Zählbezirke importieren und Tabellen verbinden

Sie werden einen Indikator-Layer für New York City vorbereiten. Dabei werden Sie Attribute aus vorhandenen Datenquellen in einem Layer für räumliche Daten kombinieren. Wenn alle Attribute im Layer der Zählbezirke verfügbar sind, dann können Sie mit den zusätzlichen Attributen die Zählbezirke auf der Karte darstellen und analysieren. Beim Erstellen des Indikator-Layers werden Sie räumliche und Tabellendaten des American Community Survey (ACS), Raster-Daten zum Messen der Baumkronenabdeckung und die Nachbarschaftsanalyse zum Messen des Zugangs zu bestimmten Einrichtungen für Frauen verwenden.

Daten herunterladen und das Projekt vorbereiten

Zuerst müssen Sie die Daten, die Sie in diesem Lernprogramm verwenden werden, herunterladen.

  1. Laden Sie die Daten herunter, die Sie in diesem Lernprogramm verwenden werden.
  2. Erstellen Sie im Microsoft File Explorer auf Laufwerk C:\ einen Ordner mit dem Namen IndicatorData.
  3. Extrahieren Sie den Inhalt der heruntergeladenen .zip-Datei in den Ordner IndicatorData.
  4. Starten Sie ArcGIS Pro. Melden Sie sich mit Ihrem lizenzierten ArcGIS-Organisationskonto an, falls Sie dazu aufgefordert werden.
    Hinweis:

    Wenn Sie über keinen Zugriff auf ArcGIS Pro oder über kein ArcGIS-Organisationskonto verfügen, informieren Sie sich über die Optionen für den Zugriff auf die Software.

    Wenn Sie ArcGIS Pro öffnen, haben Sie die Möglichkeit, ein neues Projekt zu erstellen oder ein vorhandenes Projekt zu öffnen. Wenn Sie bereits ein Projekt erstellt haben, wird eine Liste der zuletzt verwendeten Projekte angezeigt.

  5. Klicken Sie unter Neues Projekt auf Karte.

    "Karte" unter "Neues Projekt"

  6. Geben Sie im Fenster Neues Projekt als Name den Text Indicators ein. Übernehmen Sie für Speicherort den Standardordner, und klicken Sie auf OK.

    Neues Projekt mit dem Namen "Indicators" im Fenster "Neues Projekt"

    Nachdem Sie ein Projekt erstellt haben, sollten Sie eine Ordnerverbindung hinzufügen, um schnell auf die Daten zugreifen zu können.

  7. Zeigen Sie den Bereich Katalog an. Wenn nichts zu sehen ist, dann wählen Sie im Menü Ansicht in der Gruppe Fenster die Option Bereich "Katalog" aus.

    "Bereich 'Katalog'" in der Gruppe "Fenster" auf der Registerkarte "Ansicht"

  8. Klicken Sie im Bereich Katalog mit der rechten Maustaste auf Ordner, und wählen Sie Ordnerverbindung hinzufügen aus.

    "Ordnerverbindung hinzufügen" für den Ordner "Ordner" im Bereich "Katalog"

  9. Navigieren Sie im Fenster Ordnerverbindung hinzufügen zum Ordner IndicatorData, wählen Sie ihn aus, und klicken Sie auf OK.
  10. Blenden Sie den Ordner IndicatorData ein, um den Inhalt anzuzeigen.

    Inhalt des Ordners "IndicatorData" im Ordner "Ordner"

    Der Ordner enthält mehrere .csv- und .xlsx-Dateien mit Attributinformationen. Außerdem ist das Shapefile nyct2020 vorhanden, das Sie in die Geodatabase importieren müssen. Das Shapefile, das Sie als Feature-Class in die Geodatabase importiert haben, dient als Basis für die restlichen Indikatorinformationen. Wenn Sie die Tabelleninformationen mit den räumlichen Daten verbinden, dann können Sie alle Informationen analysieren und visualisieren.

Ein Shapefile in die Geodatabase importieren

Sie haben die Daten heruntergeladen, ein Projekt erstellt und eine Ordnerverbindung für den Zugriff auf die Daten erstellt. Jetzt können Sie das Shapefile in die Geodatabase importieren.

  1. Blenden Sie im Bereich Katalog den Container Datenbanken ein.

    Jedes Projekt in ArcGIS Pro verfügt über eine Standard-Geodatabase mit demselben Namen wie das Projekt. Die Projekt-Geodatabase trägt den Namen Indicators.gdb.

  2. Klicken Sie mit der rechten Maustaste auf Indicators.gdb, zeigen Sie auf Importieren, und wählen Sie Feature-Class(es) aus.

    Option "Feature-Class(es)" im Menü "Import" für die Datenbank "Indicators" im Bereich "Katalog"

    Das Werkzeug Feature-Class in Geodatabase wird geöffnet.

  3. Klicken Sie für Eingabe-Features auf die Schaltfläche zum Durchsuchen, navigieren Sie zum Ordner IndicatorData, klicken Sie auf nyct2020, und klicken Sie dann auf OK.

    Datei "nyct2020.shp" ausgewählt für "Eingabe-Features" im Bereich des Werkzeugs "Feature-Class in Geodatabase"

    Da Sie mit der rechten Maustaste auf die Geodatabase geklickt und festgelegt haben, dass die Daten in sie importiert werden sollen, ist der Parameter Ausgabe-Geodatabase bereits auf die Geodatabase des Projekts festgelegt.

  4. Klicken Sie auf Ausführen.
  5. Blenden Sie im Bereich Katalog die Geodatabase Indicators ein.

    nyct2020-Volkszählungsdaten importiert in die Geodatabase "Indicators" im Bereich "Katalog"

    Das Shapefile wurde in die Geodatabase konvertiert und als Feature-Class, die Polygone enthält, gespeichert. Feature-Classes sind Sammlungen von Daten desselben Typs: Punkt, Linie und Polygon.

  6. Klicken Sie in der Geodatabase Indicators auf den Layer nyct2020, und ziehen Sie ihn auf die Karte, um ihn hinzuzufügen.

    Layer "nyct2020" mit Zählbezirken auf der Karte

    Die Zählbezirke werden auf der Karte in einer Standardfarbe angezeigt.

    Hinweis:

    Ihre Zählbezirke können auch in einer anderen Farbe als in der Abbildung dargestellt werden.

  7. Klicken Sie im Bereich Inhalt einmal auf den Layer nyct2020, um ihn auszuwählen. Klicken Sie dann erneut auf den Layer, damit sein Name bearbeitet werden kann.
  8. Geben Sie NY Census Tracts ein, und drücken Sie die Eingabetaste.

    Umbenannter Layer "NY Census Tracts"

    Sie haben ein Shapefile in eine Geodatabase-Feature-Class importiert, diese Feature-Class zu einer Karte hinzugefügt und den Layer umbenannt. Da nun das als Basis dienende räumliche Dataset in der Datenbank verfügbar ist, können Sie ihm über Tabellenverbindungen Informationen hinzufügen.

Tabellendaten erkunden

Als Nächstes sollten Sie bestimmte ACS-Daten mit den Zählbezirken verbinden. Die ACS-Daten für den gesamten US-Bundesstaat New York sind aktuell in einer .csv-Datei, also in einem nicht räumlichen Format, enthalten. Sie sollten die zwei Datasets über ein gemeinsames Attribut verbinden, um die ACS-Daten in die Zählbezirke zu integrieren.

  1. Blenden Sie im Bereich Katalog den Bereich Ordner und dann den Ordner IndicatorData ein.

    Die Datei Data4Join.csv enthält die ACS-Daten für den gesamten US-Bundesstaat, die Sie mit dem Layer NY Census Tracts verbinden möchten.

  2. Ziehen Sie die Datei Data4Join.csv auf die Karte.

    Datei "Data4Join.csv" unter dem Ordner "IndicatorData" im Bereich "Katalog"

    Die .csv-Datei wird im Bereich Inhalt unter Standalone-Tabellen angezeigt.

    Datei "Data4Join.csv" unter dem Abschnitt "Standalone-Tabellen" im Bereich "Inhalt"

    Da Tabellen, wie zum Beispiel eine .csv-Datei, keine räumliche Komponente enthalten, werden sie im Abschnitt Standalone-Tabellen des Bereichs Inhalt aufgelistet. Obwohl Tabellendaten auf der Karte standardmäßig nicht angezeigt werden, können Sie sie verwenden, um Ihre Feature-Layer zu verbessern, indem Sie Daten verbinden. Wenn die Tabelle Koordinaten enthält, dann können Sie die Daten basierend auf diesen Koordinaten anzeigen lassen.

    Als Nächstes sollten Sie die Tabelle erkunden.

  3. Klicken Sie mit der rechten Maustaste auf die Tabelle Data4Join.csv, und wählen Sie Öffnen aus.

    Option "Öffnen" für die Tabelle "Data4Join.csv" im Bereich "Inhalt"

    Die Tabelle enthält viele Attribute, die Sie für die Kartenerstellung verwenden können. Da die Tabelle aktuell im .csv-Format vorliegt und kein OBJECTID-Feld enthält, können Sie sie nicht mit einem anderen Layer verbinden. Außerdem unterscheidet sich der Typ des Feldes GEO_ID, das Sie beim Feldabgleich in der Verbindung verwenden möchten, vom Typ desselben Feldes im Layer der Zählbezirke. Um Tabellen verbinden zu können, müssen gemeinsame Felder desselben Datentyps vorhanden sein.

  4. Klicken Sie in der Tabelle auf die Optionsschaltfläche, und wählen Sie Ansicht "Felder" aus.

    Option "Ansicht "Felder"" im Menü mit den Tabellenoptionen

  5. Wenn Sie sich das Feld GEO_ID genau anschauen, dann werden Sie feststellen, dass dessen Datentyp auf Big Integer festgelegt ist.

