considérée coïncidente. Ce paramètre n’est actif que lorsque les entités linéaires ou ponctuelles sont utilisées en tant qu’entités en entrée. | Linear Unit |
Exemple de code
Le script de fenêtre Python ci-dessous illustre l’utilisation de la fonction SummarizePercentChange en mode immédiat :
import arcpy
arcpy.env.workspace = r"C:\data\city_pd.gdb"
arcpy.ca.SummarizePercentChange("Precincts", "crimes_q3", "crimes_q2",
"crimes_percent_change_by_precinct_q2_to_q3")
Le script Python ci-dessous illustre l'utilisation de l'outil SummarizePercentChange dans un script autonome.
# Name: SummarizePercentChange.py
# Description: Compare the number of crimes committed in the second quarter to
# the third quarter by precincts, and determine the percent
# change.
# import system modules
import arcpy
# Set environment settings
arcpy.env.workspace = r"C:\data\city_pd.gdb"
# Execute SummarizePercentChange
arcpy.ca.SummarizePercentChange("Precincts", "crimes_q3", "crimes_q2",
"crimes_percent_change_by_precinct_q2_to_q3")
Environnements
Informations de licence
- Basic: Oui
- Standard: Oui
- Advanced: Oui
Rubriques connexes
Vous avez un commentaire à formuler concernant cette rubrique ?