我要处理位置数据(空间分析)
我要处理位置数据:再看空间关系
查数据、处理数据、画地图 —— 到这里,你已经能把数据从"一堆表格"变成"一张好看的地图"了。
但有时候光看分布还不够。你还想知道更深一层的东西:
"这些门店分别属于哪个商圈?""学校周边 200 米有没有网吧?""两块地重叠的部分有多大?""从 10 个仓库到 50 个客户的最短路距离分别是多少?"
这些问题的本质都是在问 数据之间的空间关系 —— 谁在谁里面、谁离谁最近、谁和谁重叠。「地理数据分析」工具箱提供了 13 个专业工具,分为三组,帮你回答各种空间分析问题。
如果你是从首页那张 「我要处理位置数据」 卡片点进来的,这一页更适合下面这些情况:
- 你已经有了点、线、面、边界、路网这些数据,下一步要开始分析
- 你想回答“落在哪个片区”“覆盖够不够”“哪条路线最近”“哪些区域更像一类”这类问题
- 你不确定该用缓冲区、空间连接、聚类还是路网分析,想先按问题找路
如果你现在还卡在坐标没统一、格式不对、地址还没拆开,那先回到 我要处理位置数据(数据准备)。
💡 数据分析类工具全部免费,数据行数不限。
首页这张卡片里,哪些任务会落到这里
- 空间数据裁剪与投影:先定投影,再接 数据裁剪
- 区域分析与评估:适合缓冲区、叠加、融合这类区域判断
- 点面关系与空间匹配:适合判断门店属于哪个区,再接 空间连接
- 服务覆盖与选址评估:适合覆盖率、生活圈、候选点评估
- 区域聚类分析:适合按区域特征自动分组
- 门店与客户分群:适合门店或客户按特征做分群
- 路网分析:适合路网拓扑、OD 矩阵、最近设施分析
- 空间共位模式分析:适合回答“两类点是不是总爱挨在一起”
通用空间分析(8 个工具)
批量点面关系判断 —— 判断一批坐标点分别落在哪个多边形区域内
最基础也最实用的空间分析操作。给你一堆"点"和一堆"面",告诉你每个点属于哪个区域。
空间共位分析 —— 分析两类(或多类)地理要素是否倾向于出现在同一地方
比如"奶茶店是不是总开在便利店旁边"。提供局部 LCLQ、全局 CLQ 矩阵、共位模式挖掘、Cross-K 多尺度分析四种模式,带置换检验显著性和地图可视化。附有 原理与参数详解。
缓冲区分析 —— 对点/线/面生成一定距离范围的缓冲区
比如"学校周边 200 米禁售区"。支持单环和多环缓冲,可选融合重叠区域。
叠加分析 —— 两组矢量数据的空间叠加运算
比如"两块地的重叠部分"。支持相交、合并、擦除、对称差异四种方式。
空间连接 —— 按空间位置关系将一组数据的属性挂到另一组上
比如"把门店属性挂到商圈上"。按空间关系自动关联,不需要共同字段。
近邻分析 —— 计算每个源点到目标点集中最近 K 个点的距离
比如"找到离我最近的 3 家医院"。返回距离和目标点信息。
融合 (Dissolve) —— 按指定字段合并面要素
比如"把同省的区县合并成省"。支持求和、计数、平均等聚合统计。
几何计算 —— 批量计算面积、周长、长度、质心等几何属性
比如"算一下这块地有多大"。自动选择最优投影,结果精确可靠。
数据分群(1 个工具)
聚类分析 —— 把一批数据按相似度自动分成几组
比如"200 家门店按经营指标分成标杆店、普通店、待优化店"。提供 K-Means、层次聚类、DBSCAN 三种算法,自动推荐最佳分组数,带轮廓系数等评估指标和 ECharts 可视化图表。
路网分析(4 个工具)
数据裁剪 —— 用面范围裁剪点/线矢量数据
比如"只保留研究区域内的路网"。快速从大数据集中提取感兴趣区域。
数据投影 —— 统一矢量数据的坐标投影
比如"同一份地图用不同尺子量"。内置常用预设 + EPSG 自定义输入。
路网拓扑处理 —— 导入 OSM 路网数据,自动构建网络图并清洗拓扑
比如"修路前先清理路网数据"。为 OD 矩阵分析做数据准备。
OD 矩阵分析 —— 基于路网计算起终点之间的最短路径距离/时间矩阵
比如"10 个仓库到 50 个客户的最短路矩阵"。需要先用路网拓扑处理工具准备路网数据。
还有一个"数据预览"入口
打开「地理分析工具箱」后,顶部第一个 Tab 是「数据预览」—— 你可以在这里快速导入 SHP / GeoJSON / KML / GPKG 等地理数据文件,秒开预览,看看有几行、什么字段、坐标长什么样。
如果你的数据是 Excel 或 CSV(非地理专用格式),用数据魔方里的 数据快速预览助手 更方便。
做完了,检查一下
如果你已经知道自己的问题属于"空间关系"还是"路网距离"还是"数据分群"——这一页就起作用了。
接下来,直接去看和你任务最接近的那一篇。
如果你还是拿不准,最常用的三个起点是:批量点面关系判断、缓冲区分析、聚类分析。
如果分析做到一半才发现数据本身还没准备好,也别硬往下做,先回 我要处理位置数据(数据准备) 把前面那一步补上。
