| 标注 | 说明 | 数据类型 |
输入要素类 | 要计算标准差椭圆或椭圆体的要素分布所在的要素类。 | Feature Layer |
输出椭圆要素类 | 将包含输出椭圆要素的面要素类。 | Feature Class |
椭圆大小 | 指定标准差中输出椭圆的大小。
| String |
权重字段 (可选) | 此数值型字段，将用于根据各位置的相对重要性对它们进行加权。 | Field |
案例分组字段 (可选) | 此字段将用于对要素进行分组，以分别计算方向分布。 案例分组字段可以为整型、日期型或字符串型。 | Field |
插图
使用情况
在此工具所创建的输出中，每个案例（如果指定案例分组字段参数）都对应一个椭圆面或 3D 椭圆多面体。 这些椭圆面的属性值会包括平均中心的 x 和 y 坐标、两个标准距离（长轴和短轴）及椭圆的方向。 当使用已启用 z 坐标的点数据时，属性值也会包含平均中心的 z 坐标、第三个标准距离（高度）以及椭圆体的方位测量值。 如果输入要素是二维的，字段名称将为 CenterX、CenterY、XStdDist、YStdDist 和 Rotation。 如果输入要素是 3D 点，以下字段也将添加到输出中：CenterZ、ZStdDist、AngleZ、TiltX、RollY 和 Volume。 当提供了案例分组字段参数值时，此字段也将添加到输出中。
此工具支持点数据的 3D 特性，在提供 z 值的情况下，将在其计算中使用 x、y 和 z 值。 因为这些结果本质上是 3D 要素，因此需要在场景中进行可视化。 要正确可视化分析结果，请确保在场景中运行分析或将结果图层复制到场景中。
计算需要使用投影数据来准确测量距离。
如果要素的基础空间模式是朝中心集中而朝向外围的要素较少（遵循空间高斯分布），则一个标准差椭圆面会包含聚类中约 68％ 的要素，两个标准差椭圆面会包含聚类中约 95％ 的要素，三个标准差椭圆面则可包含约 99％ 的要素。
如果输入数据启用了 z 值，那么输出字段 AngleZ、TiltX 和 RollY 的值为欧拉角度，用于指示椭圆体在 3D 空间中的方位。 如果数据没有启用 Z，那么输出字段 Rotation 中的值表示长轴从顶点开始按顺时针测量的旋转角度。
您可以使用计算几何属性工具来查看您数据的 x、y 和 z 坐标。
案例分组字段参数用于在分析前对要素进行分组。 当指定了案例分组字段参数值时，系统会首先根据案例分组字段值对输入要素进行分组， 然后计算每个组的标准差椭圆或椭圆体。 案例分组字段可以为整型、日期型或字符串型。 对于案例分组字段参数值，具有空值的记录将从分析中排除。
可以根据可选的权重字段参数计算标准差椭圆或椭圆体（例如，获取按严重程度衡量的交通事故的椭圆）。 权重字段应该是数值。
-
对于线和面要素，距离计算中会使用要素的质心。对于多点、折线或由多部分组成的面，将会使用所有要素部分的加权平均中心来计算质心。点要素的加权项是 1，线要素的加权项是长度，而面要素的加权项是面积。
-
地图图层可用于定义输入要素类。在使用带有选择内容的图层时，分析只会包括所选的要素。
警告：
在使用 shapefile 时，请注意 shapefile 无法存储空值。根据非 shapefile 输入创建 shapefile 的工具或其他过程可能会将空值存储（或解释）为零。某些情况下，空值则以极大的负值储存于 shapefile 中。这会产生意外的结果。有关详细信息，请参阅 shapefile 输出的地理处理注意事项。
参数
arcpy.stats.DirectionalDistribution(Input_Feature_Class, Output_Ellipse_Feature_Class, Ellipse_Size, {Weight_Field}, {Case_Field})| 名称 | 说明 | 数据类型 |
Input_Feature_Class | 要计算标准差椭圆或椭圆体的要素分布所在的要素类。 | Feature Layer |
Output_Ellipse_Feature_Class | 将包含输出椭圆要素的面要素类。 | Feature Class |
Ellipse_Size | 指定标准差中输出椭圆的大小。
| String |
Weight_Field (可选) | 此数值型字段，将用于根据各位置的相对重要性对它们进行加权。 | Field |
Case_Field (可选) | 此字段将用于对要素进行分组，以分别计算方向分布。 案例分组字段可以为整型、日期型或字符串型。 | Field |
代码示例
以下 Python 窗口脚本演示了如何使用 DirectionalDistribution 函数。
import arcpy
arcpy.env.workspace = r"C:\data"
arcpy.stats.DirectionalDistribution("AutoTheft.shp", "auto_theft_SE.shp",
"1_STANDARD_DEVIATION")以下独立 Python 脚本演示了如何使用 DirectionalDistribution 函数。
# Measure the geographic distribution of auto thefts.
# Import system modules
import arcpy
# Local variables...
workspace = "C:/data"
locations = "AutoTheft.shp"
links = "AutoTheft_links.shp"
standardDistance = "auto_theft_SD.shp"
stardardEllipse = "auto_theft_SE.shp"
linearDirectMean = "auto_theft_LDM.shp"
# Set the workspace (to avoid having to type in the full path to the data every
# time).
arcpy.env.workspace = workspace
# Process: Standard Distance of auto theft locations
arcpy.stats.StandardDistance(locations, standardDistance, "1_STANDARD_DEVIATION")
# Process: Directional Distribution (Standard Deviational Ellipse) of auto theft
# locations.
arcpy.stats.DirectionalDistribution(locations, standardEllipse,
"1_STANDARD_DEVIATION")
# Process: Linear Directional Mean of auto thefts.
arcpy.stats.DirectionalMean(links, linearDirectMean, "DIRECTION")环境
输出坐标系, 地理变换, 当前工作空间, 临时工作空间, 限定的字段名, 输出包含 M 值, M 分辨率, M 容差, 输出包含 Z 值, 默认输出 Z 值, Z 分辨率, Z 容差, XY 分辨率, XY 容差, 输出 Z 值域
特殊情况
- 输出坐标系
执行分析之前，将要素几何投影到输出坐标系。 所有数学计算都基于输出坐标系空间参考进行。