Центральный объект (Пространственная статистика)

Краткая информация

Определяет максимально близко расположенный к вычисленному центру пространственный объект для точечных, линейных или полигональных классов пространственных объектов.

Подробнее о том, как работает Центральный объект

Иллюстрация

Иллюстрация работы инструмента Центральный объект

Использование

  • Объект, имеющий наименьшее накопленное расстояние до всех остальных объектов набора данных, считается центральным объектом. Этот объект выбирается и копируется в новый Выходной класс пространственных объектов. Возможна ситуация, когда имеется несколько объектов, имеющих наименьшее накопленное расстояние до всех других объектов. Когда такое происходит, все эти наиболее центрально расположенные объекты копируются в Выходной класс объектов.

  • Накопленное расстояние измеряется методом Эвклидово расстояние или Манхэттенское расстояние в соответствии с установкой параметра Метод определения расстояния.

  • Для линейных или полигональных объектов, при расчете расстояний используются центроиды. Для мультиточек, полилиний или полигонов, состоящих их нескольких частей, центроид вычисляется с использованием средневзвешенного центра всех частей объекта. При определении весов точечные объекты имеют равный вес (1). Для линейных объектов это длина сегмента. Для полигональных – площадь.

  • Этот инструмент учитывает 3D природу точечных данных и использует при вычислениях значения x, y и z, если z-значения доступны. Поскольку полученные результаты являются 3D, их необходимо визуализировать в Сцене. Убедитесь, что анализ выполняется в Сцене, или скопируйте слой результатов в Сцену для правильной визуализации результатов анализа.

  • Слои карты можно использовать для определения Входного класса объектов. Если в слое есть выборка, только выбранные объекты будут включены в анализ.

  • Поле группировки используется для группировки объектов для отдельного вычисления Центрального объекта. Поле группировки может быть типа integer, date или string. Записи, имеющие значения null в Поле группировки будут исключены из анализа.

  • Собственный потенциал – это расстояние или вес между объектом и этим же объектом. Часто вес имеет значение "0", но в некоторых случаях вам может понадобиться задать другую фиксированную величину или другую величину для каждого пространственного объекта (возможно, основанную на размере полигона).

  • Внимание:

    При использовании шейп-файлов, помните, что в них нельзя хранить нулевые (null) значения. Инструменты или другие процедуры, создающие шейп-файлы из прочих входных данных, могут хранить значения NULL в виде 0 или оперировать ими как нулем. В некоторых случаях нули в шейп-файлах хранятся как очень маленькие отрицательные числа. Это может привести к неожиданным результатам. Дополнительные сведения см. в разделе Рекомендации по геообработке выходных данных шейп-файла.

Параметры

ПодписьОписаниеТип данных
Входной класс пространственных объектов

Класс пространственных объектов, содержащий распределение объектов, из которых нужно определить наиболее центрально расположенный объект.

Feature Layer
Выходной класс пространственных объектов

Класс объектов, который будет содержать наиболее центрально расположенный объект во Входном классе объектов.

Feature Class
Метод определения расстояния

Определяет, как рассчитываются расстояния от одного объекта до соседнего объекта.

  • ЕвклидовоРасстояние по прямой линии между двумя точками (как ворона летает)
  • МанхэттенскоеРасстояние между двумя точками, измеренное вдоль осей, расположенных под прямым углом друг к другу (городские кварталы); рассчитывается суммированием абсолютных разностей между координатами х и у.
String
Поле веса
(Дополнительный)

Числовое поле, используемое для взвешивания расстояний в матрице расстояний типа начало-пункт назначения.

Field
Поле веса собственного потенциала
(Дополнительный)

Поле, представляющее собственный потенциал, – это расстояние или вес между одним и тем же объектом.

Field
Поле группировки
(Дополнительный)

Поле, используемое для группировки объектов для отдельных расчетов центрального объекта. Поле группировки должно быть типа целое (integer), дата (date) или текст (string).

Field

arcpy.stats.CentralFeature(Input_Feature_Class, Output_Feature_Class, Distance_Method, {Weight_Field}, {Self_Potential_Weight_Field}, {Case_Field})
ИмяОписаниеТип данных
Input_Feature_Class

Класс пространственных объектов, содержащий распределение объектов, из которых нужно определить наиболее центрально расположенный объект.

Feature Layer
Output_Feature_Class

Класс объектов, который будет содержать наиболее центрально расположенный объект во Входном классе объектов.

Feature Class
Distance_Method

Определяет, как рассчитываются расстояния от одного объекта до соседнего объекта.

  • EUCLIDEAN_DISTANCEРасстояние по прямой линии между двумя точками (как ворона летает)
  • MANHATTAN_DISTANCEРасстояние между двумя точками, измеренное вдоль осей, расположенных под прямым углом друг к другу (городские кварталы); рассчитывается суммированием абсолютных разностей между координатами х и у.
String
Weight_Field
(Дополнительный)

Числовое поле, используемое для взвешивания расстояний в матрице расстояний типа начало-пункт назначения.

Field
Self_Potential_Weight_Field
(Дополнительный)

Поле, представляющее собственный потенциал, – это расстояние или вес между одним и тем же объектом.

Field
Case_Field
(Дополнительный)

Поле, используемое для группировки объектов для отдельных расчетов центрального объекта. Поле группировки должно быть типа целое (integer), дата (date) или текст (string).

Field

Пример кода

CentralFeature, пример 1 (окно Python)

Скрипт окна Python, демонстрирующий использование инструмента CentralFeature.

import arcpy
arcpy.env.workspace = r"C:\data"
arcpy.CentralFeature_stats("coffee_shops.shp", "coffee_CENTRALFEATURE.shp", 
                           "EUCLIDEAN_DISTANCE", "NUM_EMP")
CentralFeature, пример 2 (автономный скрипт)

Следующий автономный Python скрипт демонстрирует, как использовать инструмент CentralFeature.

# Measure geographic distribution characteristics of coffee house locations 
# weighted by the number of employees
# Import system modules
import arcpy
 
# Local variables...
workspace = "C:/data"
input_FC = "coffee_shops.shp"
CF_output = "coffee_CENTRALFEATURE.shp"
MEAN_output = "coffee_MEANCENTER.shp"
MED_output = "coffee_MEDIANCENTER.shp"
weight_field = "NUM_EMP"
# Set the workspace to avoid having to type out full path names
arcpy.env.workspace = workspace
# Process: Central Feature...
arcpy.CentralFeature_stats(input_FC, CF_output, "EUCLIDEAN_DISTANCE", weight_field)
# Process: Mean Center...
arcpy.MeanCenter_stats(input_FC, MEAN_output, weight_field)
# Process: Median Center...
arcpy.MedianCenter_stats(input_FC, MED_output, weight_field)

Информация о лицензиях

  • Basic: Да
  • Standard: Да
  • Advanced: Да

Связанные разделы