《基于ArcGIS的Python编程秘笈(第2版)》——2.6 缩放至所选要素

简介:

本节书摘来自异步社区《基于ArcGIS的Python编程秘笈(第2版)》一书中的第2章,第2.6节,作者: 【美】Eric Pimpler(派普勒) 更多章节内容可以访问云栖社区“异步社区”公众号查看。

2.6 缩放至所选要素

创建选择集是ArcMap中常见的操作,选择集通常由属性查询或空间查询来创建,也可以由用户手动选择要素或其他方式来实现。为了更好地显示选择集,用户经常需要将视图缩放至所选要素的范围。Python有几种方法可以程序化地实现这一功能。本节将介绍如何在数据框和单独的图层中缩放至所选要素。

2.6.1 准备工作
DataFrame.zoomToSelectedFeatures()方法可以缩放至所有选择要素的范围,这些要素来自数据框的所有图层。在本质上,这个方法执行的操作与在ArcMap的菜单栏上单击“Selection | Zoom to Selected Features”所执行的操作是一样的。其中一个区别是,如果没有选中的要素,DataFrame.zoomToSelectedFeatures()方法会缩放至所有图层的全部范围(相当于全图显示)。

在一个单独图层中缩放至所选要素的范围,需要使用Layer对象。Layer对象包含的getSelectedExtent()方法,可以缩放至所选记录的范围。它同时返回一个Extent对象,该对象可以作为参数传递给DataFrame.panToExtent()方法。

2.6.2 操作方法
下面按步骤介绍如何获取和设置ArcMap中活动的数据框和活动的视图。

(1)在ArcMap中打开C:ArcpyBookCh2Crime_Ch2.mxd。

(2)查看ArcMap的“Table Of Contents”窗口,确保Crime是活动的数据框。

(3)单击“Table Of Contents”窗口中的“List By Selection”按钮。

(4)单击“Bexar County Boundaries”图层名称右边的“toggle”按钮,如图2-2所示,设置图层为“unselectable”(不可选)状态。


21df11477e2d782dd0564c45e8b18c31fc7ed293

(5)单击“Table Of Contents”窗口中的“List By Source”按钮。使用“Select Features”工具,用鼠标光标在Northside ISD区域的边界内拖曳出一个矩形框,矩形框包围一部分盗窃点集,即可选中一个特定学校区域的边界和一些盗窃点,如图2-3所示。


ac852818fdb9ba3f5cdde02071a2ae12626fd0d6

(6)单击ArcMap“标准”工具条上的“Python”按钮。

(7)导入arcpy.mapping模块。

import arcpy.mapping as mapping

(8)引用当前活动的地图文档(Crime_Ch2.mxd),把该引用赋值给变量。

mxd = mapping.MapDocument("CURRENT")

(9)获取活动的数据框(Crime),缩放至所选要素。

mxd.activeDataFrame.zoomToSelectedFeatures()

(10)如果没有选择要素,调用 zoomToSelectedFeatures()方法会缩放至数据框中所有要素的范围。单击“Selection | Clear Selected Features”,清除所选要素。此时,再执行相同的代码,比较清除操作前后zoomToSelectedFeatures()方法的执行结果。

mxd.activeDataFrame.zoomToSelectedFeatures()

(11)现在即将执行的步骤是缩放至特定图层上所选要素的范围。使用“Select Features”工具,在Northside ISD区域的边界内拖曳出一个矩形框,矩形框包围一部分盗窃点集。

(12)首先,获取对Crime数据框的引用。调用ListDataFrames()函数,传入Crime通配符参数,用来返回一个包含单独项的Python列表。使用[0]取出列表中的第一项元素,也就是这个返回的列表中唯一的一项元素。

df = mapping.ListDataFrames(mxd, "Crime")[0]

(13)其次,获取对Burglaries图层的引用,该图层包含所选要素。下面的代码使用通配符(*)搜索Crime数据框中的“Burglaries in 2009”图层。ListLayers()函数返回一个Python列表,使用[0]取出列表中的第一项元素,即一个名称中包含Burglaries字符的图层。

layer = mapping.ListLayers(mxd,"Burglaries*",df)[0]

(14)最后,通过获取图层中所选要素的范围来设置数据框的范围。

df.extent = layer.getSelectedExtent()

(15)缩放至所选要素的完整代码如下所示,也可以查看C:ArcpyBookcodeCh2ZoomSelectedExtent.py解决方案文件来检查代码。

import arcpy.mapping as mapping
mxd = mapping.MapDocument("CURRENT")
df = mapping.ListDataFrames(mxd, "Crime")[0]
layer = mapping.ListLayers(mxd,"Burglaries*",df)[0]
df.extent = layer.getSelectedExtent

2.6.3 工作原理
本节介绍了如何缩放至一个数据框的所有图层或特定图层中所选要素的范围。

缩放至一个数据框的所有图层中所选要素的范围,只需要引用当前活动的数据框,并调用zoomToSelectedFeatures()方法即可。

缩放至一个数据框的特定图层中所选要素的范围,需要编写的代码更复杂一些。首先,在导入arcpy.mapping模块后,获取对地图文档和Crime数据框的引用。然后,使用ListLayers()函数,传入对数据框的引用参数和通配符参数,搜索名称以Burglaries开头的图层。ListLayers()函数返回一个Python列表。因为本节使用的数据中只有一个图层符合通配符的搜索条件,所以取出列表中的第一个图层,并将其赋值给layer变量。最后,使用layer.getSelectedExtent()方法设置数据框的范围。