    Big Integer-Feld in der Ansicht "Felder" der Tabelle "Data4Join.csv"

  6. Klicken Sie im Bereich Inhalt mit der rechten Maustaste auf NY Census Tracts, und wählen Sie Attributtabelle aus.

    Option "Attributtabelle" für den Layer "NY Census Tracts" im Bereich "Inhalt"

  7. Klicken Sie wie bei der .csv-Tabelle auf die Optionsschaltfläche, und wählen Sie Ansicht "Felder" aus.

    Das Feld GEOID im Layer der Zählbezirke enthält dieselben Informationen wie das Feld GEO_ID in der Tabelle, allerdings im Textformat.

    Eigenschaften des Felds "GEOID" in der Ansicht "Feld" für die Attributtabelle "NY Census Tracts"

    Damit eine Verbindung ordnungsgemäß funktioniert, müssen die Feldtypen übereinstimmen. Um diese Tabelle in einer Verbindung verwenden zu können, müssen Sie sie in die Geodatabase importieren und ein Textfeld zum Speichern der Informationen hinzufügen und berechnen.

  8. Schließen Sie alle Tabellen- und Felder-Ansichten.

Die Daten für eine Verbindung vorbereiten

Da Sie festgestellt haben, dass die .csv-Tabelle in Ihre Geodatabase importiert und ein Feld hinzugefügt und berechnet werden muss, damit die Tabelle für die Verbindung verwendet werden kann, müssen Sie diese Vorgänge durchführen, um die Daten entsprechend vorzubereiten.

  1. Klicken Sie im Bereich Katalog mit der rechten Maustaste auf die Geodatabase Indicators, zeigen Sie auf Importieren, und wählen Sie Tabelle aus.
  2. Klicken Sie für Eingabetabelle auf das Dropdown-Menü, und wählen Sie Data4Join.csv aus.

    "Data4Join.csv" für den Parameter "Eingabe-Tabelle" im Bereich "Tabelle in Geodatabase" ausgewählt

  3. Klicken Sie auf Ausführen.
  4. Klicken Sie im Bereich Katalog in der Geodatabase Indicators mit der rechten Maustaste auf Data4Join_csv, und wählen Sie Umbenennen aus. Geben Sie ACS_Data ein, und drücken Sie die Eingabetaste.

    Tabelle "ACS_Data" in der Geodatabase "Indicators" im Bereich "Katalog"

  5. Fügen Sie die Tabelle ACS_Data zur Karte hinzu.
  6. Klicken Sie im Bereich Inhalt mit der rechten Maustaste auf Data4Join.csv, und wählen Sie Entfernen aus.

    "Entfernen" für die Tabelle "Data4Join.csv" im Bereich "Inhalt"

    Bevor Sie die Tabellen verbinden, müssen Sie ein Textfeld hinzufügen und berechnen.

  7. Klicken Sie mit der rechten Maustaste auf die Tabelle ACS_Data, zeigen Sie auf Datendesign, und wählen Sie Felder aus.
  8. Klicken Sie am Ende der Liste der Felder auf Klicken Sie hier, um ein neues Feld hinzuzufügen.

    Hier klicken, um ein neues Feld am unteren Rand der Ansicht "Felder" für die Tabelle "ACS_Data" hinzuzufügen

  9. Geben Sie für Feldname den Text GEOID ein, und wählen Sie für Datentyp die Option Text aus.

    Eigenschaften des Feldes "GEOID" in der Tabelle "ACS_Data" auf den Datentyp "Text" festgelegt

  10. Klicken Sie im Menüband auf der Registerkarte Felder in der Gruppe Änderungen verwalten auf Speichern.

    "Speichern" in der Gruppe "Änderungen verwalten" auf der Registerkarte "Felder"

  11. Schließen Sie die Ansicht Felder.
  12. Öffnen Sie die Tabelle ACS_Data.
  13. Scrollen Sie bis zum Ende, wo sich das Feld GEOID befindet. Klicken Sie mit der rechten Maustaste darauf, und wählen Sie Feld berechnen aus.

    "Feld berechnen" für das Feld "GEOID" in der Tabelle "ACS_Data"

  14. Doppelklicken Sie im Abschnitt Ausdruck für Felder auf GEO_ID, um dieses Feld zum Ausdruck hinzuzufügen.

    Ausdruck für "Feld berechnen" mit dem das Feld "GEOID" auf den Wert "GEO_ID" festgelegt wird

    Das Feld GEO_ID verwenden Sie zum Füllen des Feldes GEOID, das Sie hinzugefügt haben.

  15. Klicken Sie auf OK.

    Resultierendes berechnetes Feld für das Feld "GEOID" in der Tabelle "ACS_Data"

    Jetzt ist das Feld vom richtigen Typ und enthält die richtigen Informationen.

  16. Schließen Sie die Tabelle.

    Jetzt können Sie den Verbindungsvorgang durchführen. In diesem Fall müssen Sie die Tabelle ACS_Data mit dem Layer NY Census Tracts verbinden, um Ihre räumlichen Daten zu ergänzen.

ACS-Daten mit dem Layer der Zählbezirke verbinden

Als Nächstes sollten Sie bestimmte ACS-Daten mit den Zählbezirken verbinden. Sie sollten die zwei Datasets über ein gemeinsames Attribut verbinden, um die ACS-Daten in die Zählbezirke zu integrieren.

  1. Klicken Sie im Bereich Inhalt mit der rechten Maustaste auf den Layer NY Census Tracts, zeigen Sie auf Verbindungen und Beziehungen, und wählen Sie Verbindung hinzufügen aus.

    Option "Verbindung hinzufügen" im Menü "Verbindungen und Beziehungen" für den Layer "NY Census Tracts" im Bereich "Katalog"

    Das Fenster Verbindung hinzufügen wird angezeigt. Hier können Sie die Parameter für die Verbindung eingeben, wie zum Beispiel die beteiligten Tabellen und die Abgleichfelder.

  2. Geben Sie im Werkzeug Verbindung hinzufügen die folgenden Parameter ein:
    • Stellen Sie sicher, dass für Eingabetabelle die Tabelle NY Census Tracts ausgewählt ist.
    • Stellen Sie sicher, dass für Eingabefeld das Feld GEOID ausgewählt ist.
    • Stellen Sie sicher, dass für Join-Tabelle die Tabelle ACS_Data ausgewählt ist.
    • Stellen Sie sicher, dass für Join-Feld das Feld GEOID ausgewählt ist.
    • Deaktivieren Sie Alle Eingabedatensätze beibehalten.
    • Wählen Sie für Verbindungsvorgang die Eins-zu-Erster-Verbindung aus.

    Eingabe für "Verbindung hinzufügen", um ACS_Data-Felder mit der Tabelle "NY Census Tracts" zu verbinden

    Sie haben alle Parameter für die Verbindung eingegeben. Als Nächstes sollten Sie die Verbindung überprüfen, um sicherzustellen, dass sie ordnungsgemäß funktioniert, bevor Sie das Werkzeug ausführen.

  3. Klicken Sie auf die Schaltfläche Verbindung überprüfen.

    Das Fenster Meldungen wird angezeigt.

    Meldung, dass das Werkzeug "Verbindung hinzufügen" die Verbindung erfolgreich hergestellt hat

    Für die Verbindung sind 2.325 übereinstimmende Datensätze vorhanden. Dies entspricht genau der Anzahl der Zählbezirke im Feature-Layer. Obwohl die ACS-Tabelle Daten für den gesamten US-Bundesstaat enthält, werden über die gemeinsamen Felder nur die Informationen verbunden, die mit den Zählbezirken übereinstimmen.

  4. Klicken Sie im Fenster Meldungen auf Schließen und dann im Fenster Verbindung hinzufügen auf OK.

    Obwohl der Verbindungsvorgang abgeschlossen ist, ist auf der Karte keine Veränderung erkennbar. Der Unterschied ist nur in der Attributtabelle des Layers zu sehen.

  5. Öffnen Sie die Attributtabelle NY Census Tracts.
  6. Scrollen Sie nach rechts, und beachten Sie die Felder der ACS_Data.

    ACS_Data-Felder verbunden mit der Tabelle "NY Census Tracts"

    Jetzt sind alle Felder in der Tabelle ACS_Data über das gemeinsame Feld mit den Zählbezirken verbunden.

  7. Schließen Sie die Tabelle.
  8. Klicken Sie auf der Symbolleiste für den Schnellzugriff auf Speichern, um das Projekt zu speichern.

    Schaltfläche "Projekt speichern" auf der Symbolleiste für den Schnellzugriff

    Sie haben die ACS-Attribute mit dem Layer der Zählbezirke verbunden. Diese Felder können Sie jetzt für Symbolisierung, Beschriftung und Analyse verwenden.

Verbundenen Layer exportieren

Im Layer ist die Verbindung rein virtueller Art, also nicht als eigene Datenquelle gespeichert. Sie müssen den Layer der Zählbezirke als Feature-Class exportieren, um die verbundenen Felder mit den Zählbezirk-Features zu speichern.

  1. Klicken Sie im Bereich Inhalt mit der rechten Maustaste auf NY Census Tracts, zeigen Sie auf Daten, und wählen Sie Features exportieren aus.

    Option "Features exportieren" im Menü "Daten" für den Layer "NY Census Tracts" im Bereich "Inhalt"

    Das Fenster Features exportieren wird angezeigt. Da Sie mit der rechten Maustaste auf den Layer geklickt haben, um ihn zu exportieren, ist der Parameter Eingabe-Features bereits richtig festgelegt.

