《基于ArcGIS的Python编程秘笈(第2版)》——2.8 添加图层到地图文档

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2.8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。

2.8 添加图层到地图文档

在很多情况下都需要把图层添加到地图文档中。制图模块提供了AddLayer()函数来实现这一功能。本节将介绍如何使用AddLayer()函数把图层添加到地图文档中。

2.8.1 准备工作
arcpy.mapping模块提供了在已有的地图文档中添加图层或图层组的功能。使用ArcMap 的自动排序功能,可以自动将一个图层添加到数据框中并显示出来。这个功能本质上与ArcMap中的“Add Data”按钮实现的功能是一样的,即根据几何类型和图层权重的规则,将图层添加到数据框中的适当位置。

小技巧: 

图层不能添加到图层文件(.lyr)中。
当把图层添加到地图文档中时,该图层必须引用一个已有的图层,即能够在磁盘上的图层文件、同一个地图文档和数据框、同一个地图文档但不相同的数据框或完全不同的地图文档中找到的图层。引用的图层可以是地图文档中的图层,也可以是图层文件(.lyr)中的图层。要将图层添加到地图文档中,首先创建Layer类的实例,然后调用AddLayer()函数,传入新的图层、图层要放置的数据框和图层放置的规则等参数。

2.8.2 操作方法
下面按步骤介绍如何将图层添加到地图文档中。

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

(2)单击ArcMap“标准”工具条上的“Python”按钮。

(3)导入arcpy.mapping模块。

import arcpy.mapping as mapping

(4)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")

(5)获取对Crime数据框的引用,它是ListDataFrames()函数返回的数据框列表中的第1个数据框。在代码的末尾指定[0]值,用来获取ListDataFrames()函数返回的数据框列表中的第1个数据框。因为列表的索引是从0开始的,所以需要使用索引值0来检索列表的第1个数据框。

df = mapping.ListDataFrames(mxd)[0]

(6)创建Layer对象,该对象引用一个图层文件(.lyr)。

layer =
mapping.Layer(r"C:\ArcpyBook\data\School_Districts.lyr")

(7)将图层添加到数据框中。

mapping.AddLayer(df,layer,"AUTO_ARRANGE")

(8)可以通过查看C:ArcpyBookcodeCh2AddLayersMapDocument.py解决方案文件来检查代码。运行脚本,School_Districts.lyr文件即可加载在数据框中,如图2-6所示。


<a href=https://yqfile.alicdn.com/526ccffe6b5495ffed7e11bdc8a0fe83c091268c.png" >

2.8.3 工作原理
首先,导入arcpy.mapping模块,并获取对当前活动地图文档的引用。接着,创建一个新变量df来存储对Crime数据框的引用,该引用是通过ListDataFrames()函数返回数据框列表并使用[0]访问列表中的第1项元素(Crime数据框)来获取的。然后,创建一个 Layer 类的实例 layer,layer 变量引用存储在磁盘上的名为School_Districts. lyr的图层文件。最后,调用AddLayer()函数,传入3个参数:图层要添加到的数据框(df)、引用的图层(layer)和自动排序方式(auto-arrange)。对于第3个可选参数,可以使用AUTO_ARRANGE(默认值)自动地放置图层在数据框中的位置,也可以使用BOTTOM或TOP,指定图层放置在数据框或图层组的底层或顶层。

2.8.4 拓展
arcpy.mapping模块提供的AddLayerToGroup()函数可以把图层添加到图层组中。使用该函数可以将图层添加到图层组的顶层或底层,也可以使用自动排序方式来放置图层的位置,还可以将图层添加到一个空的图层组中。请读者注意,跟图层对象一样,图层组也不能添加到图层文件中。

图层也可以从数据框或图层组中移出。RemoveLayer()函数用来移除指定数据框中的图层或图层组。如果有两个图层的名字相同,只移除检索到的第1个图层。只有在脚本中设置迭代,才可以将两个图层都移除。

相关文章
|
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
|
数据可视化 前端开发 数据挖掘
使用Folium在Python中进行地图可视化:全面指南
Folium是基于Python的交互式地图可视化库,依托Leaflet.js实现地理空间数据展示。本文从安装、基础使用到高级功能全面解析Folium:包括创建地图、添加标记、保存文件,以及绘制热力图、多边形和Choropleth地图等高级操作。通过展示北京市景点与全球地震数据的实际案例,结合性能优化、自定义样式和交互性增强技巧,帮助用户掌握Folium的核心功能与应用潜力,为数据分析提供直观支持。
422 2
|
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
|
机器学习/深度学习 设计模式 API
Python 高级编程与实战:构建 RESTful API
本文深入探讨了使用 Python 构建 RESTful API 的方法,涵盖 Flask、Django REST Framework 和 FastAPI 三个主流框架。通过实战项目示例,详细讲解了如何处理 GET、POST 请求,并返回相应数据。学习这些技术将帮助你掌握构建高效、可靠的 Web API。
|
6月前
|
Java API Docker
在线编程实现!如何在Java后端通过DockerClient操作Docker生成python环境
以上内容是一个简单的实现在Java后端中通过DockerClient操作Docker生成python环境并执行代码,最后销毁的案例全过程,也是实现一个简单的在线编程后端API的完整流程,你可以在此基础上添加额外的辅助功能,比如上传文件、编辑文件、查阅文件、自定义安装等功能。 只有锻炼思维才能可持续地解决问题,只有思维才是真正值得学习和分享的核心要素。如果这篇博客能给您带来一点帮助,麻烦您点个赞支持一下,还可以收藏起来以备不时之需,有疑问和错误欢迎在评论区指出~
在线编程实现!如何在Java后端通过DockerClient操作Docker生成python环境
|
6月前
|
机器学习/深度学习 设计模式 测试技术
Python 高级编程与实战:构建自动化测试框架
本文深入探讨了Python中的自动化测试框架,包括unittest、pytest和nose2,并通过实战项目帮助读者掌握这些技术。文中详细介绍了各框架的基本用法和示例代码,助力开发者快速验证代码正确性,减少手动测试工作量。学习资源推荐包括Python官方文档及Real Python等网站。

推荐镜像

更多