Beroende på vad du vill göra med dina data och vilket budskap eller vilken information du vill förmedla, behöver du göra vissa insatser med dina rådata innan själva analysen, visualiseringen, appen eller vad tanken är, kan starta i gång på allvar. Här får du tre tips om hur du kan kategorisera data i ArcGIS Pro, som en del av den förberedande datahanteringen.
Även riktigt bra dataset, från pålitliga datakällor, kan behöva lite bearbetning beroende på vad du vill göra i kommande steg. I mitt exempel har jag ett dataset från Jordbruksverket som beskriver vilka grödor som odlats på vilka ytor.
Som rådata är det ett alldeles utmärkt dataset. Men när jag hämtar in det till ArcGIS Pro och med hjälp av verktyget Data Engineering tittar närmare på det ser jag att det har hela 79 olika kategorier. Det är på tok för många för att jag (eller i det här fallet: mina kollegor) ska kunna skapa en bra visualisering senare.
Välj antal kategorier utifrån data och syfte
Alltså behöver jag minska ner antalet kategorier, och på lämpligt sätt klumpa ihop de 79 kategorierna till ett mindre antal.
Det finns inget rätt svar på hur många kategorier det ska vara utan du behöver göra en avvägning mellan tillgången till och typen av data och vilket budskap eller information du vill förmedla, i kombination med rekommendationer kopplade till symbologi och formgivning.
Tre metoder för att kategorisera data i ArcGIS Pro
Som så ofta finns det fler än ett sätt att lösa ett problem på. I min genomgång från ArcGIS Användardagar 2023 visar jag tre exempel på hur du kan kategorisera data i ArcGIS Pro. I korthet är dessa metoder följande:
1. SQL-uttryck i verktyget Select by Attributes
Du känner antagligen igen verktyget Select by Attributes, det gör de flesta som jobbar med ArcGIS. Jag vill dock inte visa själva verktyget utan tipsa om att du kan kombinera det med SQL-uttryck för att på så vis selektera alla objekt (kategorier) som möter vissa kriterier.
Ett SQL-uttryck kan vara kort och enkelt men också långt och komplicerat. Därför finns det tillfällen när man vill exportera ut dem för att kunna använda senare, skicka till en kollega eller annat. Och det är således ett sådant SQL-uttryck du kan importera till Select by Attributes.
Select by Attributes är ett välkänt verktyg i ArcGIS Pro. Det du kanske inte vet är att du kan kombinera det med SQL-uttryck.
2. Använd Python
Python är extremt mångsidigt och samarbetar väl med ArcGIS så det är inte förvånande att du kan använda Pythonskript för att kategorisera data i ArcGIS Pro. Allt du behöver göra är att klistra in en Pythonkod du redan har, vilket du kan göra när du har högerklickat tabellen och öppnat fältkalkylatorn; Calculate Fields.
I mitt fall definierar koden hur jag vill att den nya kategoriseringen ska bli, och ger alltså samma funktionalitet som alternativet att gå in i Select by Attributes.
För att kategorisera data i ArcGIS Pro med stöd av Python öppnar du fältkalkylatorn och klickar på Calculate Fields.
Du kopierar in din Pythonkod i rutan Code Box.
3. Find and replace
Möjligheten att hitta och ersätta kom för ett par, tre år sedan och gör vad det låter som: hittar ett visst begrepp och ersätter det med ett annat som du anger.
Det här är en bra metod när du vill göra någon mindre justering, som rätta till en felstavning, ändra till stor bokstav eller något annat. Det är därför inte den metod jag skulle rekommendera för större genomgripande ändringar men i vissa fall och beroende på ditt dataset, är den väldigt användbar.
Hitta och ersätt är ett enkelt sätt att göra mindre ändringar i ditt dataset, som ändå behöver justeras på flertalet platser.
Från 79 till fem kategorier
Välj den metod som passar bäst för ditt dataset, ditt slutmål och även utifrån din kompetens.
När jag har gjort min kategorisering har jag minskat ner från 79 till fem kategorier och mina data är nu reda att bearbetas vidare.
I inspelningen (som jag hänvisat till tidigare) ser du att jag även joinar data från två olika år för att mina kollegor ska kunna göra en förändringsanalys i ett kommande steg. Fortsätt titta på inspelningen så ser du mer även om detta.
