原创 空間統計(三)聚類分佈製圖

這組工具中包含衆所周知的熱點分析工具,通過這個工具我們能捕獲到大量數據中的熱點和冷點,對我們分析問題有很大的幫助。例如,在犯罪分析中,我們可以研究哪些位置犯罪頻繁並且聚集,對增設警力有重要的輔助作用。工具集中的其他工具也有類似的

原创 空間統計(二)分析模式 B

這一篇具體看分析模式工具集中的具體工具,整理這一篇的目的,不是要讀者瞭解每個工具的背後使用了多麼高級的算法,運用了多麼龐大的公式,而是一起了解這些工具究竟可以爲我們研究什麼樣的空間數據分佈模式,當需要探索數據的空間性質時,知道應該

原创 空間統計(二)分析模式 A

有時對於數據量較大的地理數據,我們希望通過一定的統計方法將空間模式量化,從而獲知這些地理數據在空間上是聚合的、還是離散的、還是隨機的等。 在瞭解如上工具之前,有一些空間統計學的基本知識還是要先搞明白,磨刀不誤砍柴工,那就開始吧。

原创 Web Mercator 公開的小祕密

網上已經有好多作者都不吝筆墨,寫了好多有關 Web Mercator這個座標系的前世今生。多蒐羅多攝入,我們會得到很多有用的信息。今天討論到 3758,3857,102100,900913…… 這些ID又一石激起千層浪,看來整理總

原创 空間統計(一)度量地理分佈

     ArcGIS Desktop 中有一個包含了一系列用於研究空間分佈(spatial distribution)、空間模式(spatial pattern)、空間關係(spatial relationship)的統計的工具箱 ——

原创 空間統計(四)迴歸分析探索

在上一篇文章中,我提到的這些工具都是用於研究數據有什麼樣的空間模式,哪裏聚類?哪裏是熱點?哪裏有冷點?哪裏有異常值?等等,總之研究的是“生米煮成熟飯”的結果狀態。 而“空間關係建模”工具箱中的工具,更傾向於研究 Why? 例如,爲

原创 發佈和安裝python自定義模塊

這一篇說下如何發佈和安裝python自定義模塊,版本:Python 2.7 。 1.創建setup.py 現在如果已經寫好一個python文件,爲了儘量簡明,創建一個新的文件夾,把自己py文件放進去。接着在這個文件夾中創建一個名

原创 解決Linux系統中缺少Xvfb包的問題

上一篇文中寫了在 Linux上安裝 ArcGIS Server前的準備工作,最後一步是環境檢測,只有所有項都通過纔可以安裝 ArcGIS Server。 不幸的是,第一次其實沒有通過環境監測,提示系統中缺少了Xvfb包,具體的檢測

原创 上傳代碼到PyPI

我們可以把自己的代碼,尤其是期待分享的得意代碼,上傳分享到第三方Python模塊的“集中營” —— PyPI,如果沒有賬號,可以註冊個先。 1 準備發佈 像在本地發佈安裝一樣,先新建一個文件夾,然後將自己的py文件放進去,然後

原创 NEW!獲取 ArcGIS Pro 與 ArcGIS Desktop 60天試用許可

春節之後,美國esri官網給了我們一些小驚喜,千呼萬喚的 ArcGIS Pro 的試用許可終於放出來了。與ArcGIS Desktop Advanced 一起提供 60天的試用,同時附贈了 200 個 credit。 ArcGIS

原创 ArcGIS Editor for OSM, 10.3.x Desktop

對於好多地圖愛好者,由於保(衆)密(所)嚴(周)格(知),獲取高精度的數據不是個容易事,幸虧有了可愛的 OpenStreetMap 。 ArcGIS Editor for OpenStreetMap 是一個免費開源的 ArcGIS

原创 爲Runner做一張有質感的圖

如今,通過 GPS 我們可以輕鬆採集到自己的足跡,Runner們用各種手機App記錄跑步路線也再平常不過。如果我們有大量的足跡信息,也可以試試 ArcGIS Pro 的渲染能力,來看看自己的 Favourite 線路如何分佈。

原创 Python列表常用操作

Python的列表非常好用,一些常用的操作寫在這裏。 在Python中創建一個列表時,解釋器會在內存中創建一個類似數組(但不是數組)的數據結構來存儲數據。列表中的編號從 0 開始,然後是1,依此類推。 print() 顯示

原创 ArcGIS地圖設計性能優化

製作一幅較高性能的地圖檢查如下方面是否注意到了 ? 1 內容組織: · 空間參考/Spatial Reference 在ArcMap中配置地圖文檔,要儘可能將所有數據與數據框使用相同的空間參考,特別是編輯或創建要提供服務的數

原创 羽化效果的HeatMap

用採樣點製作熱力圖是個非常常見的需求。熱力圖可以給地圖的閱讀者直觀的信息,下面就看看如何在 ArcGIS Pro 中做一個漂亮的HeatMap。 1. 準備好採樣點數據,當然是量大更優。我這裏用了全球地震點數據,大約有 21W+