  2. Ersetzen Sie unter Ausgabe-Feature-Class den Standardnamen durch NY_ACS_Tracts, und klicken Sie auf OK.

    "Ausgabe-Feature-Class" im Fenster "Features exportieren" auf "NY_ACS_Tracts" festgelegt

  3. Klicken Sie auf OK.
  4. Entfernen Sie den Layer NY Census Tracts von der Karte.
  5. Ersetzen Sie im Bereich Inhalt den Namen NY_ACS_Tracts durch NYC Census Tracts.

    Jetzt enthält der Layer der Zählbezirke in der Karte alle Attribute aus der ACS-Tabelle und stellt damit seine eigene Datenquelle dar. Wenn Sie diese Datenquelle freigeben, dann sind immer alle Attribute vorhanden.

  6. Speichern Sie das Projekt.

Hinzufügen und Berechnen von Feldern

Als Nächstes werden Sie zwei Felder hinzufügen und berechnen: Die Prozentfelder, die für den Bildungsabschluss und das fortpflanzungsfähige Alter berücksichtigt werden sollen.

  1. Klicken Sie im Bereich Inhalt mit der rechten Maustaste auf NYC Census Tracts, zeigen Sie auf Datendesign, und wählen Sie Felder aus.
  2. Scrollen Sie ganz nach unten, und klicken Sie zweimal auf Klicken Sie hier, um ein neues Feld hinzuzufügen.

    Zwei Zeilen werden angezeigt. Als Nächstes bearbeiten Sie die Feldeigenschaften.

  3. Geben Sie für die erste Zeile die folgenden Eigenschaften ein:
    • Geben Sie für Feldname den Text Bachelors_degree_higher_women ein, oder kopieren Sie ihn, und fügen ihn ein.
    • Geben Sie für Alias den folgenden Text ein, oder kopieren Sie ihn, und fügen Sie ihn ein: Is a bachelor's degree or higher attainable for women?
    • Wählen Sie für Datentyp die Option Double aus.
  4. Geben Sie für das zweite Feld die folgenden Eigenschaften ein:
    • Geben Sie für Feldname den Text Percent_reproductive_age ein, oder kopieren Sie ihn, und fügen ihn ein.
    • Geben Sie für Alias den folgenden Text ein, oder kopieren Sie ihn, und fügen Sie ihn ein: What percent of women are at reproductive age?
    • Wählen Sie für Datentyp die Option Double aus.

    Feldname, Alias und Datentyp für die beiden neuen Felder in der Ansicht "Felder" für "NY Census Tracts" festgelegt

    Hinweis:

    Die grünen Kästchen neben dem Feld weisen darauf hin, dass es ungespeicherte Änderungen gibt.

  5. Klicken Sie im Menüband auf der Registerkarte Felder in der Gruppe Änderungen verwalten auf Speichern.
  6. Schließen Sie die Ansicht Felder.

    Als Nächstes werden Sie zwei Felder hinzufügen und berechnen: Die Prozentfelder, die für den Bildungsabschluss und den fortpflanzungsfähigen Zustand berücksichtigt werden sollen.

  7. Öffnen Sie die Attributtabelle für NYC Census Tracts, und scrollen Sie bis zum Ende der Tabelle, damit die zwei Felder, die Sie gerade hinzugefügt haben, zu sehen sind.

    Zwei neue Felder am Ende der Attributtabelle für "NY Census Tracts"

  8. Klicken Sie mit der rechten Maustaste auf Is a bachelor's degree or higher attainable for women?, und wählen Sie Feld berechnen aus.
  9. Kopieren Sie den folgenden Ausdruck, und fügen Sie ihn im Abschnitt Ausdruck für EducationForWomen = ein: (!Women_getting_a_Bachelor_s_Degree_or_higher! / !Total_Female_Population_for_Education!) * 100.

    Ausdruck zum Berechnen des Prozentsatzes mit Bildung im Fenster "Feld berechnen"

  10. Klicken Sie auf das grüne Häkchen, um den Ausdruck zu überprüfen, und klicken Sie dann auf Übernehmen.

    Danach wird ein Meldungsfenster mit einer Warnung angezeigt, da nicht alle Datensätze einen Wert enthalten. Da dies in Ordnung ist, können Sie fortfahren.

  11. Schließen Sie das Warnfenster, und klicken Sie auf OK.

    Berechnetes Feld für Prozentsatz mit Bildung in der Attributtabelle "NYC Census Tract"

    Sie haben den Prozentsatz der Frauen mit Hochschulabschluss oder höher berechnet. Als Nächstes können Sie auf ähnliche Weise das andere Feld berechnen.

  12. Klicken Sie in der Attributtabelle mit der rechten Maustaste auf What percent of women are at reproductive age?, und wählen Sie Feld berechnen aus.
  13. Löschen Sie im Abschnitt Ausdruck den vorhandenen Ausdruck für WomenAtReproductiveAge =.
  14. Kopieren Sie den folgenden Ausdruck, und fügen Sie ihn ein: (!Women_at_reproductive_age_15_to_44! / !Total_Female_Population_for__reproductive_health!) * 100.

    Ausdruck zum Berechnen des Prozentsatzes der Bevölkerung im fortpflanzungsfähigen Alter im Fenster "Feld berechnen"

  15. Klicken Sie auf Übernehmen.

    Daraufhin wird eine ähnliche Warnung angezeigt, was in Ordnung ist und zu erwarten war.

  16. Schließen Sie das Warnfenster, und klicken Sie auf OK.

    Berechneter Prozentsatz der Frauen im fortpflanzungsfähigen Alter in der Attributtabelle "NYC Census Tract"

    In den Vereinigten Staaten ist allgemein bekannt, dass eine höhere Bildung zu höherem Einkommen führt. Wenn Sie sich diese Tabelle anschauen, dann könnten Sie darüber nachdenken, ob Frauen, die in diesen Gebieten leben, gute Erfolgsmodelle haben. Dieses Erfolgsmodell wird über mittleres Einkommen, Bildungsstand und Verdienste relativ zu Männern gemessen. Der Prozentsatz der Frauen im fortpflanzungsfähigen Alter kann zum Messen der Auswirkungen von Änderungen an den im US-Bundesstaat geltenden Gesetzen, wie zum Beispiel bei einem Abtreibungsverbot, verwendet werden. Diesen Messwert können Sie verwenden, um die Reichweite geschlechtsspezifischer Gesundheitsdienste zu erhöhen.

  17. Schließen Sie die Tabelle, und speichern Sie das Projekt.

    Sie haben zwei Felder hinzugefügt und berechnet, die als Schlüsselindikatoren in Ihrer Analyse berücksichtigt werden sollen: Die Prozentsätze der Frauen mit bestimmten Bildungsabschlüssen und im fortpflanzungsfähigen Alter.

Sie haben aus vorhandenen Datenquellen, einem Shapefile und einer CSV-Datei, einen Indikator-Layer erstellt. Sie haben die Daten in die Geodatabase importiert, Felder hinzugefügt, die Daten verbunden und exportiert und Felder berechnet. Als Nächstes werden Sie mit Raster-Daten einen Umweltindikator erstellen.


Raster-Daten zum Erstellen eines Baumkronen-Layers verwenden

In diesem Abschnitt erstellen Sie einen Indikator zum Messen der Baumkronenabdeckung. Die Baumkronenabdeckung ist ein Maß, das häufig für Umweltindikatoren verwendet wird und zusammen mit weiteren Umweltindikatoren, wie zum Beispiel der Temperatur, verwendet werden kann, um ein vollständiges Abbild eines Gebietes zu erhalten. Ein weiterer Aspekt der Baumkronenabdeckung besteht darin, dass in vielen Städten in Amerika in der Vergangenheit häufig eine ungleichmäßige Verteilung der Bäume zu beobachten war. Ein Baumbestand ist in einem städtischen Raum wie New York City fast schon Luxus. Sie werden die Baumkronenabdeckung als Umweltindikator verwenden, um zu verstehen, wie die Verteilung des Baumbestands aussieht und welche Frauen Zugang zu Schatten haben.

Ein Bild der Landbedeckung erkunden

Sie beginnen mit dem Hinzufügen von Landbedeckungsdaten, die aus LIDAR-Daten für New York City erstellt wurden. Im Bild sind acht Typen der Landbedeckung klassifiziert.

  1. Kehren Sie zum Projekt in ArcGIS Pro zurück.
  2. Navigieren Sie zur Ordnerverbindung IndicatorData, und blenden Sie den Ordner Land_Cover ein.

    Bild der Landbedeckung im Ordner "Land_Cover" im Bereich "Katalog"

    Dieses Bild ist ein Raster-Dataset mit Landbedeckungsdaten in 6-Zoll-Auflösung für New York City.

  3. Fügen Sie das Bild zur Karte hinzu.
  4. Deaktivieren Sie im Bereich Inhalt den Layer NYC Census Tracts.

    Bild der Landbedeckung zur Karte hinzugefügt

    Die Daten dieses Bild-Layers sind in acht Klassen unterteilt. Als Nächstes sollten Sie die Bilddaten überprüfen, indem Sie die zugehörige Attributtabelle erkunden.

  5. Öffnen Sie die Attributtabelle für den Layer NYC_2017_LiDAR_LandCover.img.

    Wie Sie sehen, sind in der Tabelle acht Landbedeckungsklassifizierungen enthalten. Das Raster enthält 7.446.483.259 Zellen, die als Tree Canopy klassifiziert sind.

    Anzahl der Zellen der Klasse "Tree Canopy" in der Attributtabelle für den Layer "NYC_2017_LiDAR_LandCover.img"

    Wenn Sie an Orte wie New York City oder andere städtische Räume denken, dann kommen Ihnen wahrscheinlich all die Gebäude, Gehwege und belebten Straßen in den Sinn. In dieser Welt sind Bäume und Gras reiner Luxus.

