js实现椭圆轨迹_新版白话空间统计（25）：方向分布（标准差椭圆）

方向分布是虾神最喜欢的一个空间统计工具，也是最简单明了，但是用处很广的一个

点模式的分析中，一般会考察如下五种内容：

1、点的疏密，包括点数据的分布探索，是否一致、均匀或者不均匀。

2、点的方位，包括点的分布和方向。

3、点的数量：多少（极值和均值）。

4、点的大小：代表的含义（如点一个点代表多少人口）。

5、其他，如点的一些动态变化等。

我们前面说的好几种算法，如中心要素、中位数中心和平均中心，都是关于点方位的分析，那么今天我们要讲的这个算法，就是同时对点的方向和分布进行分析的一种经典算法——标准差椭圆。

这算法最早是由美国南加州大学（University of Southern California）社会学教授韦尔蒂.利菲弗（D. Welty Lefever）在1926年提出，所以有的书里面，也把这个算法称为Lefever's "Standard Deviational Ellipse"（利菲弗方向性分布）（又到每天的历史起源科普时间……）。

这个算法最大的特点，就如同他的名词一样，是用来度量一组数据的方向和分布的，生成的结果又正如他的别名一样，会输出一个椭圆，如下：（在ArcMap中，仅能分析二维数据，在ArcGIS Pro中，支持三维点数据的分析，生成的结果是一个三维体）

今天我们就看看这个神奇的椭圆代表的啥意思。

椭圆是一个非常神奇的几何图形——如果说（哲学意义）圆不仅是几何图形，它是未分化的统一性的象征，在神秘主义哲学中，它代表了宇宙创生一分为二时刻之前的那个宇宙。那么椭圆就是开天辟地之后的万物运行轨迹——所以开普勒关于行星的运动定律里面，所有的轨迹都是椭圆形的。