FeatureClassToNumPyArray (arcpy.da)

摘要

将要素类转换为 NumPy 结构数组。

讨论

FeatureClassToNumPyArray 函数与 TableToNumPyArray 函数类似。FeatureClassToNumPyArray 函数也为处理要素数据提供了附件参数。

NumPy 是 Python 中用于进行科学计算的基础包，其包括支持功能强大的 N 维数组对象。有关详细信息，请参阅在 ArcGIS 中使用 NumPy。

语法

FeatureClassToNumPyArray (in_table, field_names, {where_clause}, spatial_reference, {explode_to_points}, {skip_nulls}, {null_value})

参数	说明	数据类型
in_table	要素类、图层、表或表视图。	String
field_names [field_names,...]	字段名称列表（或组）。对于单个字段，可以使用一个字符串，而不使用字符串列表。 如果要访问输入表中的所有字段（栅格和 BLOB 字段除外），可以使用星号 (*) 代替字段列表。但是，为了获得较快的性能和可靠的字段顺序，建议您将字段列表限制在实际需要的字段。 不支持日期、几何、栅格和 BLOB 字段。 以令牌（如 OID@）取代字段名称可访问更多的信息： SHAPE@XY —一组要素的质心 x,y 坐标。 SHAPE@TRUECENTROID —一组要素的真正质心 x，y 坐标。 SHAPE@X —要素的双精度 x 坐标。 SHAPE@Y —要素的双精度 y 坐标。 SHAPE@Z —要素的双精度 z 坐标。 SHAPE@M —要素的双精度 m 值。 SHAPE@AREA —要素的双精度面积。 SHAPE@LENGTH —要素的双精度长度。 OID@ —ObjectID 字段的值。 Export a feature class to a numpy array. The output array will include a field for the Object ID and a field containing a tuple of the feature's centroid's x,y coordinates. import arcpy array = arcpy.da.FeatureClassToNumPyArray(fc, ["OID@", "SHAPE@XY"]) # The first row would look similar to the following: # (1, [-147.82339477539062, 64.86953735351562]) print(array[0]) SHAPE@M and SHAPE@Z tokens will only return values if the in_table contains point features and is m-aware (or z-aware). If the in_table contains polygon, polyline. or multipart features, SHAPE@M and SHAPE@Z will return a nan. Any feature class that is not m-aware or z-aware will not support SHAPE@M and SHAPE@Z tokens. (默认值为 *)	String
where_clause	用于限制所返回的记录的可选表达式。有关 WHERE 子句和 SQL 语句的详细信息，请参阅构建查询表达式和使用 Python 指定查询。 (默认值为 "")	String
spatial_reference	要素类的空间参考。可以使用 SpatialReference 对象或等效字符串来指定。 Use the spatial_reference argument to return coordinates in a different spatial reference. Here, a second feature class is described to access a spatial reference object. import arcpy SR = arcpy.Describe(fc2).spatialReference arcpy.da.FeatureClassToNumPyArray(fc, ["OID@", "SHAPE@XY", "EDUCATION"], spatial_reference=SR) (默认值为 None)	SpatialReference
explode_to_points	将要素解构为单个点或折点。如果将 explode_to_points 设置为 True，则一个包含五个点的多点要素将表示为五行。 (默认值为 False)	Boolean
skip_nulls	控制是否跳过使用空值的记录。可以是布尔值（true 或 false）、Python 函数或 lambda 表达式。 设置为 True 时，只要记录的属性出现空值（包括几何图形），就跳过该记录。如果设置为 False，skip_nulls 将尝试使用所有记录，而不考虑空值（对于浮点数值，NumPy 支持 nan，对于整数则不支持）。 Skip all records that include a null. import arcpy array = arcpy.da.FeatureClassToNumPyArray(fc, fields, skip_nulls=True) 使用 Python 函数或 lambda 表达式可进行更精细的控制，包括对含有空值的所有记录的 OID 值进行记录。在以下两个示例中，使用 lambda 表达式或函数来识别含有空记录的 OID。 Use a function to capture all records that are skipped because of nulls. import arcpy def getnull(oid): nullRows.append(oid) return True nullRows = list() array = arcpy.da.FeatureClassToNumPyArray(table, fields, skip_nulls=getnull) print(nullRows) Use a lambda expression to capture all records that are skipped because of nulls. import arcpy nullRows = list() array = arcpy.da.FeatureClassToNumPyArray(fc, fields, skip_nulls=lambda oid: nullRows.append(oid)) print(nullRows) 注: 在 NumPy 数组中，空值以浮点型（如 nan）和文本类型（如 None）表示。整型不支持空值概念。 (默认值为 False)	Variant
null_value	将输入的空值替换为新值。 在计算 skip_null 之前，替换 null_value。 Mask all None's in integer fields with a -9999. import arcpy fields = ['field1', 'field2'] arcpy.da.FeatureClassToNumPyArray(fc, fields, null_value=-9999) Mask None's in integer fields with different values using a dictionary. import arcpy fields = ['field1', 'field2'] nullDict = {'field1':-999999, 'field2':-9999} arcpy.da.FeatureClassToNumPyArray(fc, fields, null_value=nullDict) 警告: 对于掩膜（例如 -9999）允许将包含空值的整型字段导出到 NumPy 数组的情况，使用这些值进行分析时应格外小心。分析结果可能因引入的值而意外偏斜。 (默认值为 None)	Integer

返回值

数据类型	说明
NumPyArray	NumPy 结构化数组。

代码实例

将表转化为 numpy 数组，并对 numpy 运算某些基本统计数据。

import arcpy
import numpy

input = "c:/data/usa.gdb/USA/counties"
arr = arcpy.da.FeatureClassToNumPyArray(input, ('STATE_NAME', 'POP1990', 'POP2000'))

# Sum the total population for 1990 and 2000
#
print(arr["POP1990"].sum())
print(arr["POP2000"].sum())

# Sum the population for the state of Minnesota
#
print(arr[arr['STATE_NAME'] == "Minnesota"]['POP2000'].sum())

使用 TableToNumPyArray 确定两个字段的相关系数。

import arcpy
import numpy

input = "c:/data/usa.gdb/USA/counties"
field1 = "INCOME"
field2 = "EDUCATION"

arr = arcpy.da.FeatureClassToNumPyArray(input, (field1, field2))

# Print correlation coefficients for comparison of 2 field values
#               
print(numpy.corrcoef((arr[field1], arr[field2])))