  6. Schließen Sie die Tabelle.

Das Bild der Landbedeckung reklassifizieren

Von den acht Landbedeckungsklassifizierungen im Bild sind Sie nur an der Klassifizierung Tree Canopy interessiert. Als Nächstes werden Sie ein Geoverarbeitungswerkzeug verwenden, um das Bild zu reklassifizieren und nur die Zellen, die als "Tree Canopy" klassifiziert sind, zu isolieren.

  1. Klicken Sie im Menüband auf die Registerkarte Analyse. Klicken Sie in der Gruppe Geoverarbeitung auf Werkzeuge.

    "Werkzeuge" in der Gruppe "Geoverarbeitung" auf der Registerkarte "Analyse"

    Daraufhin wird der Bereich Geoverarbeitung angezeigt. Hier können Sie Werkzeuge über ihren Namen oder über die Toolbox, in der sie enthalten sind, suchen.

  2. Geben Sie im Bereich Geoverarbeitung auf der Leiste Werkzeuge suchen den Text reklassifizieren ein. Klicken Sie auf das Werkzeug Reklassifizieren (Spatial Analyst Tools).

    Werkzeug "Reklassifizieren" im Bereich "Geoverarbeitung"

  3. Legen Sie im Werkzeug Reklassifizieren die folgenden Parameter fest:

    • Klicken Sie für Eingabe-Raster auf das Dropdown-Menü, und wählen Sie NYC_2017_LiDAR_LandCover.img.
    • Vergewissern Sie sich, dass für das Reklassifizierungsfeld (Reclass-Feld) die Option Class ausgewählt ist.
    • Lassen Sie in der Tabelle Reklassifizierung für die Zeile Tree Canopy den Wert in der Spalte Neu auf 1 stehen. Legen Sie den Wert in der Spalte Neu für alle anderen Klassen, außer für NODATA auf 0 fest.

    Festgelegte Parameter im Bereich des Werkzeugs "Reklassifizieren"

  4. Klicken Sie für Ausgabe-Raster auf die Schaltfläche Durchsuchen, und navigieren Sie zum Ordner IndicatorData. Geben Sie als Name den Text TreeCanopyNYC.tif ein, und klicken Sie auf Speichern.

    Parameter für Ausgabe-Raster im Bereich des Werkzeugs "Reklassifizieren" auf "TreeCanopyNYC.tif" festgelegt

    Hinweis:

    Je nach Ihrem System kann die Ausführung des Werkzeugs Reklassifizieren bis zu 20 Minuten dauern.

    Alternativ können Sie die Ergebnisdaten herunterladen, um die Bilddatei TreeCanopyNYC.tif zu verwenden. Um diese Daten stattdessen zu verwenden, laden Sie die .zip-Datei herunter, extrahieren Sie sie auf Ihren Computer, und fügen Sie sie anstelle von TreeCanopyNYC.tif zu Ihrem Projekt hinzu.

  5. Klicken Sie auf Ausführen.

    Nach der Verarbeitung des Bildes wird es auf der Karte angezeigt.

    Das sich ergebende Bild mit dem Layer "Tree canopy" mit zwei Klassen

  6. Entfernen Sie im Bereich Inhalt den Layer NYC_2017_LiDAR_LandCover.img.

    Der Layer TreeCanopyNYC.tif  hat zwei Klassen: Tree Canopy in der einen Klasse und alle anderen Landbedeckungsklassifizierungen in der anderen Klasse. Dieses Raster können Sie verwenden, um das Vorhandensein der Baumkronenabdeckung als Variable, die als Maß für den Umweltindikator verwendet wird, zu berechnen.

  7. Speichern Sie das Projekt.

Als Nächstes verwenden Sie das Werkzeug Zonale Statistiken als Tabelle, um die Menge der Baumkronen in jedem Zählbezirk zusammenzufassen.

Baumkronenabdeckung in den einzelnen Zählbezirken zusammenfassen

Für den Indikator sind Sie am Vorhandensein von Bäumen interessiert, das heißt, je höher der Wert ist, desto mehr Bäume sind vorhanden. Damit stellt er einen positiven Umweltfaktor dar. Um den Baumbestand in einem Zählbezirk zu bestimmen, müssen Sie die Zellen der Klasse "Tree Canopy" basierend auf den Zählbezirk-Polygonen zusammenfassen.

  1. Klicken Sie im Bereich Geoverarbeitung auf die Schaltfläche "Zurück". Suchen Sie das Werkzeug Zonale Statistiken als Tabelle (Spatial Analyst Tools), und öffnen Sie es.

    Werkzeug "Zonale Statistiken als Tabelle" im Bereich des Werkzeugs "Geoverarbeitung"

    Dieses Werkzeug fasst die Anzahl der Zellen der Klasse "Tree Canopy" innerhalb jedes Zählbezirk-Polygons zusammen und gibt die Gesamtzahl der Zellen innerhalb jeder Zone (Polygon) zurück. Damit können Sie den Prozentsatz der mit Bäumen bedeckten Polygonzellen berechnen.

  2. Geben Sie im Werkzeug Zonale Statistiken als Tabelle die folgenden Parameter ein:
    • Wählen Sie für Eingabe-Raster oder -Feature-Zonen-Daten den Eintrag NYC Census Tracts aus.
    • Wählen Sie für Zonenfeld das Feld GEOID [GEOID] aus.
    • Wählen Sie für Eingabe-Werte-Raster die Option TreeCanopyNYC.tif aus.
    • Geben Sie für Ausgabetabelle den Text TreePixels ein.
    • Wählen Sie für Statistiktyp die Option Summe aus.

    Parameter von "Zonale Statistiken als Tabelle"

    Hinweis:

    Je nach Ihrem System kann die Ausführung des Werkzeugs Zonale Statistiken als Tabelle bis zu 30 Minuten dauern.

    Alternativ können Sie die Ergebnisdaten herunterladen, die ZIP-Datei extrahieren und die Tabelle TreePixels zu Ihrem Projekt hinzufügen.

  3. Klicken Sie auf Ausführen.

    Nach Abschluss des Werkzeugs wird die Tabelle TreePixels im Bereich Inhalt unter Standalone-Tabellen angezeigt.

    Tabelle "TreePixels" unter dem Abschnitt "Standalone-Tabellen" im Bereich "Inhalt"

  4. Öffnen Sie die Tabelle TreePixels.

    Die Tabelle enthält zwei Spalten von Interesse: COUNT, die die Gesamtzahl der Pixel innerhalb eines Zählbezirks angibt, und SUM, die die Summe der Pixel mit Baumkronenabdeckung angibt.

    Die Felder "COUNT" und "SUM" in der Tabelle "TreePixels"

    Die prozentuale Baumkronenabdeckung für ein Zählbezirk-Polygon berechnen Sie mithilfe der folgenden Formel: PctTreeCanopy = (Summe / Anzahl) * 100.

  5. Klicken Sie in der Attributtabelle auf Berechnen.

    Schaltfläche "Berechnen" in der Tabelle "TreePixels"

    Das Werkzeug Feld berechnen wird angezeigt. Bisher haben Sie Felder vor dem Öffnen des Werkzeugs Feld berechnen erstellt. Dieses Mal werden Sie das Feld erstellen und gleichzeitig berechnen.

  6. Geben Sie im Werkzeug Feld berechnen für Feldname (vorhanden oder neu) den Text PctTreeCanopy ein.
  7. Wählen Sie für Feldtyp die Option Double (64-Bit-Gleitkomma) aus.
  8. Erstellen Sie unter Ausdruck für PctTreeCanopy = den Ausdruck (!SUM! / !COUNT!)*100.

    Die Feldparameter zur Berechnung des prozentualen Anteils der Baumkronenabdeckung in jedem Zählbezirk berechnen

  9. Klicken Sie auf OK.

    Feld "PctTreeCanopy" in der Tabelle "TreePixels" hinzugefügt und berechnet

    Das Feld PctTreeCanopy wird am Ende der Attributtabelle angezeigt und berechnet.

    Der Wert PctTreeCanopy stellt den Prozentsatz des Zählbezirks mit Baumbedeckung dar und ist das Maß für den Umweltindikator.

  10. Schließen Sie die Tabelle TreePixels, deaktivieren Sie TreeCanopyNYC.tif, und speichern Sie das Projekt.

Sie haben ein Bild der Landbedeckung reklassifiziert, um die Zellen, die im Indikator für die Baumbedeckung berücksichtigt werden sollen, zu isolieren, und die Baumbedeckung nach Zählbezirken zusammengefasst. Jetzt kennen Sie den prozentualen Anteil der Baumbedeckung in den einzelnen Zählbezirken in New York City. Die Tabelle TreePixels kann jetzt mit dem Layer NYC Census Tracts verbunden werden.


Einen Indikator basierend auf Nähe hinzufügen

Die nächsten Indikatoren, die Sie erstellen, messen den Zugang zu bestimmten Objekten. Oftmals versuchen Organisation zu ermitteln, wo sich bestimmte Objekte, wie zum Beispiel geschlechtsspezifische Einrichtungen, befinden. Nachdem Sie die Positionen identifiziert haben, muss im nächsten Schritt der Zugang zu diesen Positionen bestimmt werden. Üblicherweise wird der Zugang zu einem Objekt in Form der Nähe zu dieser Position gemessen. Sie werden Punkt-Layer erstellen, die die Positionen von Einrichtungen für Frauen darstellen. Danach werden Sie Puffer von einer halben Meile um die Einrichtungen definieren, um die Nähe zu diesen Einrichtungen zu bestimmen. Dasselbe werden Sie dann mit den Räumungspositionen durchführen, da Studien gezeigt haben, dass Frauen der Gruppe "Black and Brown Women" häufig von Zwangsräumungen betroffen sind. Sie möchten wissen, in welchen Gebieten in New York City diese Frauen wegen Zwangsräumungen ihre Häuser oder Mietwohnungen verlassen müssen.

