wybierając procent (75%) grupy punktów na podstawie odległości od jednego oddzielnego punktu w ArcGIS?

Jest to specyficzne dla ArcGIS.

Mam 2 Shapefiles punktów Ai B, pierwszym ( A) to jeden punkt, który zawiera szer długości, druga ( B) jest wielopunktowo (ponad 12k), z których każdy zawiera lat i ich długości. Usiłuję zautomatyzować wybór 75% punktów pliku kształtu na Bpodstawie odległości od pliku kształtu A. Innymi słowy, chcę wybrać najbliższe 75% Bpunktów shapefile do Ajednego punktu shapefile .

Możesz utworzyć bufor wielokrotnego pierścienia na pliku kształtu A, a następnie wykonać przestrzenne połączenie bufora z plikiem kształtu B. Gdy wykonasz połączenie przestrzenne wielokątów i punktów, otrzymasz liczbę punktów w każdym wielokącie w atrybucie tabela sprzężenia. Następnie, badając całkowitą liczbę punktów w buforach, możesz uzyskać do 75% punktów w pliku kształtu B.

Nieco innym podejściem byłoby napisanie skryptu w Pythonie i sprawdzenie 75% w pętli, ale jeśli jest to jednorazowe obliczenie, możesz tego nie potrzebować.

Do 1200 punktów (lub nawet powiedzieć punktów 12M?) Ja po prostu umieścić je w pamięci jako Generic Collection - w tym przypadku SortedList z list . Można to uprościć, pomijając punkty, gdy napotkasz sytuację, w której wiele punktów znajduje się w tej samej odległości od punktu początkowego. Również pod kątem wydajności, należy rozważyć użycie hashtable zamiast SortedList i sortowania raz po włożeniu wszystkich dystansach. To zajmie jeszcze kilka linii kodu (?).

Nie miałem czasu, aby to przetestować, ale ten c # może zacząć:

private void SelectNTile(string layer1, string layer2, double nTile)
{
    var fLayer1 = FindLayer(ArcMap.Document.FocusMap, "LayerWithLotsofPoints");
    var fLayer2 = FindLayer(ArcMap.Document.FocusMap, "LayerWithOneSelectedPoint");
    IFeature feat = GetSingleFeature(fLayer2);
    var distList = MakeDistList(fLayer1.FeatureClass,(IPoint)feat.ShapeCopy);
    // assume not many points exactly same distance
    var nRecs = (int)(distList.Count * nTile); // nTile would be 0.75 for 75%
    var Oids = new List<int>();
    foreach (KeyValuePair<double, List<int>> kvp in distList)
    {
        Oids.AddRange(kvp.Value);
        if (Oids.Count > nRecs)
            break;
    }
    var fSel = fLayer1 as IFeatureSelection;
    var OidArray = Oids.ToArray();
    fSel.SelectionSet.AddList(Oids.Count, ref OidArray[0]);                
}

private SortedList<double, List<int>> MakeDistList(IFeatureClass fc, IPoint pnt)
{
    var outList = new SortedList<double, List<int>>();
    var proxOp = pnt as IProximityOperator;
    IFeatureCursor fCur = null;
    try
    {
        fCur = fc.Search(null, true); // recycling is faster, we just need OIDs
        IFeature feat;
        while ((feat = fCur.NextFeature()) != null)
        {
            double dist = proxOp.ReturnDistance(feat.Shape);
            if (!outList.ContainsKey(dist))
                outList.Add(dist, new List<int> { feat.OID });
            else
                outList[dist].Add(feat.OID);  // this should rarely happen
        }
    }
    catch
    {
        throw;
    }
    finally
    {
        if (fCur != null)
            System.Runtime.InteropServices.Marshal.FinalReleaseComObject(fCur);
    }
    return outList;
}
private IFeature GetSingleFeature(IFeatureLayer fLayer)
{
    var fSel = fLayer as IFeatureSelection;
    if (fSel.SelectionSet.Count != 1)
        throw new Exception("select one feature in " + fLayer.Name + " first");
    var enumIDs = fSel.SelectionSet.IDs;
    enumIDs.Reset();
    IFeature feat = fLayer.FeatureClass.GetFeature(enumIDs.Next());
    return feat;
}
private IFeatureLayer FindLayer(IMap map, string name)
{
    throw new NotImplementedException();
}

Skrypt geoprzetwarzania Pythona jest oczywistym wyborem:

1. Użyj narzędzia Odległość punktu , aby obliczyć odległość od operacji w klasie obiektów B (parametr „Funkcje wejściowe” narzędzia) do punktu w klasie obiektów A (parametr „Blisko operacji” narzędzia).
2. Posortuj tabelę według obliczonej odległości.
3. Wybierz pierwsze 75% ObjectID w tabeli wyjściowej (kolumna „Input_FID”) i użyj tych, aby dokonać wyboru spośród oryginalnych operacji w klasie obiektów B.

Miałem ten problem kilka lat temu. Uznałem, że łatwiej jest przechowywać dane jako „dane płaskie”, przeglądając wszystkie dane i ręcznie obliczając odległość, a następnie biorąc górne 75% (faktycznie zachowałem górne 10%). Następnie zrobiłem to samo w ArcIMS, korzystając z ich obliczeń odległości i zajęło to znacznie więcej czasu.

Buforowanie jest ogromnym obciążeniem, ale obliczenia matematyczne są mocną stroną. Jeśli buforujesz 12 000 punktów, myślę, że będziesz mieć problemy z wydajnością.