《基于ArcGIS的Python编程秘笈(第2版)》——2.10 更新图层的符号系统

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2.10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。

2.10 更新图层的符号系统

有时候需要改变地图文档中图层的符号系统,可以通过使用UpdateLayer()函数来实现,该函数还可以改变图层的各种属性。本节将介绍如何使用UpdateLayer()函数更新图层的符号系统。

2.10.1 准备工作
arcpy.mapping模块的UpdateLayer()函数具有更新图层符号系统的功能。例如,可以将图层的符号系统由分级颜色更新为分级符号,如图2-10所示。UpdateLayer()也可以用来更新各种图层属性,但在默认情况下是更新符号系统。因为UpdateLayer()是一个多功能的函数,既能改变符号系统,也能改变其他图层属性,所以读者需要掌握UpdateLayer()函数的各个参数。


7a81618736b18b78a675cd307e8f44f27b360a4f

2.10.2 操作方法
下面按步骤介绍如何使用UpdateLayer()函数更新图层的符号系统。

(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。

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

(6)定义将要更新的图层。

updateLayer = mapping.ListLayers(mxd,"Crime Density by
School District",df)[0]

(7)定义用于更新符号系统的源图层。

sourceLayer =
mapping.Layer(r"C:\ArcpyBook\data\CrimeDensityGradSym.lyr")

(8)调用UpdateLayer()函数来更新符号系统。

mapping.UpdateLayer(df,updateLayer,sourceLayer,True)

(9)可以通过查看C:ArcpyBookcodeCh2UpdateLayerSymbology.py解决方案文件来检查代码。

(10)运行脚本。可以发现“Crime Density by School District”图层的符号已由分级颜色变为分级符号,如图2-11所示。


<a href=https://yqfile.alicdn.com/d01191e072b8e617111dd8a350f73093b5c658e0.png" >

2.10.3 工作原理
在本节中,使用UpdateLayer()函数来更新图层的符号系统,但是没有进行属性的更新,更新属性的方法将在下节介绍。UpdateLayer()函数需要传入几个参数,包括数据框、将要更新的图层和源图层。在代码中,updateLayer变量是将要更新的图层,它存储对“Crime Density by School District”图层的引用。sourceLayer变量是源图层,它是包含分级符号的图层文件(CrimeDensityGradSym.lyr),用于更新图层的符号系统。

要更新图层的符号系统,首先必须确保更新图层和源图层有相同的几何图形(点、线、面)。根据渲染器的要求,还需要检查属性定义是否相同。例如,分级颜色和分级符号都基于一个特定的属性。在本节中,两个图层的几何类型均为面要素,且属性表中都含有记录犯罪密度信息的CrimeDens字段。

引用了这两个图层后,就调用UpdateLayer()函数,传入数据框(df)、更新图层(updateLayer)、源图层(sourceLayer)和用来表明仅更新符号系统的参数(True)。第4个参数True值,表明仅更新图层的符号系统,而不更新属性。

mapping.UpdateLayer(df,updateLayer,sourceLayer,True)

2.10.4 拓展
UpdateLayer()函数也提供移除一个图层并把另一个图层添加到该位置的功能,这两个图层可以完全不相关,因此不需要像定义图层符号系统一样,确保两个图层的几何类型和属性字段是相同的。这一功能在本质上与先调用RemoveLayer()函数再调用AddLayer()函数执行的操作是一样的。设置symbology_only参数的值为False,可以实现该功能。