Erstellen von Punkten aus einer Tabelle

Bisher haben Sie in diesem Lernprogramm mit Tabellendaten gearbeitet, die jedoch nicht räumliche Daten waren oder keine räumliche Komponente, wie zum Beispiel Koordinaten, besaßen. Als Nächstes werden Sie Räumungen aus einer Tabelle mit den Koordinaten ihrer Positionen auf einer Karte darstellen.

  1. Fügen Sie im Bereich Katalog im Ordner IndicatorData die Datei Evictions.csv zur Karte hinzu.
  2. Öffnen Sie die Tabelle Evictions.csv, und scrollen Sie nach rechts, bis die Felder Latitude und Longitude zu sehen sind.

    Felder "Latitude" und "Longitude"

    Die Felder Latitude und Longitude enthalten die Koordinaten für die einzelnen Räumungen. Diese Felder können Sie verwenden, um die Räumungen als Punkte auf der Karte darzustellen.

  3. Schließen Sie die Tabelle.
  4. Klicken Sie auf dem Menüband auf der Registerkarte Karte im Abschnitt Layer auf XY-Tabelle in Punkt.

    Werkzeug "XY-Tabelle in Punkt"

    Das Werkzeug XY-Tabelle in Punkt wird im Bereich Geoverarbeitung angezeigt.

  5. Legen Sie im Werkzeug XY-Tabelle in Punkt die folgenden Parameter fest:
    • Wählen Sie unter Eingabetabelle die Datei Evictions.csv aus.
    • Ersetzen Sie unter Ausgabe-Feature-Class den Standardnamen durch Evictions.
    • Stellen Sie für X-Feld sicher, dass die Option Longitude ausgewählt ist.
    • Stellen Sie für Y-Feld sicher, dass die Option Latitude ausgewählt ist.
    • Stellen Sie für Koordinatensystem sicher, dass die Option GCS_WGS_1984 ausgewählt ist.

    Parameter für das Werkzeug "XY-Tabelle in Punkt"

    Das Werkzeug XY-Tabelle in Punkt wählt für die Parameter Standardwerte, die auf den Feldnamen basieren.

  6. Klicken Sie auf Ausführen.

    Räumungen als Punkte auf der Karte

    Hinweis:

    Die ausgegebene Warnung zu den NULL-Werten können Sie ignorieren.

    Als Nächstes werden Sie mit demselben Werkzeug eine Tabelle mit Einrichtungen für Frauen hinzufügen und diese Positionen auf der Karte darstellen.

  7. Fügen Sie im Bereich Katalog die Datei Womens_Facilities.csv zur Karte hinzu.

    Datei "Womens_Facilities.csv"

  8. Klicken Sie auf der Registerkarte Karte auf XY-Tabelle in Punkt.
  9. Legen Sie im Werkzeug XY-Tabelle in Punkt die folgenden Parameter fest:
    • Wählen Sie unter Eingabetabelle die Datei Womens_Facilities.csv aus.
    • Ersetzen Sie unter Ausgabe-Feature-Class den Namen durch WomensResources.
    • Wählen Sie für X-Feld das Feld Location 2 aus.
    • Wählen Sie für Y-Feld das Feld Location 1 aus.
    • Stellen Sie für Koordinatensystem sicher, dass die Option GCS_WGS_1984 ausgewählt ist.

    Parameter für Einrichtungen für Frauen

  10. Klicken Sie auf Ausführen.
  11. Deaktivieren Sie im Bereich Inhalt den Layer Evictions, damit die durch WomensResources definierten Punkte zu sehen sind.

    Einrichtungen für Frauen auf der Karte

    Hinweis:

    Um die Punkte besser zu erkennen, können Sie die Farbe ändern.

    Sie haben aus nicht räumlichen Tabellen zwei Feature-Layer erstellt, um wichtige Kriterien für die Indikatoren auf der Karte darzustellen.

Die Daten so filtern, dass nur Features bestimmter Typen angezeigt werden

Nachdem Sie alle Punkte auf der Karte bestimmt haben, sollten Sie Ihre Analyse auf Räumungen eines bestimmten Typs konzentrieren. Da Sie unter den Räumungen nur an den Zwangsräumungen interessiert sind, müssen Sie das herausfiltern, was Sie benötigen. Ein großer Teil der Analyse besteht darin, den Fokus Ihrer Daten auf bestimmte Aspekte einzugrenzen, zum Beispiel auf die Baumkronenabdeckung und die Zwangsräumungen.

  1. Öffnen Sie die Attributtabelle für Evictions.
  2. Scrollen Sie zum Feld Ejectment.

    Feld "Ejectment"

    Dieses Feld sollten Sie für die Attributauswahl verwenden.

  3. Klicken Sie in der Tabelle auf Nach Attributen auswählen.

    Nach Attributen auswählen

  4. Klicken Sie für WHERE auf das Dropdown-Menü, und wählen Sie Ejectment aus.
  5. Lassen Sie im zweiten Dropdown-Menü die Option Ist gleich unverändert, und wählen Sie im letzten Dropdown-Menü die Option Ejectment aus.

    Auswahlausdruck

  6. Klicken Sie auf OK.
  7. Klicken Sie unten links in der Tabelle auf Ausgewählte Datensätze anzeigen.

    Schaltfläche "Ausgewählte Datensätze anzeigen"

    Jetzt werden nur die ausgewählten Datensätze angezeigt. Es sollten 67 Datensätze ausgewählt sein. Jetzt sollten Sie die Auswahl umkehren, damit nur die Features, die Sie nicht verwenden möchten, ausgewählt sind, und diese Features löschen.

  8. Klicken Sie in der Tabelle auf Auswahl umkehren.

    Schaltfläche "Auswahl umkehren"

    Jetzt sind 89.835 Datensätze, die Sie nicht benötigen, ausgewählt.

  9. Klicken Sie auf Auswahl löschen.

    Schaltfläche "Auswahl löschen"

  10. Klicken Sie auf Ja, um den Löschvorgang zu bestätigen.
  11. Klicken Sie auf Alle Datensätze anzeigen.

    Schaltfläche "Alle Datensätze anzeigen"

  12. Schließen Sie die Tabelle, und speichern Sie das Projekt.

    Jetzt enthält die Tabelle Evictions nur die 67 Datensätze, die in Ihre Analyse einbezogen werden sollen.

Gehzeit-Puffer erstellen

Als Nächstes werden Sie die Nähe zu den Räumungen und Einrichtungen für Frauen in die Analyse integrieren. Dazu sollten Sie Puffer von einer halben Meile um die Features erstellen, um die Gehentfernung (Walking Distance) darzustellen.

  1. Suchen Sie im Bereich Geoverarbeitung nach dem Werkzeug Paarweise puffern, und öffnen Sie es.

    Das Werkzeug "Paarweise puffern" im Bereich "Geoverarbeitung"

  2. Legen Sie im Werkzeug Paarweise puffern die folgenden Parameter fest:
    • Wählen Sie für Eingabe-Features den Layer WomensResources aus.
    • Ersetzen Sie unter Ausgabe-Feature-Class den Standardnamen durch ResourcesBuffer.
    • Geben Sie unter Entfernung den Wert 0,5 ein.
    • Wählen Sie für Lineare Einheit die Einheit Meilen (US Survey) aus.
    • Wählen Sie unter Methode die Option Geodätisch (formgetreu) aus.
    • Wählen Sie für Dissolve-Typ den Typ Zusammenführen aller Ausgabe-Features zu einem einzelnen Feature aus.

    In das Werkzeug "Paarweise puffern" eingegebene Parameter, um Puffer um den Layer "WomensResources" zu erstellen

  3. Klicken Sie auf Ausführen.
  4. Stellen Sie im Bereich Inhalt sicher, dass außer den Grundkarten nur die Layer WomensResources und ResourcesBuffer sichtbar sind.

    Layer "ResourcesBuffer" auf der Karte

    Sie haben Puffer für die Ressourcenpunkte erstellt. Als Nächstes sollten Sie Puffer für die Features der Räumungen erstellen.

  5. Aktualisieren Sie die folgenden Parameter im noch geöffneten Bereich des Werkzeugs Paarweise puffern:
    • Wählen Sie für Eingabe-Feature den Layer Evictions aus.
    • Ersetzen Sie unter Ausgabe-Feature-Class den Standardnamen durch EvictionsBuffer.

    Die aktualisierten Parameter "Eingabe-Features" und "Ausgabe-Feature-Class" im Werkzeug "Paarweise puffern" zur Erstellung von Puffern um den Punkt-Layer "Evictions"

  6. Klicken Sie auf Ausführen.
  7. Deaktivieren Sie im Bereich Inhalt die Layer WomensResources und ResourcesBuffer, und aktivieren Sie die Layer Evictions und EvictionsBuffer.

    Der zur Karte hinzugefügte Layer "EvictionsBuffer"

    Sie haben Layer erstellt, um Puffer von einer halben Meile um die Punkte der Räumungen und der Einrichtungen für Frauen darzustellen. Anhand dieser Puffer können Sie die Nähe in Form einer Nachbarschaftsanalyse in Ihre Indikatorvorbereitung integrieren.

Indikatortabellen erstellen

Jetzt können Sie die Indikatortabellen erstellen.

  1. Klicken Sie im Bereich Geoverarbeitung auf die Schaltfläche "Zurück". Suchen Sie nach dem Werkzeug Schnittpunkt tabellarisch aufführen, und öffnen Sie es.
  2. Legen Sie im Werkzeug Schnittpunkt tabellarisch aufführen die folgenden Parameter fest:
    • Wählen Sie für Eingabe-Zonen-Features die Option NYC Census Tracts aus.
    • Wählen Sie für Zonenfelder das Feld GEOID [GEOID] aus.
    • Wählen Sie für Eingabeklassen-Features die Option EvictionsBuffer aus.
    • Geben Sie für Ausgabetabelle den Text EvictionsIndicator ein.
    • Wählen Sie für Summenfelder das Feld SHAPE_Area aus.

