| 练习7 | 投票分析项目 |
| 数据 | 选举地图（GML） 选举统计（Microsoft Excel） |
| 总体目标 | 绘制投票模式统计图 |
| 演示 | 数据转换 |
| 启动工作区 | C:\fmedata2016\workspaces\desktopbasic\transformation-ex7-begin.fmw |
| 结束工作空间 | C:\fmedata2016\workspaces\desktopbasic\transformation-ex7-complete.fmw C:\fmedata2016\workspaces\desktopbasic\transformation-ex7-complete-advanced.fmw |
在地面维修项目的中断中，市选举官员听说了你的能力，并要求帮助确定在上次选举中投票率低的投票部门，或者在理解投票过程方面存在困难的分歧。
他请求您的帮助，您建议将结果以Google KML格式显示，因此，工作人员无需使用全面的地理信息系统就可以查看它们。
1）检查数据
启动FME数据检查器并打开我们将使用的两个数据集：
| 读者格式 | 地理标记语言 |
| 读者数据集 | C:\fmedata2016\data\elections\electionvoting.gml |
| 读者格式 | 微软Excel |
| 读者数据集 | C:\fmedata2016\data\elections\electionresults.xls |
注意，两个数据集都有一个划分属性，通过该属性可以识别每个投票划分（区域）。Excel数据是非空间数据，但具有一组其他投票属性：
- 选民：登记选民人数
- 选票：投票的选民人数
- 空白：留下空白或损坏选票的投票者人数
- 票数过多：投票支持过多候选人的选民人数
- 欠保护：未投票数
高估和低估属性是投票过程被理解程度的一个指标。每一位投票者可以投票选出最多10名候选人（30人中）。
高估者是指那些投票支持10多个候选人的选民。票数不足是指本来可以投的票数，但不是（例如，选民只投了5名候选人的票）。
2）启动工作台
启动工作台并打开启动工作区。它已经增加了读写器来处理数据；我们所要做的就是进行转换：
3）增加功能合并
第一个任务是将统计的选举数据合并到实际的特性中。我们将使用一个featuremerge transformer来实现这一点（本课程稍后将详细介绍这个transformer）。
添加一个功能更强的变压器。将VotingDivisions数据连接到请求程序端口，和议员(结果)数据给供应商。
4）设置参数
单击齿轮图标打开FeatureMerge参数对话框。对于请求者和供应商联接字段，单击下拉箭头和属性值>分割。
这是合并数据的常用键：
单击OK键关闭对话框。
5）增加检测变压器
在特性合并后添加一个inspector transformer：合并的输出端口。运行工作区。
忽略报告意外输入的任何警告或日志消息。
确保该连接上的功能计数与来自VotingDivisions的传入功能数相同（注意，委员会成员的数据中会有未使用的额外功能，因为这包括我们感兴趣的领域以外的部门）。
还要检查FME数据检查器中的数据，以确保所有分割多边形现在包括从Excel电子表格复制的一组属性数据：
6）增加ExpressionEvaluator
既然我们有了所需的数字，我们可以开始计算一些统计数字。为了做到这一点，我们将首先使用一个ExpressionEvaluator Transformer来计算每个分区的投票率百分比。
在FeatureMerger之后放置一个ExpressionEvaluator转换器——将它连接到FeatureMerger的合并输出端口——并打开parameters对话框。
将新属性设置为switch（以匹配目标模式中的内容）。
在表达式窗口中，将表达式设置为:
（@value（投票）/@value（投票人））*100
您不需要在中键入此内容，@value（投票）和@value（投票人）部分可以通过双击左侧列表中的属性获得。
单击“确定”关闭对话框。如果您希望重新连接一个检查器并重新运行翻译，看看结果如何。
7）增加ExpressionEvaluator
使用类似的技术，使用ExpressionEvaluator计算每个投票者的未投赞成票数量，并将其放入与输出模式匹配的属性中。表达式如下：
@价值（低估）/@价值（选民）
8)添加AttributeRounder
把我们的统计数字计算到13位或更多是有点过分了。我们应该稍微截断这些数字。
在变压器下方放置一个属性器。
打开参数对话框。在“要舍入的属性”下，选择新创建的道岔和低估属性。将小数位数设置为2：
单击“确定”关闭对话框，然后，再一次，如果愿意，运行工作区检查结果。
9）连接架构
最后一步，让我们将attributeRounder连接到输出模式。只需将attributeRounder连接到两种编写器功能类型：
运行工作区并检查GoogleEarth中的输出，以证明它具有正确的属性并位于正确的位置。
| 高级练习 |
| 项目已经完成，但产出非常明显。改进结果的外观会更好，有几种方法可以用KML实现这一点。 我们可以简单地根据他们的投票率/得票过多程度给投票区涂上不同的颜色，但更令人印象深刻的方法是使用三维块。 按照以下步骤在输出KML数据集中创建三维形状… |
10）增加ExpressionEvaluator
每个区段的高度应与该区段的道岔成比例。然而，为了使差异清晰可见，垂直比例需要放大。
在属性下方和道岔特征类型之间放置一个ExpressionEvaluator。将参数设置为将道岔属性乘以50。把它放入一个新的属性，叫做turnoutcaled。
11）增加3dforcer
添加一个3dforcer变压器。这将使功能提升到所需高度。打开parameters对话框，将标高设置为属性值> turnoutscale。
12）添加kmlpropertySetter
添加一个KMLPropertySetter转换器。这将允许我们在输出中设置3D块。打开参数对话框。设置：
- 高度模式：绝对
- 挤压：是的
13）添加kmlstyler最后添加一个kmlstyler变压器。工作区现在将如下所示：
打开参数对话框。为功能选择颜色和填充颜色。将填充不透明度增加到0.75左右。
保存并运行工作区。在Google Earth中，现在的输出应该如下所示：
这些3D模块将向用户显示城市中投票率高/低的地方。
如果你愿意，重复这些步骤，为低估的统计数据提供三维表示。
| 祝贺你 |
通过完成本练习，您证明了自己知道如何：
|