相关文章
|
17天前
|
机器学习/深度学习 数据采集 供应链
使用Python实现智能食品安全追溯系统的深度学习模型
使用Python实现智能食品安全追溯系统的深度学习模型
41 4
|
7天前
|
机器学习/深度学习 人工智能 算法
【宠物识别系统】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+图像识别
宠物识别系统,本系统使用Python作为主要开发语言,基于TensorFlow搭建卷积神经网络算法,并收集了37种常见的猫狗宠物种类数据集【'阿比西尼亚猫(Abyssinian)', '孟加拉猫(Bengal)', '暹罗猫(Birman)', '孟买猫(Bombay)', '英国短毛猫(British Shorthair)', '埃及猫(Egyptian Mau)', '缅因猫(Maine Coon)', '波斯猫(Persian)', '布偶猫(Ragdoll)', '俄罗斯蓝猫(Russian Blue)', '暹罗猫(Siamese)', '斯芬克斯猫(Sphynx)', '美国斗牛犬
62 29
【宠物识别系统】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+图像识别
|
8天前
|
机器学习/深度学习 算法 前端开发
基于Python深度学习的果蔬识别系统实现
果蔬识别系统,主要开发语言为Python,基于TensorFlow搭建ResNet卷积神经网络算法模型,通过对12种常见的果蔬('土豆', '圣女果', '大白菜', '大葱', '梨', '胡萝卜', '芒果', '苹果', '西红柿', '韭菜', '香蕉', '黄瓜')图像数据集进行训练,最后得到一个识别精度较高的模型文件。再基于Django框架搭建Web网页端可视化操作界面,以下为项目实现介绍。
18 4
基于Python深度学习的果蔬识别系统实现
|
2月前
|
机器学习/深度学习 传感器 存储
使用 Python 实现智能地震预警系统
使用 Python 实现智能地震预警系统
131 61
|
1月前
|
弹性计算 数据管理 数据库
从零开始构建员工管理系统:Python与SQLite3的完美结合
本文介绍如何使用Python和Tkinter构建一个图形界面的员工管理系统(EMS)。系统包括数据库设计、核心功能实现和图形用户界面创建。主要功能有查询、添加、删除员工信息及统计员工数量。通过本文,你将学会如何结合SQLite数据库进行数据管理,并使用Tkinter创建友好的用户界面。
51 2
从零开始构建员工管理系统:Python与SQLite3的完美结合
|
21天前
|
Python
Python之音乐专辑管理系统
音乐专辑管理系统是一款用于管理和维护音乐专辑信息的应用程序,支持添加、删除、修改和查询专辑详情(如专辑名、艺术家、发行日期及曲目列表)。系统运行需Python 3.x环境,硬件要求较低,适合个人及小型团队使用。
41 4
|
22天前
|
Python
Python实现摇号系统
本文介绍了如何使用Python构建一个简单的摇号系统,包括用户输入、随机抽取、结果展示和日志记录等功能。通过导入`random`、`datetime`和`logging`模块,实现了从参与者名单中随机抽取中奖者,并记录每次摇号的结果,方便后续查看和审计。完整代码示例提供了从功能实现到主程序调用的全过程。
33 2
|
25天前
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的【垃圾识别系统】实现~TensorFlow+人工智能+算法网络
垃圾识别分类系统。本系统采用Python作为主要编程语言,通过收集了5种常见的垃圾数据集('塑料', '玻璃', '纸张', '纸板', '金属'),然后基于TensorFlow搭建卷积神经网络算法模型,通过对图像数据集进行多轮迭代训练,最后得到一个识别精度较高的模型文件。然后使用Django搭建Web网页端可视化操作界面,实现用户在网页端上传一张垃圾图片识别其名称。
74 0
基于Python深度学习的【垃圾识别系统】实现~TensorFlow+人工智能+算法网络
|
25天前
|
机器学习/深度学习 人工智能 算法
基于深度学习的【蔬菜识别】系统实现~Python+人工智能+TensorFlow+算法模型
蔬菜识别系统,本系统使用Python作为主要编程语言,通过收集了8种常见的蔬菜图像数据集('土豆', '大白菜', '大葱', '莲藕', '菠菜', '西红柿', '韭菜', '黄瓜'),然后基于TensorFlow搭建卷积神经网络算法模型,通过多轮迭代训练最后得到一个识别精度较高的模型文件。在使用Django开发web网页端操作界面,实现用户上传一张蔬菜图片识别其名称。
73 0
基于深度学习的【蔬菜识别】系统实现~Python+人工智能+TensorFlow+算法模型
|
1月前
|
机器学习/深度学习 数据采集 存储
使用Python实现智能农业灌溉系统的深度学习模型
使用Python实现智能农业灌溉系统的深度学习模型
160 6