    In das Werkzeug "Schnittpunkt tabellarisch aufführen" eingegebene Parameter

  3. Klicken Sie auf Ausführen.

    Im Bereich Inhalt wird die Tabelle EvictionsIndicator unter Standalone-Tabellen angezeigt.

    Tabelle "EvictionsIndicator" hinzugefügt

    Erstellen Sie als Nächstes die Indikatortabelle für Einrichtungen für Frauen.

  4. Ändern Sie im Werkzeug Schnittpunkt tabellarisch aufführen nur die folgenden Parameter:
    • Wählen Sie für Eingabeklassen-Features die Option ResourcesBuffer aus.
    • Ersetzen Sie für Ausgabetabelle den Namen durch ResourcesIndicator.

    Im Bereich des Werkzeugs "Schnittpunkt tabellarisch aufführen" aktualisierte Parameter für die Parameter der Tabelle "ResourcesIndicator"

  5. Klicken Sie auf Ausführen.

    Im Bereich Inhalt wird die Tabelle ResourcessIndicator unter Standalone-Tabellen angezeigt.

  6. Öffnen Sie beide Indikatortabellen.
  7. Klicken Sie auf die Registerkarte für eine der Tabellen, und ziehen Sie sie, bis die Verankerungsoptionen zu sehen sind. Verankern Sie sie rechts von der anderen Tabelle.

    Die Tabelle "ResourcesIndicator" ist im rechts im Bereich verankert.

    Tabelle enthält das Feld PERCENTAGE, das den Zugang zu zwei verschiedenen Dingen misst.

    Nebeneinander angezeigte Tabellen zum Vergleich des Feldes PERCENTAGE

    Höhere Prozentsätze für Räumungen sind schlecht, da sie bedeuten, dass Menschen zwangsweise aus ihren Wohnungen gedrängt werden. Der Zugang zu Einrichtungen für Frauen ist dagegen ein gutes Maß. Deshalb bedeuten höhere Prozentsätze einen besseren Zugang zu geschlechtsspezifischen Diensten.

  8. Lösen Sie die Verankerung der Tabelle, schließen Sie beide Tabellen, und speichern Sie das Projekt.

    Als Nächstes müssen Sie die Indikatortabellen der Räumungen und der Einrichtungen so mit Zählbezirken verbinden, dass Prozentsätze für jeden dieser Zählbezirke verfügbar werden.

Den Bereich "Inhalt" organisieren

Nachdem Sie alle gewünschten Daten für die Indikatoren zusammengetragen haben, können Sie den Bereich Inhalt schnell organisieren, bevor Sie die Daten verbinden. Zum Organisieren der Layer sollten Sie einen Gruppen-Layer erstellen.

  1. Drücken Sie im Bereich Inhalt die Strg-Taste, und klicken Sie auf alle Layer außer NYC Census Tracts, um sie gleichzeitig auszuwählen.

    Ausgewählte Layer im Bereich "Inhalt"

  2. Klicken Sie mit der rechten Maustaste auf einen der ausgewählten Layer, und wählen Sie Gruppe aus.

    Option "Gruppe" für alle ausgewählten Layer im Bereich "Inhalt"

    Damit werden alle ausgewählten Layer in einer Gruppe mit dem Namen Neuer Gruppen-Layer zusammengefasst.

  3. Klicken Sie einmal auf den Namen Neuer Gruppen-Layer, um ihn auszuwählen, und dann noch einmal, damit er bearbeitet werden kann.
  4. Geben Sie als Name den Text Working Data ein.

    Eingeblendeter Gruppen-Layer "Working Data" im Bereich "Inhalt"

    Als Nächstes können Sie die Indikatordaten verbinden.

Indikatortabellen mit Zählbezirken verbinden

Sie haben drei Indikatoren in Standalone-Tabellen: TreePixels, EvictionsIndicator und ResourcesIndicator. Um diese Informationen in die Zählbezirke zu integrieren, müssen Sie drei Verbindungsvorgänge durchführen, um die Felder aus den Indikatortabellen an die Zählbezirke anzuhängen.

  1. Klicken Sie im Bereich Inhalt mit der rechten Maustaste auf NYC Census Tracts, zeigen Sie auf Verbindungen und Beziehungen, und wählen Sie Verbindung hinzufügen aus.
  2. Geben Sie im Werkzeug Verbindung hinzufügen die folgenden Parameter ein:
    • Wählen Sie für Eingabetabelle die Tabelle NYC Census Tracts aus.
    • Wählen Sie als Eingabefeld das Feld GEOID [GEOID] aus.
    • Wählen Sie als Join-Tabelle die Tabelle TreePixels aus.
    • Wählen Sie als Join-Feld das Feld GEOID aus.
    • Lassen Sie Alle Eingabedatensätze beibehalten aktiviert.
    • Wählen Sie für Verbindungsvorgang die Eins-zu-Erster-Verbindung aus.

    Im Werkzeug "Verbindung hinzufügen" eingegebene Parameter, um die Felder der Tabelle "TreePixels" mit dem Layer "NYC Census Tracts" zu verbinden

  3. Klicken Sie auf OK.

    Auf der Karte geschieht nichts, lediglich die Attribute werden an die Tabelle NYC Census Tracts angehängt. Führen Sie die anderen zwei Verbindungsvorgänge durch, und erkunden Sie die Tabelle.

    Als Nächstes können Sie den Verbindungsvorgang für die Tabellen EvictionsIndicator und ResourcesIndicator wiederholen.

  4. Öffnen Sie das Werkzeug Verbindung hinzufügen für den Layer NYC Census Tracts, und geben Sie die folgenden Parameter ein:
    • Wählen Sie für Eingabetabelle die Tabelle NYC Census Tracts aus.
    • Wählen Sie als Eingabefeld das Feld GEOID aus (wegen der Verbindungen gibt es mittlerweile viele davon, die aber alle funktionieren).
    • Wählen Sie als Join-Tabelle die Tabelle EvictionsIndicator aus.
    • Wählen Sie als Join-Feld das Feld GEOID aus.
    • Wählen Sie für Verbindungsvorgang die Eins-zu-Erster-Verbindung aus.
    • Lassen Sie Alle Eingabedatensätze beibehalten aktiviert.
  5. Klicken Sie auf Ausführen.

    Als Letztes müssen Sie die Tabelle WomensResources mit den Zählbezirken verbinden.

  6. Öffnen Sie das Werkzeug Verbindung hinzufügen für den Layer NYC Census Tracts, und geben Sie die folgenden Parameter ein:
    • Wählen Sie für Eingabetabelle die Tabelle NYC Census Tracts aus.
    • Wählen Sie als Eingabefeld das Feld GEOID aus (wegen der Verbindungen gibt es mittlerweile viele davon, die aber alle funktionieren).
    • Wählen Sie als Join-Tabelle die Tabelle WomensResources aus.
    • Wählen Sie als Join-Feld das Feld GEOID aus.
    • Wählen Sie für Verbindungsvorgang die Eins-zu-Erster-Verbindung aus.
    • Lassen Sie Alle Eingabedatensätze beibehalten aktiviert.

    Sie haben alle Tabellen, die Sie benötigen, mit dem Layer NYC Census Tracts verbunden. Als Nächstes sollten Sie den verbundenen Layer in seine eigene Feature-Class exportieren und die Felder bereinigen.

Zählbezirke exportieren

Mit dem Layer NYC Census Tracts sind momentan vier Tabellen verbunden. Wie zuvor beim Verbindungsvorgang sollten Sie nun den Layer in eine eigene Datenquelle exportieren.

  1. Klicken Sie im Bereich Inhalt mit der rechten Maustaste auf NYC Census Tracts, zeigen Sie auf Daten, und wählen Sie Features exportieren aus.
  2. Legen Sie im Werkzeug Features exportieren den Parameter Ausgabe-Feature-Class auf Indicators fest.

    Beim Verbinden von Daten fügen Sie viele Felder in eine Tabelle ein und können bestimmte Feldaliasnamen löschen oder umbenennen, um mehr Klarheit in den Daten zu erreichen. Als Nächstes sollten Sie die Felder bereinigen, bevor Sie die Daten exportieren.

  3. Blenden Sie Felder ein, aktivieren Sie Feld-Alias als Name verwenden, und klicken Sie auf Bearbeiten.

    Feld-Alias als Name verwenden

    Das Fenster Feldeigenschaften wird angezeigt. Sie sollten nur die Felder für die explorative Analyse behalten und die Indikatorfelder umbenennen.

  4. Zeigen Sie bei Bedarf auf die vertikale Trennlinie neben dem Abschnitt "Felder", und passen Sie dessen Größe so an, dass die Feld-Aliasnamen vollständig zu sehen sind.

    Anpassen der Größe mit der Trennlinie

  5. Klicken Sie im Abschnitt Felder auf What's the median income for women? Geben Sie im Abschnitt Eigenschaften als Alias den Text Median Income Women ein.

    Alias geändert

  6. Ändern Sie auf dieselbe Weise die Aliasnamen der folgenden Felder:
    • Ersetzen Sie Are women earning more than men? durch Pay Equity.
    • Ersetzen Sie Is there an abortion ban? Yes or No durch Abortion Ban.
    • Ersetzen Sie Are child marriages legal? Yes or No durch Child Marriages.
    • Ersetzen Sie Percent White Women durch White Women.
    • Ersetzen Sie Percent Black Women durch Black Women.
    • Ersetzen Sie Percent American Indian or Alaska Native Women durch AIAN Women.
    • Ersetzen Sie Percent Asian Women durch Asian Women.
    • Ersetzen Sie Percent Native Hawaiian or Other Pacific Islander Women durch NHOPI Women.
    • Ersetzen Sie Percent Mixed Race Women durch Mixed Race Women.
    • Ersetzen Sie Percent Hispanic or Latino Women durch Hispanic or Latino Women.
    • Ersetzen Sie EducationForWomen durch Education.
    • Ersetzen Sie WomenAtReproductiveAge durch Women at Reproductive Age.
    • Ersetzen Sie PctTreeCanopy durch Tree Canopy.
    • Ersetzen Sie PERCENTAGE (EvictionsIndicator.PERCENTAGE) durch Evictions.
    • Ersetzen Sie PERCENTAGE (ResourcesIndicator.PERCENTAGE) durch Gender Based Resources.

