Il s'agit de la commande v.classgrass qui peut être exécutée dans le fournisseur d'hébergement gratuit OnWorks en utilisant l'un de nos multiples postes de travail en ligne gratuits tels que Ubuntu Online, Fedora Online, l'émulateur en ligne Windows ou l'émulateur en ligne MAC OS
PROGRAMME:
Nom
v.classe - Classifie les données d'attributs, par exemple pour la cartographie thématique
MOTS-CLÉS
vecteur, classification, table attributaire, statistiques
SYNOPSIS
v.classe
v.classe --Aidez-moi
v.classe [-g] plan=prénom [couche=un magnifique] colonne=prénom [où=requête_sql] algorithme=un magnifique
nbclasses=entier [--vous aider] [--verbeux] [--calme] [--ui]
Drapeaux:
-g
Imprimer uniquement les pauses de cours (sans min et max)
--Aidez-moi
Imprimer le récapitulatif d'utilisation
--verbeux
Sortie du module verbeux
--silencieux
Sortie module silencieuse
--interface utilisateur
Forcer le lancement de la boîte de dialogue GUI
Paramètres:
plan=prénom [obligatoire]
Nom de la carte vectorielle
Ou source de données pour un accès OGR direct
couche=un magnifique
Numéro ou nom de la couche
Les entités vectorielles peuvent avoir des valeurs de catégorie dans différentes couches. Ce nombre détermine
quelle couche utiliser. Lorsqu'il est utilisé avec un accès OGR direct, il s'agit du nom de la couche.
Valeur par défaut: 1
colonne=prénom [obligatoire]
Nom ou expression de la colonne
où=requête_sql
Conditions WHERE de l'instruction SQL sans mot-clé 'where'
Exemple : revenu < 1000 et hab >= 10000
algorithme=un magnifique [obligatoire]
Algorithme à utiliser pour la classification
Options : entier, standard, en tant que, équ, DIS
int: intervalles simples
std: écarts types
ici: quantiles
équ: équiprobable (distribution normale)
nbclasses=entier [obligatoire]
Nombre de classes à définir
DESCRIPTION
v.classe classe les données d'attributs vectoriels en classes, par exemple pour la cartographie thématique.
La classification peut se faire sur une colonne ou sur une expression comportant plusieurs colonnes, le tout en
le tableau lié à la carte vectorielle. L'utilisateur indique le nombre de cours souhaités et
l'algorithme à utiliser pour la classification. Plusieurs algorithmes sont implémentés pour
classification : intervalle égal, écart type, quantiles, probabilités égales et un
algorithme de discontinuités développé par Jean-Pierre Grimmeau à l'Université Libre de
Bruxelles (ULB). Il peut être utilisé pour canaliser les ruptures de classe dans des modules de cartographie thématique tels que
d.vect.thématique (voir exemple ci-dessous) ;
NOTES
La égal intervalle l'algorithme divise simplement la plage max-min par le nombre de pauses à
déterminer l'intervalle entre les pauses de classe.
La quantile L'algorithme crée des classes qui contiennent toutes approximativement le même nombre de
constats.
La Standard écarts l'algorithme crée des ruptures de classe qui sont une combinaison de la moyenne
+/- l'écart type. Il calcule un facteur d'échelle (<1) par lequel multiplier le
écart type pour que toutes les ruptures de classe tombent dans la plage min-max de
les valeurs des données.
La équiprobabilités l'algorithme crée des classes qui seraient équiprobables si le
la répartition était normale. Si certaines des pauses de classe tombent en dehors de la plage min-max du
valeurs de données, l'algorithme imprime un avertissement et réduit le nombre de pauses, mais le
les probabilités utilisées sont celles du nombre de pauses demandées.
La écarter l'algorithme recherche systématiquement les discontinuités dans la pente du
courbe des fréquences cumulées, en rapprochant cette courbe par des segments de droite
dont les sommets définissent les ruptures de classe. La première approximation est une droite qui
relie les deux nœuds d'extrémité de la courbe. Cette ligne est alors remplacée par une ligne à deux segments
polyligne dont le nœud central est le point de la courbe le plus éloigné de la précédente
ligne droite. Le point de la courbe le plus éloigné de cette nouvelle polyligne est alors choisi comme
nouveau nœud à créer, diviser l'un des deux segments précédents, et ainsi de suite. Le problème
de la différence en termes d'unités entre les deux axes est résolue en redimensionnant les deux
amplitudes à un intervalle compris entre 0 et 1. Dans l'algorithme d'origine, le processus est
arrêté lorsque la différence entre les pentes des deux nouveaux segments n'est plus
significatif (alpha = 0.05). Comme la pente est le rapport entre la fréquence et la
l'amplitude de l'intervalle correspondant, c'est-à-dire sa densité, cela teste efficacement si
les fréquences des deux classes nouvellement proposées sont différentes de celles obtenues par
en distribuant simplement la somme de leurs fréquences entre eux au prorata de la classe
amplitudes. Dans l'implémentation GRASS, l'algorithme continue, mais un avertissement est
imprimé.
EXEMPLE
Classer la colonne pop des communes de la carte en 5 classes à l'aide de quantiles :
v.class map=communes column=pop algo=qua nbclasses=5
Cet exemple utilise la population et la superficie pour calculer une densité de population et pour déterminer
les classes de densité :
v.class map=communes column=pop/area algo=std nbclasses=5
L'exemple suivant utilise la sortie de d.class et l'alimente directement dans
d.vect.thématique:
d.vect.thematic -l map=communes2 colonne=pop/zone \
breaks=`v.class -g map=communes2 column=pop/area algo=std nbcla=5` \
colors=0:0:255,50:100:255,255:100:50,255:0:0,156:0:0
Utilisez v.classgrass en ligne en utilisant les services onworks.net
