v.classgrass - 云端在线

程序：

您的姓名

v.类 - 对属性数据进行分类，例如用于专题地图

关键词

向量、分类、属性表、统计

概要

v.类
v.类 - 帮帮我
v.类 [-g] 地图=姓名 [层=绳子] 栏=姓名 [协调=查询查询] 算法=绳子
nb类=整数 [--帮助] [--详细] [--安静] [--ui]

标志：
-g
只打印课间休息（没有最小和最大）

- 帮帮我
打印使用摘要

--详细
详细模块输出

- 安静的
静音模块输出

--用户界面
强制启动 GUI 对话框

参数：
地图=姓名 [必需的]
矢量地图名称
或用于直接 OGR 访问的数据源

层=绳子
层号​​或名称
矢量特征可以在不同的层中具有类别值。 这个数字决定
使用哪个层。 当与直接 OGR 访问一起使用时，这是层名称。
默认： 1

栏=姓名 [必需的]
列名或表达式

协调=查询查询
不带“where”关键字的 SQL 语句的 WHERE 条件
示例：收入 < 1000 和 inhab >= 10000

算法=绳子 [必需的]
用于分类的算法
选项： 内部， 标准 夸， 等， DIS
INT: 简单间隔
STD： 标准偏差
这里: 分位数
EQU：等概率（正态分布）

nb类=整数 [必需的]
要定义的类数

商品描述

v.类 将矢量属性数据分类为类，例如用于专题制图。
分类可以在一个列上，也可以在一个包含多列的表达式上，全部在
链接到矢量地图的表格。 用户指明所需的班级数量和
用于分类的算法。 实现了几种算法
分类：等间隔、标准差、分位数、等概率和一个
自由大学的 Jean-Pierre Grimmeau 开发的不连续性算法
布鲁塞尔 (ULB)。 它可用于将类中断传送到专题映射模块中，例如
d.vect.thematic 主题 （见下面的例子）；

附注

这个 等于 间隔 算法简单地将范围 max-min 除以中断次数
确定课间休息的时间间隔。

这个 分位数 算法创建的类都包含大约相同数量的
观察。

这个 偏差 算法创建分类间隔，这是平均值的组合
+/- 标准偏差。 它计算一个比例因子 (<1)，乘以
标准偏差，以便所有分类间隔都落入范围 min-max
数据值。

这个 等概率 算法创建等概率的类，如果
分布正常。 如果某些班级休息时间超出范围的最小值-最大值
数据值，算法打印警告并减少中断次数，但是
所使用的概率是所要求的休息次数的概率。

这个 间断 算法系统地搜索斜率中的不连续性
累积频率曲线，通过直线段近似该曲线
其顶点定义了分类间隔。 第一个近似值是一条直线
连接曲线的两个端点。 这条线然后被一个两段的
中心节点是曲线上离前一条曲线最远的点的折线
直线。 然后选择曲线上离这条新多段线最远的点作为
要创建的新节点拆分前两个段之一，依此类推。 问题
两个轴之间的单位差异是通过重新缩放两个轴来解决的
幅度为 0 到 1 之间的区间。在原始算法中，过程是
当两个新段的斜率之间的差异不再是时停止
显着（α = 0.05）。 因为斜率是频率和
相应区间的幅度，即它的密度，这有效地测试了是否
两个新提出的类别的频率与通过获得的频率不同
简单地将它们的频率总和与类别成比例地分布在它们之间
幅度。 在 GRASS 实现中，算法继续，但警告是
打印。

例

使用分位数将地图公社的列流行分为 5 个类：
v.class 地图 = 公社 列 = 流行算法 = qua nbclasses = 5
本示例使用人口和面积来计算人口密度并确定
密度等级：
v.class 地图=公社 列=流行/区域 算法=std nbclasses=5
以下示例使用 d.class 的输出并将其直接输入
d.vect.thematic 主题:
d.vect.thematic -l 地图=communes2 列=流行/区域 \
中断=`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

使用 onworks.net 服务在线使用 v.classgrass