    Aliasname aktualisiert

    Als Nächstes sollten Sie die Felder, die Sie nicht benötigen, löschen.

  7. Klicken Sie in der Liste der Felder auf Total Population for Education und dann auf die Schaltfläche Entfernen.

    Schaltfläche "Entfernen"

  8. Entfernen Sie auf dieselbe Weise die folgenden Felder:
    • Women getting a Bachelor's Degree or higher.
    • Total Female Population for reproductive health.
    • Women at reproductive age 15 to 44.
  9. Klicken Sie auf OK, um das Fenster Feldeigenschaften zu schließen, und klicken Sie noch einmal auf OK, um den Export auszuführen.

    Der Layer Indicators wird auf der Karte und im Bereich Inhalt angezeigt.

  10. Öffnen Sie die Attributtabelle für den Layer "Indicators", und scrollen Sie nach rechts, bis die aktualisierten Aliasnamen, die als Feldüberschriften verwendet werden, zu sehen sind.

    Feld-Aliasnamen in Tabelle

Das Ändern der Aliasnamen war eine gute Idee, da sich dadurch die Tabelle leichter interpretieren lässt. Nun sind alle Indikatoren im Layer der Zählbezirke verfügbar. Die dortigen Indikatorfelder können Sie für Symbolisierung, Beschriftung, Abfrage und Analyse verwenden.

Sie haben Punkt-Layer aus Koordinaten in Tabellen erstellt, um Räumungen und Einrichtungen für Frauen auf der Karte darzustellen. Sie haben Puffer von einer halben Meile um die Punkte der Räumungen und der Einrichtungen für Frauen erstellt und diese Puffer verwendet, um Indikatoren für die einzelnen Variablen zu erstellen. Außerdem haben Sie mehrere Verbindungsvorgänge durchgeführt, um alle Indikatoren in den Layer der Zählbezirke zu integrieren, und dann diesen Layer in eine eigene Feature-Class exportiert. Die zwei Indikatortabellen, die Sie erstellt haben, messen die Nähe mit verschiedenen Hintergründen und führen damit zu unterschiedlichen Schlussfolgerungen. Höhere Prozentsätze für Räumungen sind schlecht, da sie bedeuten, dass Menschen zwangsweise aus ihren Wohnungen gedrängt werden. Wichtig ist aber, die Gebiete hervorzuheben, die die Last dieses Problems tragen müssen. Der Zugang zu Einrichtungen für Frauen ist dagegen ein positives Maß, da die Frauen in diesen Gebieten mehr Unterstützung erhalten. Als Nächstes werden Sie die Tabellen der Räumungen und der Einrichtungen für Frauen mit den Zählbezirken verbinden und mit der explorativen Datenanalyse die Datenbeziehungen genauer erkunden.


Die Daten mit Diagrammen und Symbolisierung erkunden

Da nun alle Indikatoren in einem Layer verfügbar sind, können Sie die Variablen in einer Scatterplotmatrix erkunden, um ein besseres Verständnis ihrer Beziehungen zu erreichen. Ein wichtiger Bestandteil jeder Analyse ist die Auswertung der resultierenden Daten nach Durchführung der Berechnungen. Dadurch können Sie feststellen, ob das Dataset eine verzerrte Datenverteilung enthält, die sich auf Ihre Analyse auswirken könnte, und ermitteln, ob zusätzliche Anpassungen oder Methoden implementiert werden müssen, um möglichst genaue Analyseergebnisse zu erzielen.

Die Indikatordaten erkunden

Sie erstellen eine Scatterplotmatrix, um die Beziehung zwischen den einzelnen Indikatoren zu vergleichen. Dadurch können Sie positive und negative Korrelationen sowie den Grad oder das Ausmaß dieser Korrelationen ermitteln.

  1. Klicken Sie im Bereich Inhalt mit der rechten Maustaste auf den Layer Indicators, zeigen Sie auf Diagramm erstellen, und wählen Sie Scatterplotmatrix aus.

    "Scatterplotmatrix" im Menü "Diagramm erstellen" für den Layer "Indicators" im Bereich "Inhalt"

    Der Bereich Diagrammeigenschaften und ein leeres Diagrammfenster werden angezeigt. Wenn Sie Eigenschaften im Bereich Diagrammeigenschaften festlegen, wird das Diagramm im Diagrammfenster automatisch angezeigt und aktualisiert.

  2. Klicken Sie im Abschnitt Variablen auf Auswählen.

    "Auswählen" unter "Numerische Felder" im Bereich "Diagrammeigenschaften"

    Im Layer Indicators wird eine Liste der Attribute angezeigt. Für eine Scatterplotmatrix müssen Sie mindestens drei Variablen auswählen. Eine der Variablen, die Sie erkunden möchten, ist die Variable Median Income, die in der Liste jedoch nicht auftaucht.

  3. Öffnen Sie die Ansicht "Felder" für den Layer Indicators.
  4. Suchen Sie das Feld Median Income Women, und schauen Sie sich den Datentyp an.

    Auf "Text" festgelegter Datentyp "Median Income Women" in der Ansicht "Felder" für den Layer "Indicators"

    Der Typ des Feldes Median Income Women lautet Text. Da Sie ein Textfeld in einer Scatterplotmatrix nicht darstellen können, müssen Sie ein numerisches Feld zum Speichern der Einkommenswerte hinzufügen und berechnen.

  5. Nutzen Sie Ihre Fertigkeiten, die Sie in diesem Lernprogramm erworben haben, und fügen Sie ein Feld mit dem Namen WomensMedianIncome mit Womens Median Income als Alias und Double als Datentyp hinzu.
  6. Berechnen Sie das Feld WomensMedianIncome basierend auf dem Feld Median Income Women.

    Berechnungsausdruck für mittleres Einkommen im Fenster "Feld berechnen"

    Die Warnungen in der Berechnung können Sie ignorieren.

    Das mit dem Wert aus dem Feld "Median Income Women" gefüllte Feld "Womens Median Income"

  7. Klicken Sie im Bereich Diagrammeigenschaften auf Auswählen.
  8. Aktivieren Sie in der Liste der Variablen die Kontrollkästchen Pay Equity, Education und Womens Median Income.

    Die ausgewählten Variablen werden aufgelistet.

    Die unter "Numerische Felder" im Bereich "Diagrammeigenschaften" angezeigten ausgewählten Variablen

    Die Variablen werden in der Scatterplotmatrix angezeigt.

    Scatterplotmatrix, die die Beziehung zwischen den drei angegebenen Feldern zeigt

  9. Klicken Sie unter Trend auf Trendlinie anzeigen.

    Die aktivierte Option "Trendlinie anzeigen" unter "Trend" im Bereich "Chart-Eigenschaften"

    Für jede Variable werden die Trendlinien angezeigt, die den Trend der jeweiligen Variable angeben.

    Scatterplotmatrix mit sichtbaren Trendlinien, die zeigen, dass alle drei Korrelationen einen positiven Trend aufweisen

  10. Stellen Sie im Matrixlayout sicher, dass für Links unten die Option Scatterplots ausgewählt ist, und klicken Sie für Rechts oben auf das Dropdown-Menü, und wählen Sie r nach Pearson aus.

    Die auf "Scatterplots" festgelegte Option "Links unten" und die auf "r nach Pearson" festgelegte Option "Rechts oben" im Abschnitt "Matrix-Layout" im Bereich "Diagrammeigenschaften"

    In der Scatterplotmatrix können Sie viele Beziehungen in einem einzigen Diagramm erkunden. Dort wird die bivariate Beziehung zwischen den von Ihnen ausgewählten Variablen visualisiert. Als Nächstes erkunden Sie die Beziehung der wirtschaftlichen Folgen für "White Women", "Black Women" und "Latino Women".

  11. Klicken Sie im Bereich Diagrammeigenschaften für Variablen auf Auswählen, und aktivieren Sie die Kontrollkästchen für White Women, Black Women und Hispanic or Latino Women.

    Die in der Variablenliste unter "Numerische Felder" im Bereich "Diagrammeigenschaften" aktivierten Felder "White Women", "Black Women" und "Hispanic or Latino Women"

    Diese Mini-Plots zeigen r-Werte mit divergierenden Farben, die der Stärke und Richtung der Beziehung entsprechen.

    Scatterplot, das die Beziehung zwischen den sechs Variablen zeigt

    Als Nächstes sollten Sie die Mini-Plots sortieren.

  12. Klicken Sie im Bereich Diagrammeigenschaften im Abschnitt Sortieren auf das Dropdown-Menü Sortieren nach, und wählen Sie r nach Pearson aus. Wählen Sie für Zielfeld das Feld Womens Median Income und dann für Sortierrichtung die Richtung Absteigend aus.

    Im Bereich "Diagrammeigenschaften" festgelegte Parameter für "Sortieren"

    Im Allgemeinen liegen die Werte zwischen +1 und -1. In der Scatterplotmatrix sollte nach drei Beziehungen gesucht werden:

    • Positive Korrelation, Werte näher bei +1.
    • Keine Korrelation, Werte nahe bei 0.
    • Negative Korrelation, Werte nahe bei -1.

