вибір відсотка (75%) групи балів, виходячи з відстані від однієї окремої точки в ArcGIS?

Це специфічно для ArcGIS.

У мене є 2-х точкових форм-файлів, Aі Bперший ( A) - це одна точка, яка містить lat довгу, друга ( B) - це безліч точок (понад 12 к), кожен з яких містить свій lat і long. Що я намагаюся зробити, це автоматизувати вибір 75% Bточок формфайлу на основі відстані від формфайлу A. Іншими словами, я хочу вибрати найближчу 75% Bточок формфайлу Aдо однієї точки.

Ви можете зробити декілька кільцевих буферів у форміfile A, а потім виконати просторове з'єднання буфера з shapefile B. Коли ви зробите просторове з'єднання полігонів і точок, ви отримаєте підрахунок кількості точок у кожному многокутнику в атрибуті. таблиця приєднання. Потім, вивчивши загальну кількість балів у буферах, ви можете отримати в межах 75% балів у форміфайлу B.

Трохи іншим підходом буде сценарій цього в Python і перевірка 75% в циклі, але якщо це одноразовий розрахунок, можливо, вам це не знадобиться.

Для 1200 крапок (або навіть до точки сказати 12M?) Я просто поклав їх в пам'яті як Generic Collection - в цьому випадку SortedList з списків . Це може бути спрощено просто пропускаючи точки, коли ви стикаєтесь із ситуацією з декількома точками, що знаходяться на однаковій відстані від точки початку. Також для продуктивності розгляньте використання хештеля замість SortedList та сортування один раз після вставки всіх відстаней. Це займе ще кілька рядків коду (?).

Я не встиг це перевірити, але цей c # може вас почати:

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();
}

Сценарій геообробки Python - очевидний вибір:

1. Використовуйте інструмент « Відстань точки », щоб обчислити відстань від ваших функцій класу характеристик В (параметр «Вхідні функції» інструменту) до точки класу характеристик А (параметр «Поруч з функціями» інструменту).
2. Сортуйте таблицю за розрахунковою відстані.
3. Виберіть перші 75% об’єктів у таблиці виводу (стовпець "Вхідні_ФІД") і використовуйте їх для вибору з оригінальних функцій класу функцій B.

У мене це питання було кілька років тому. Мені було легше зберігати дані як "плоскі дані", перебираючи всі дані та обчислюючи відстань вручну, потім взявши верхню 75% (я фактично зберігала перші 10%). Потім я зробив те саме в ArcIMS, використовуючи їх розрахунки відстані, і це зайняло набагато більше часу.

Буферизація - це величезна накладні витрати, але математичні розрахунки - це "фортеця". Якщо у вас буфер 12k балів, я думаю, у вас виникнуть проблеми з виконанням.