数据具有空间和时态布景：统统事件均具有一个发生地点和发生时辰。您不错通过多种用具（包括热门分析、聚类和颠倒值分析、新兴时空热门分析以及空间拘谨多元聚类）来匡助您愚弄数据的这些关联信息。您不错凭证数据的空间和时态布景讲演如下问题：空间-时辰违法热门位于哪些区域？ 淌若您曲直法分析东说念主员sex5，那么可使用空间-时辰热门分析的扫尾来确保尽可能有用地分拨警力。您但愿这些警力在正确的时辰出咫尺正确的地点。哪些场地存在耗尽颠倒？ 为了详情诓骗当作，您可使用聚类和颠倒值分析来仔细审查耗尽当作以查找空间和时辰上的颠倒值。耗尽模式或耗尽频率的突变可能标明存在可疑当作。细菌爆发的特征是什么？ 假设您正在商议从您所在州的奶场汇聚的头陀氏菌样本。要描摹各个爆发的特征，您不错对样本数据运行空间拘谨多元聚类，并同期在空间和时辰上对构成员经历进行戒指。在时辰和空间上比拟接近的样本最有可能属于并吞爆发。您的决定或资源分拨是否有用？ 假设您但愿监控践诺新计谋以缩小城市的毒品违法率的后果。您不错使用新兴时空热门监控事件数据趋势的变化，如详情默示发生毒品违法的新增的、加强的或漫衍的热门位置。

空间统计用具箱中的多个用具王人不错凭证附进身分对每个身分进行评估。当凭证空间和时辰界说邻域关系时，传统的空间分析将酿成一种空间-时辰分析。要使用空间和时态两方面的数据界说邻域关系，请使用生成空间权重矩阵用具，并为空间关系的宗旨化参数聘用空间时辰窗选项。然后，指定阈值距离和时辰赶走（日历/时辰赶走类型和日历/时辰赶走值）。举例，淌若所提供的空间距离为 1 公里，时辰赶走为 7 天，那么将对 1 公里畛域内况且日历/时辰戳在 7 天之内的身分同期进行分析。不异地，淌若 1 公里畛域内的相邻身分不在 7 天时辰赶走畛域以内，则不会将其视为附进身分。

了解数据中的空间和时态趋势的一种常用门径是将数据区分为一系列时辰快照。举例，不错分别为周一、周二、周三、周四和周五创建单独的数据集。然后，可单独分析每周的数据并将分析扫尾显露为一系列舆图或一个动画。诚然这是一种显露趋势的有用门径，然而在某种进度上决定如何区分数据却是应酬的。举例，淌若您将按周对数据进行分析，那么如何详情如何进行区分？ 是否应在星期天和星期一之间对数据进行区分？ 也许应区分为星期一至星期四，然后是星期五至星期天？ 以周为赶走对数据进行分析有什么特殊之处？ 按日分析或按月分析可能会愈加有用。淌若区分（举例，将日曜日的事件与星期一的事件区分开）要将确乎存在关系的身分分开，则含义就超过紧要。不才面的示例中，有 6 个身分落在标有 Jan 31 的身分的“1 公里-7 天”空间-时辰窗口内。然而，淌若使用按月快照对数据进行分析，那么唯有一个身分将被视为附进身分而包括进来。

通过数据快照不错东说念主为地将空间和时辰上相互接近的身分分离开。

使用空间时辰窗界说身分关系时，您将不会创建数据快照。而是会使用所少见据进行分析。在空间和时辰上相互接近的身分将沿途分析，因为统统身分关系王人是联系于主义身分的位置和时辰戳进行评估的。在上述示例中 (A.)，“1 公里-7 天”空间-时辰窗口为标有 Jan 31 的身分找到 6 个相邻身分。

假设您正在分析某一区域内的失火。淌若使用默许固定距离畛域宗旨化运行热门分析用具来界说身分关系，所得扫尾将是一个显露具有统计显赫性的失火热门和冷点位置的舆图。淌若您随后再次运行此分析，但此次是凭证空间-时辰窗口界说空间关系，您可能会发现某些热门区域是季节性的。了解失火的这种时态特征可为如何分拨消防资源提供紧要设备。

热门图时常以红色显露高密度区域（热门），以蓝色显露低密度区域（冷点）。举例，如下图所示，红色区域是接到 911 紧要呼唤次数最多的区域。蓝色区域是接到紧要呼唤相对较少的区域。如何将 911 呼唤频率的时辰维度信息添加到底下的舆图中？ 如何有用地描绘多样情况，如单个爆发事件、一系列违法狂热当作、收受新时候的反响或狂风雨神态的季节性漂浮等？

很难用二维舆图默示三维数据（x，y 位置和时辰）。请持重，在以下示例中，您无法辩认出图上存在两个不同的热门（在空间上相互附进，但不错通落后辰分离开），而唯有通过三维形态进行检察才会呈现出来。凭证时辰字段对身分进行拉伸后，哪些身分是关联的，哪些身分是通落后辰分离开的，将会变得愈加了了。

以下所以二维和三维神态检察的相易聚类。

至少可通过两种形态对空间-时辰分析的输出进行显露。淌若身分的数目有限且商议区域较小，则稳当使用三维显露形态；这种形态不错在一幅舆图中显露空间-时辰关系。还有一种形态即是使用动画来描绘空间-时辰进程。底下的示例额外先容空间-时辰聚类的可视化。

要以动画形态显露空间-时辰聚类，可在扫尾身分上启用时辰，单击播放 ，使用时辰滑块显露时态数据。时态数据使用时辰对数据确飞快间属性使用时辰滑块显露时态数据3D

显露空间-时辰聚类分析扫尾的另一种门径是使用 3D 可视化。使用此门径，时辰将酿成第三维度，将拉伸点身分以反馈时态态势。举例，在上述 3D 图中，最旧的事件最接近大地，而较新的事件则悬停在较高的高程处（看起来与不雅察者更近）。

您不错创建数据的 3D 默示，如以上 3D 场景中所示。底下是在 ArcGIS AllSource 中检察空间-时辰聚类分析扫尾的评释。

领先，运行空间-时辰聚类分析。然后，您不错通过以下身手检察输出。掀开场景。要掀开场景，请从插入选项卡，单击新建舆图并聘用新建局部场景。

掀开输出生疏图层的属性表，并按日历对身分进行排序，以便您不错标识出最早的日历。创建名为 DateDiff 的新字段以野心用于对每个身分的高度进行投影的时辰推移值。关于本示例，高度将以数据蚁合第一个事件发生之日启动算起的天数为基础。

使用 Python 剧本野心时辰推移值。右键单击刚创建的新字段并聘用野心字段。在地舆贬责窗格中，按以下所示填充参数和代码块以便用输出生疏图层中身分的最早日历替换代码块中的日历。

要了解磋议导航和探索您的 3D 场景的详备信息，请参阅导航。

磋议此主题的反馈? sex5

• 时辰
• sex5
• 空间
• 分析
• 聚类