    Drei Plots zeigen eine starke positive Beziehung mit den Werten 0,8, 0,55 bzw. 0,6. Als Nächstes sollten Sie die Variablen für die einzelnen Beziehungen erkunden.

    Scatterplotmatrix mit drei Plots mit starken positiven Beziehungen

  13. Klicken Sie im Diagramm auf das Feld mit dem r-Wert nach Pearson von 0,8.

    Der entsprechende Scatterplot für Education und Womens Median Income wird in der Scatterplotmatrix umrandet dargestellt.

    Scatterplot bei Auswahl der Option "r nach Pearson" mit dem Wert 0,8

    Der Plot mit dem Wert 0,8 stellt die Beziehung zwischen den Variablen Education und Womens Median Income dar. Erwartet wird, dass mit zunehmender Bildung auch das Einkommen zunimmt.

  14. Klicken Sie auf das Feld mit dem r-Wert von 0,55.

    Scatterplot bei Auswahl der Option "r nach Pearson" mit dem Wert 0,55

    Der Plot für die Variable White Women wird umrandet dargestellt. Da eine starke positive Beziehung zwischen "White Women" und mittlerem Einkommen besteht, nimmt mit zunehmendem Prozentsatz bei "White Women" auch das mittlere Einkommen zu.

  15. Klicken Sie auf das Feld mit dem r-Wert von 0,6.

    Der Plot, der die Beziehung zwischen den Variablen White Women und Education zeigt, ist umrandet dargestellt. Basierend auf dem Diagramm nimmt mit zunehmendem Prozentsatz bei "White Women" auch der Prozentsatz der Frauen mit Hochschulabschluss oder höher zu. Als Nächstes erkunden Sie, ob für "Black Women" eine ähnliche Beziehung besteht.

  16. Klicken Sie im Diagramm auf das Feld mit dem r-Wert -0,26 und -0,32.

    Plot-Darstellung bei Auswahl der r-Werte -0,32 und -0,26

    Die Plots für Black Women sind hervorgehoben und zeigen eine negative Korrelation im Hinblick auf die Beziehungen zwischen "Black Women", Einkommen und Bildung. Deshalb nehmen mit zunehmenden Prozentsätzen bei diesen zwei Gruppen sowohl Einkommen als auch Bildung ab.

  17. Um die Beziehungen zwischen "Hispanic Women" oder "Latino Women", Einkommen und Bildung zu erkunden, klicken Sie auf die r-Werte von -0,43 und -0,47.

    Scatterplots, die umrandet dargestellt werden, wenn die r-Werte für die Beziehung von "Hispanic Women" oder "Latino Women" mit Einkommen und Bildung ausgewählt sind

    Die Beziehungen zwischen "Hispanic Women" oder "Latino Women", Einkommen und Bildung zeigen eine negative Korrelation. Deshalb nehmen mit zunehmenden Prozentsätzen bei diesen zwei Gruppen sowohl Einkommen als auch Bildung ab.

  18. Wählen Sie das Feld mit dem r-Wert von -0,63 aus.

    Beziehung zwischen "Black Women" und "White Women" in der Scatterplotmatrix

    Der ausgewählte Plot stellt die Beziehung zwischen den Prozentsätzen bei "Black Women" und "White Women" dar, was bedeutet, dass mit zunehmenden Prozentsätzen bei der einen Gruppe die andere Gruppe abnimmt. Deshalb ist es wahrscheinlich, dass diese zwei Gruppen häufig nicht in denselben Gebieten leben.

  19. Schließen Sie alle geöffneten Fenster mit Ausnahme der Karte. Schließen Sie den Bereich Diagrammeigenschaften, und speichern Sie das Projekt.

    Soeben haben Sie die Daten mit einer Scatterplotmatrix mit r-Werten nach Pearson erkundet. Wenn Sie diese Indikatoren in einem Index verwenden möchten, dann müssen Sie berücksichtigen, ob sie für die Folgen von Bedeutung sind und/oder ob der jeweilige Indikator der Fokus des Index ist. Zum Beispiel würden Sie Hautfarbe und ethnische Herkunft in den Indexwertberechnungen nicht berücksichtigen, könnten diese Faktoren jedoch verwenden, um den Index aufzuschlüsseln. Als Nächstes sollten ein weiteres Beispiel betrachten: Lohngleichheit. Lohngleichheit ist eine abgeleitete Variable des Einkommens zwischen Frauen und ihren männlichen Pendants. Lohngleichheit gibt Aufschluss über die Geschlechterparität hinsichtlich des Einkommens. Bei einem Index mit den aktuell verwendeten Indikatoren können Sie sie jedoch ausschließen. Sie haben bereits das mittlere Einkommen als Variable. Wenn Sie zusätzlich diese Themengebiete ausweiten und Teilindizes mit mittlerem Einkommen, Lohngleichheit und einigen weiteren Datenpunkten verwenden möchten, dann würde dies besser funktionieren.

Einen Indikator auf der Karte darstellen

Nachdem Sie die Indikatordaten mit einer Scatterplotmatrix erkundet und ein Verständnis der Variablen gewonnen haben, können Sie den Layer Indicators mit bivariater Symbolisierung darstellen. Dazu werden Sie eine Karte der Beziehung zwischen Bildung und Einkommen erstellen. Beziehungskarten zeigen eine visuelle Darstellung zweier Variablen. Dies kann Ihnen beim Erkennen der Wechselwirkungen der Indikatoren in mehr als nur einer Dimension helfen, was häufig als Superdiversität oder Intersektionalität bezeichnet wird.

  1. Klicken Sie im Bereich Inhalt mit der rechten Maustaste auf den Layer Indicators, und klicken Sie dann auf Symbolisierung.

    Der Bereich Symbolisierung wird angezeigt.

  2. Klicken Sie für Primäre Symbolisierung auf das Dropdown-Menü, und wählen Sie Bivariate Farben aus.

    Auswahl von "Bivariate Farben" für "Primäre Symbolisierung" im Bereich "Symbolisierung"

  3. Wählen Sie für Feld 1 das Feld Education aus.
  4. Wählen Sie für Feld 2 das Feld Womens Median Income aus.
  5. Stellen Sie sicher, dass für Methode die Option Quantil ausgewählt ist.
  6. Stellen Sie sicher, dass für Gittergröße die Option 3 x 3 ausgewählt ist, und lassen Sie das Farbschema Rosa-Blau-Violett unverändert.

    Im Bereich "Symbolisierung" festgelegte Parameter "Feld 1", "Feld 2", "Methode" und "Gittergröße"

    Als Nächstes sollten Sie die Umrissfarbe ändern.

  7. Klicken Sie für Vorlage auf die vorhandene Farbe.

    "Vorlage" im Bereich "Symbolisierung"

  8. Klicken Sie auf die Registerkarte Eigenschaften. Klicken Sie für Umrissfarbe auf die vorhandene Farbe, und wählen Sie die Option Grau 30% aus.

    "Grau 30%" für "Umrissfarbe" auf der Registerkarte "Eigenschaften" im Bereich "Symbolisierung"

  9. Legen Sie die Umrissbreite auf 0,2 Punkte fest.

    Auf 0,2 Pkt festgelegte Umrissbreite

  10. Klicken Sie auf Übernehmen.

    Layer "Indicators" mit bivariaten Farben gestylt

    Damit wird die Beziehung zwischen Bildung und mittlerem Einkommen von niedrigen zu hohen Werten symbolisiert. Die Gebiete, in denen Bildung und mittleres Einkommen für Frauen hoch sind, werden in Violett geschummert. Dieses Gebiet ist hauptsächlich in Manhattan und ein Teil von Brooklyn.

  11. Benennen Sie den Layer in Education x Median Income for Women um.
  12. Speichern Sie das Projekt.

    Sie haben zwei Methoden für explorative Datenanalysen durchgeführt: Diagramme und Kartenerstellung. Mit Diagrammen können Sie die Stärke von Beziehungen untersuchen und Indikatoren identifizieren, die von einem Index ausgeschlossen werden sollten. Dies sind in der Regel hoch korrelierte Indikatoren, die Indexwerte verzerren können. Die Visualisierung auf Karten ermöglicht Ihnen das Erkennen von Mustern mehrerer Indikatoren, was ein Schlüssel zum Verständnis sozialer Prozesse ist.

In diesem Lernprogramm haben Sie den geographischen Ansatz zum Thema Gleichbehandlung und soziale Gerechtigkeit kennengelernt und auf die Indikatorentwicklung angewendet. Sie haben mit den Daten des American Community Survey Indikator-Layer vorbereitet, um Daten zu Bildung, Lohn und Einkommen zu erhalten. Außerdem haben Sie gelernt, wie Sie Bilddaten reklassifizieren und basierend auf den Pixeln in den Zählbezirk-Polygonen die Baumkronenabdeckung berechnen können. Danach haben Sie einen Indikator basierend auf Nähe entwickelt, der einen Blick auf den Zugang zu geschlechtsspezifischen Einrichtungen ermöglicht. Im letzten Schritt wurde eine explorative Datenanalyse durchgeführt, mit deren Hilfe Sie hoch korrelierte Indikatoren, die Indexwerte verzerren können, identifizieren können.

Diese Methodik der Indikatorentwicklung können Sie auch auf andere Interessenbereiche überall auf der Welt anwenden. Sie kann aber auch Daten berücksichtigen, die speziell für Ihre Community gelten. Wenn Sie eigene Indikatoren entwickeln, dann sollten Sie stets die Datenverarbeitung und die Indikatoren verwenden, die für Ihre langfristigen Ziele, Resultate und Bevölkerungen geeignet sind. Mehr zur explorativen Datenanalyse finden Sie in diesem Blogbeitrag.

Weitere Lernprogramme finden Sie in der Lernprogrammgalerie.