相关文章
|
6月前
|
机器学习/深度学习 存储 设计模式
Python 高级编程与实战:深入理解性能优化与调试技巧
本文深入探讨了Python的性能优化与调试技巧,涵盖profiling、caching、Cython等优化工具,以及pdb、logging、assert等调试方法。通过实战项目,如优化斐波那契数列计算和调试Web应用,帮助读者掌握这些技术,提升编程效率。附有进一步学习资源,助力读者深入学习。
|
3月前
|
Python
Python编程基石:整型、浮点、字符串与布尔值完全解读
本文介绍了Python中的四种基本数据类型:整型(int)、浮点型(float)、字符串(str)和布尔型(bool)。整型表示无大小限制的整数,支持各类运算;浮点型遵循IEEE 754标准,需注意精度问题;字符串是不可变序列,支持多种操作与方法;布尔型仅有True和False两个值,可与其他类型转换。掌握这些类型及其转换规则是Python编程的基础。
209 33
|
2月前
|
数据采集 分布式计算 大数据
不会Python,还敢说搞大数据?一文带你入门大数据编程的“硬核”真相
不会Python,还敢说搞大数据?一文带你入门大数据编程的“硬核”真相
78 1
|
3月前
|
设计模式 安全 Python
Python编程精进:正则表达式
正则表达式是一种强大的文本处理工具,用于搜索、匹配和提取模式。本文介绍了正则表达式的语法基础,如`\d`、`\w`等符号,并通过实例展示其在匹配电子邮件、验证电话号码、处理日期格式等场景中的应用。同时,文章提醒用户注意性能、编码、安全性等问题,避免常见错误,如特殊字符转义不当、量词使用错误等。掌握正则表达式能显著提升文本处理效率,但需结合实际需求谨慎设计模式。
134 2
|
4月前
|
数据采集 安全 BI
用Python编程基础提升工作效率
一、文件处理整明白了,少加两小时班 (敲暖气管子)领导让整理100个Excel表?手都干抽筋儿了?Python就跟铲雪车似的,哗哗给你整利索!
114 11
|
6月前
|
人工智能 Java 数据安全/隐私保护
[oeasy]python081_ai编程最佳实践_ai辅助编程_提出要求_解决问题
本文介绍了如何利用AI辅助编程解决实际问题,以猫屎咖啡的购买为例,逐步实现将购买斤数换算成人民币金额的功能。文章强调了与AI协作时的三个要点:1) 去除无关信息,聚焦目标;2) 将复杂任务拆解为小步骤,逐步完成;3) 巩固已有成果后再推进。最终代码实现了输入验证、单位转换和价格计算,并保留两位小数。总结指出,在AI时代,人类负责明确目标、拆分任务和确认结果,AI则负责生成代码、解释含义和提供优化建议,编程不会被取代,而是会更广泛地融入各领域。
185 28
|
6月前
|
机器学习/深度学习 数据可视化 TensorFlow
Python 高级编程与实战:深入理解数据科学与机器学习
本文深入探讨了Python在数据科学与机器学习中的应用,介绍了pandas、numpy、matplotlib等数据科学工具,以及scikit-learn、tensorflow、keras等机器学习库。通过实战项目,如数据可视化和鸢尾花数据集分类,帮助读者掌握这些技术。最后提供了进一步学习资源,助力提升Python编程技能。
|
6月前
|
设计模式 机器学习/深度学习 前端开发
Python 高级编程与实战:深入理解设计模式与软件架构
本文深入探讨了Python中的设计模式与软件架构,涵盖单例、工厂、观察者模式及MVC、微服务架构,并通过实战项目如插件系统和Web应用帮助读者掌握这些技术。文章提供了代码示例,便于理解和实践。最后推荐了进一步学习的资源,助力提升Python编程技能。
|
6月前
|
Python
[oeasy]python074_ai辅助编程_水果程序_fruits_apple_banana_加法_python之禅
本文回顾了从模块导入变量和函数的方法,并通过一个求和程序实例,讲解了Python中输入处理、类型转换及异常处理的应用。重点分析了“明了胜于晦涩”(Explicit is better than implicit)的Python之禅理念,强调代码应清晰明确。最后总结了加法运算程序的实现过程,并预告后续内容将深入探讨变量类型的隐式与显式问题。附有相关资源链接供进一步学习。
86 4
|
6月前
|
数据采集 搜索推荐 C语言
Python 高级编程与实战:深入理解性能优化与调试技巧
本文深入探讨了Python的性能优化和调试技巧,涵盖使用内置函数、列表推导式、生成器、`cProfile`、`numpy`等优化手段,以及`print`、`assert`、`pdb`和`logging`等调试方法。通过实战项目如优化排序算法和日志记录的Web爬虫,帮助你编写高效稳定的Python程序。

热门文章

最新文章

推荐镜像

更多