Estandarizar campo (Herramientas de administración de datos)

Resumen

Estandariza los valores de los campos al convertirlos en valores que siguen una escala especificada. Entre los métodos de estandarización se encuentran puntuación z, mínimo-máximo, máximo absoluto y estandarización sólida.

Ilustración

Estandarice los valores de un campo utilizando uno de los cuatro métodos.

Uso

Precaución:

Esta herramienta modifica los datos de entrada. Consulte Herramientas que modifican o actualizan los datos de entrada para obtener más información y estrategias para evitar cambios de datos no deseados.

• Hay cuatro métodos de estandarización: Puntuación Z, Mínimo-máximo, Máximo absoluto y Estandarización sólida.

  • El método Puntuación Z mide la diferencia entre un valor y el valor medio de todos los valores del campo utilizando desviaciones estándar, también conocidas como puntuación estándar.

    • Potential application—Evalúe la importancia de un valor en relación con la distribución de los valores en un campo. Por ejemplo, la participación de votantes de un condado se puede evaluar en el contexto de otros condados de todo el país, ayudando a identificar patrones típicos de participación de votantes y condados con una participación significativamente alta y baja de votantes.

    • Consideration—Este método espera una distribución normal. No se recomienda este método si la distribución de los datos está muy sesgada.

    • Equation—, donde x^' es el valor estandarizado, x es el valor original, x̄es el valor medio (promedio) y σ_x es la desviación estándar.

  • El método Mínimo-máximo conserva las relaciones entre los valores de datos originales y convierte al mismo tiempo los valores a una escala entre los valores mínimo y máximo especificados por el usuario.

    • Potential application—A un asesor inmobiliario podría interesarle escalar las características de las viviendas, como el número de habitaciones de una vivienda o la antigüedad de la vivienda en años, a la misma escala antes de utilizar estas características en un modelo, como la herramienta Clasificación y regresión basadas en bosque.

    • Consideration—Este método es propenso a ser influido por valores atípicos, o valores extremos, en los datos.

    • Equation—, donde x^' es el valor estandarizado, x es el valor original, min(x) es el mínimo de los datos, max(x) es el máximo de los datos, a es el mínimo especificado por el usuario y b es el máximo especificado por el usuario.

  • El método Máximo absoluto compara la diferencia entre un valor y el valor máximo absoluto de una distribución, dividiendo cada valor entre el valor máximo absoluto del campo.

    • Potential application—Este método resulta útil cuando se trabaja con datos que tienen un máximo estable y lógico, y se desea comparar cada valor con este máximo. Por ejemplo, el número de votos de un condado no puede contener más votos que el número de personas en edad de votar del condado. El condado con la mayor proporción de votos se convierte en este máximo y el resto de condados se evalúan en relación con la participación máxima absoluta de votantes.

    • Consideration—La escala de salida está entre -1 y 1. Unos valores positivos mayores corresponden a valores cercanos a 1 y unos valores negativos mayores corresponden a valores cercanos a -1.

    • Equation—, donde x^' es el valor estandarizado, x es el valor original y max(|x|) es el máximo de los valores absolutos de los datos.

  • El método Estandarización sólida estandariza los valores de los campos especificados utilizando una variante sólida de la puntuación z. Esta variante utiliza la mediana y el rango entre cuartiles en lugar del valor medio y la desviación estándar.

    • Potential application—A un asesor inmobiliario intenta estimar los valores de las viviendas de una ciudad y un vecindario exclusivo con valores de viviendas extremadamente altos da lugar a valores atípicos en los datos. El asesor utiliza una estandarización sólida para reducir el impacto de estos valores atípicos en la distribución de los valores de las viviendas de la ciudad.

    • Consideration—Gracias al uso de la mediana y el rango entre cuartiles, puede ser un método eficaz al intentar reducir la influencia de los valores atípicos en la distribución.

    • Equation—, donde x^' es el valor estandarizado, x es el valor original, median(x) es la mediana de los datos e IQR(x) es el rango entre cuartiles de los datos.

• Si se proporcionan varios campos, el método de estandarización especificado se aplica a todos los campos.

• La herramienta modifica los datos de entrada e incorpora los campos estandarizados recién creados a la tabla o clase de entidad de entrada.

• Para cada campo seleccionado, se proporcionan estadísticas de resumen en los resultados de los mensajes de geoprocesamiento. Entre ellas se incluyen máximo, mínimo, suma, valor medio, desviación estándar, mediana, sesgo y curtosis.

• En la estandarización de la puntuación z, la desviación estándar se calcula dividiendo la desviación al cuadrado de la media entre N, para N registros, y sacando la raíz cuadrada. Algunas implementaciones de la desviación estándar se dividen entre (N-1), lo que ocasiona diferencias en la desviación estándar estimada.

Parámetros

• Dialog
• Python

Etiqueta	Explicación	Tipo de datos
Tabla de entrada	Tabla que contiene el campo con los valores que se estandarizarán.	Table View; Raster Layer; Mosaic Layer
Campo a estandarizar	Campos que contienen los valores que se estandarizarán. Para cada campo, se puede especificar un nombre de campo de salida. Si no se proporciona ningún nombre de campo de salida, la herramienta creará un nombre de campo de salida utilizando el nombre del campo y el método seleccionado. Columnas de la tabla de valores: Input Field—The field that will be standardized. Output Field Name—The name of the output field. The output field can be a new or existing field.	Value Table
Método de estandarización (Opcional)	Especifica el método que se utilizará para estandarizar los valores contenidos en los campos especificados. Puntuación z—Se utilizará la puntuación estándar (puntuación Z), que es el número de desviaciones estándar por encima o por debajo del valor medio. La fórmula de puntuación Z calcula la diferencia entre el valor y el valor medio de los valores de la columna, dividido por la desviación estándar de los valores de la columna. Esta es la opción predeterminada. Mínimo-máximo—Los valores se convertirán a una escala entre los valores mínimo y máximo especificados por el usuario. Máximo absoluto—Cada valor de la columna se dividirá por el valor máximo absoluto de la columna. Estandarización sólida—Se utilizará una variante sólida de la fórmula de Puntuación Z para estandarizar los valores de los campos especificados. Esta variante utiliza la mediana y el rango entre cuartiles en lugar del valor medio y la desviación estándar.	String
Valor mínimo (Opcional)	Valor que utilizará el método Mínimo-máximo del parámetro Método de estandarización para especificar el valor mínimo en la escala de los valores de salida proporcionados.	Double
Valor Máximo (Opcional)	Valor que utilizará el método Mínimo-máximo del parámetro Método de estandarización para especificar el valor máximo en la escala de los valores de salida proporcionados.	Double

Salida derivada

Etiqueta	Explicación	Tipo de datos
Tabla de entrada actualizada	La tabla que contiene los nuevos campos codificados.	Table View

Entornos

Extensión

Información de licenciamiento

• Basic: Sí
• Standard: Sí
• Avanzado: Sí

Temas relacionados

• Descripción general del conjunto de herramientas Ingeniería de datos
• Buscar una herramienta de geoprocesamiento
• Codificar campo
• De estadísticas de campo a tabla
• Reclasificar campo
• Transformar campo
• Reducción de dimensión