Skip to main content

Sélections de la rédaction

Notre cadeau : la vue ultime pour organiser vos données

Published Date

Quelle que soit la fête que vous célébrez en cette saison, déballez la vue Data Engineering pour explorer et visualiser plus efficacement vos données. Vous méritez des données bien organisées pour l’analyse et la cartographie.

Ce que vous voulez pour les fêtes, ce sont des données SIG organisées de manière ordonnée, de sorte que vous disposiez des bons emplacements et attributs spatiaux pour alimenter vos flux de travaux d’analyse et de cartographie. En organisant vos données, vous réduirez presque à néant les redoutables problèmes d’entrée et de sortie de données au sein de votre SIG. Il n’en demeure pas moins que la collecte des données s’avère souvent difficile, désordonnée et chronophage.

Une image divisée en quatre quadrants par un ruban cadeau rouge vif. Les quadrants contiennent différentes images : en haut à gauche, une mère canard nage avec ses canetons; les coins supérieur et inférieur droit montrent une table d’attributs dans ArcGIS Pro; et en bas à gauche, une icône intitulée « Data Engineering » (ingénierie des données) se trouve à côté de l’emblème d’ArcGIS Pro.

Offrez-vous en cadeau des données bien préparées et mises en rang (get your ducks in a row) de sorte qu’elles glissent en toute aisance dans vos flux de travaux SIG (comme des canards sur l’eau).

Présentation de la vue Data Engineering (ingénierie des données)

Pourquoi ne pas vous offrir une nouvelle vue sur vos données? La vue Data Engineering (ingénierie des données) vous aide à simplifier vos flux de travaux d’exploration et de préparation des données dans ArcGIS Pro. Data Engineering est une vue dédiée compatible avec toutes les couches d’entités et les tableaux autonomes, intégrée directement dans votre SIG de bureau préféré, et disponible avec tous les niveaux de licence d’ArcGIS Pro. Vous avez bien lu! Pas besoin de licence ni de module d’extension supplémentaires. Il suffit d’ajouter vos classes d’entités ou vos tables autonomes à une vue cartographique, puis de sélectionner la couche qui vous intéresse dans le volet Contents (contenu). Vous pouvez ouvrir une vue Data Engineering à partir de plusieurs emplacements pratiques dans ArcGIS Pro :

  • le menu contextuel qui s’affiche en cliquant droit sur la couche sélectionnée;

  • l’onglet contextuel Data (données);

  • l’onglet du ruban Analysis (analyses);

  • la vue Fields (champs);

  • la vue Attribute Table (table d’attributs).

Une fois que vous avez cliqué sur le bouton Data Engineering à partir de l’un des emplacements ci-dessus, vous verrez la vue et le ruban associés. Vous pouvez même ouvrir plusieurs vues en même temps, car chaque couche possède sa propre vue Data Engineering!

Exploration des données : c’est ici que vous acquérez une compréhension approfondie des champs et de leurs valeurs dans vos données. Vous pouvez afficher une liste de tous les champs d’intérêt par type, ainsi que leurs valeurs nulles, des diagrammes d’aperçu et des statistiques descriptives. La vue Data Engineering génère automatiquement un diagramme fondé sur le type de données du champ d’attribut, mais il se peut que vous souhaitiez visualiser les données dans d’autres types de diagrammes qui affichent d’autres caractéristiques et relations. Vous pouvez rapidement calculer et afficher les mesures statistiques et de qualité des données des champs sous forme de colonnes dans un tableau afin d’évaluer la qualité et la distribution des valeurs. Quelle amélioration par rapport au tri dans le tableau et à l’utilisation de l’outil Summary Statistics (résumés statistiques) pour chaque champ! Vous pouvez immédiatement trouver les réponses aux questions suivantes : combien de champs contient cet ensemble de données? Ce champ contient-il des valeurs nulles? Quelle est la somme des valeurs de ces entités sélectionnées? Quelle est la valeur moyenne pour tous les enregistrements (ou une sélection d’enregistrements)?

Préparation des données : c’est ici que vous modifiez et nettoyez les données pour les préparer aux étapes suivantes. Tous les outils du ruban Data Engineering sont également accessibles par le volet Geoprocessing (géotraitement), mais les raccourcis proposés ici permettent de gagner du temps lors de la recherche. Le ruban contextuel permet d’accéder facilement à des outils répartis en quatre catégories : nettoyer, construire, intégrer et formater.

  • Nettoyez vos données en supprimant les champs inutiles, en modifiant les champs, en les projetant dans divers systèmes de coordonnées, en supprimant des lignes, en complétant les valeurs manquantes ou en détectant les valeurs spatiales aberrantes.
  • Construisez vos données en ajoutant et en calculant un nouveau champ, en calculant des taux bruts ou ajustés (par exemple, par estimations bayésiennes), en calculant des attributs géométriques, en transformant des valeurs de champ continues par l’application de fonctions mathématiques, en normalisant des valeurs de champ qui suivent une échelle définie, en réduisant les dimensions de plusieurs attributs de données (par exemple, analyse en composantes principales ou analyse discriminante linéaire) ou en ajustant des données de séries temporelles.

  • Intégrez vos données en les ajoutant, en les joignant sur la base de relations spatiales, en les joignant sur la base de champs d’attributs communs, en calculant les informations de proximité entre les entités, en les résumant dans une superposition de polygones, en les résumant à une distance spécifiée entre les entités, en échantillonnant les valeurs matricielles en données ponctuelles, en ajoutant des faits démographiques ou paysagers en tant que nouveaux champs par enrichissement de données, ou en répartissant les polygones pour résumer les attributs numériques dans une superposition de polygones.

  • Formatez vos données en convertissant des champs temporels ou de fuseau horaire, en créant un tableau croisé dynamique, en transposant des champs, en reclassant des champs à l’aide de diverses méthodes de reclassification (enfin, tout comme ce que vous pouvez faire avec la reclassification des données matricielles, mais pour les couches d’entités et les tables autonomes!) ou en codant des champs catégoriels qui peuvent prendre en charge les flux de travaux statistiques.

Les cadeaux!

C’est la saison des cadeaux. Permettez-nous de vous aider à déballer la vue Data Engineering avec les ressources suivantes qui vous permettront de mieux organiser vos données.

Ce billet a été écrit en anglais par Charlene Nielsen et peut être consulté ici.