中心要素 (空间统计)

摘要

识别点、线或面要素类中位于最中央的要素。

了解有关“中心要素”工作原理的详细信息

插图

Central Feature tool illustration

用法

语法

CentralFeature_stats (Input_Feature_Class, Output_Feature_Class, Distance_Method, {Weight_Field}, {Self_Potential_Weight_Field}, {Case_Field})
参数说明数据类型
Input_Feature_Class

包含要从中识别最中心要素的要素分布的要素类。

Feature Layer
Output_Feature_Class

将包含位于“输入要素类”最中心的要素的要素类。

Feature Class
Distance_Method

指定计算每个要素与邻近要素之间的距离的方式。

  • EUCLIDEAN_DISTANCE两点间的直线距离
  • MANHATTAN_DISTANCE沿垂直轴度量的两点间的距离(城市街区);计算方法是对两点的 x 和 y 坐标的差值(绝对值)求和。
String
Weight_Field
(可选)

用于衡量起始-目的地距离矩阵中的距离的数值字段。

Field
Self_Potential_Weight_Field
(可选)

此字段表示自然电位 - 要素与其自身之间的距离或权重。

Field
Case_Field
(可选)

用于为独立中心要素的计算而进行要素分组的字段。案例分组字段可以为整型、日期型或字符串型。

Field

代码示例

中心要素示例(Python 窗口)

以下 Python 窗口脚本演示了如何使用“中心要素”工具。

import arcpy
arcpy.env.workspace = r"C:\data"
arcpy.CentralFeature_stats("coffee_shops.shp", "coffee_CENTRALFEATURE.shp", "EUCLIDEAN_DISTANCE", "NUM_EMP", "#", "#")
中心要素示例(独立 Python 脚本)

下面的独立 Python 脚本演示了如何使用“中心要素”工具。

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

环境

输出坐标系

执行分析之前将要素几何投影到“输出坐标系”。

相关主题


7/10/2012