当前位置：首页 > wzjs >正文

阿里云可以做网站么优化网站的目的

wzjs 2025/8/29 8:32:25

阿里云可以做网站么,优化网站的目的,湖南网站seo,一个空间建多个网站本文介绍基于Python中的ArcPy模块，以Excel表格内的信息，对遥感影像加以重分类的方法。首先，明确一下本文的需求。现有按照文章ArcPy批量将栅格文件的属性表导出为Excel表格的方法（https://blog.csdn.net/zhebushibiaoshifu/artic…

本文介绍基于Python中的ArcPy模块，以Excel表格内的信息，对遥感影像加以重分类的方法。

首先，明确一下本文的需求。现有按照文章ArcPy批量将栅格文件的属性表导出为Excel表格的方法（https://blog.csdn.net/zhebushibiaoshifu/article/details/146456864）中方法，从大量遥感影像中导出的栅格数据属性表，其均为.csv格式的表格文件。以其中一个.csv格式文件为例，其数据信息如下图所示。

其中，.csv文件的VALUE列表示遥感影像原本的像素值；而我们希望，将每一个像素，由原本的值（VALUE列）重分类为上图中mvalue列表示的值——例如，如果原本像素为1，那么将其重分类为123000。此外，还需要注意，对于mvalue列，如果其原本的数字位数不够6位，则在其右侧补0直至满6位——例如，如果mvalue列原本的值为23，那么需要在重分类时，重分类为230000。

明确了需求，我们就可以开始撰写代码。本文所用代码如下。

# -*- coding: utf-8 -*-import arcpy
import os
import pandas as pd
from arcpy.sa import *tif_folder = r'E:/06_Extra/202503_SC/TIFF/'
csv_folder = r'E:/06_Extra/202503_SC/Re/'
output_folder = r'E:/06_Extra/202503_SC/ReTIFF2/'def format_value(val):"""确保 mvalue 值为6位，在右侧补0"""if val == "":return Nonetry:# 确保是整数，并转换为字符串str_val = str(int(val))# 计算需要补充的0的数量padding_length = 6 - len(str_val)if padding_length > 0:# 在右侧填充0formatted_val = str_val + '0' * padding_lengthelse:# 如果已经是或超过6位，则直接返回formatted_val = str_valreturn int(formatted_val)except ValueError:return Nonetif_files = [f for f in os.listdir(tif_folder) if f.endswith('.tif')]for tif_file in tif_files:tif_path = os.path.join(tif_folder, tif_file)print(tif_path)csv_file = tif_file.replace('.tif', '.tif.csv')csv_path = os.path.join(csv_folder, csv_file)print(csv_path)df = pd.read_csv(csv_path)df = df.dropna(subset=['mvalue'])df['mvalue'] = df['mvalue'].apply(format_value)df = df.dropna(subset=['mvalue'])  # 再次删除格式化后可能产生的NaN值if df.empty:print("No valid data found in {}, skipping.".format(csv_file))continuereclass_rules = []for index, row in df.iterrows():value = int(row['Value'])mvalue = int(row['mvalue'])print(mvalue)  # 打印格式化后的 mvalue 值reclass_rules.append((value, mvalue))myRemapValue = RemapValue(reclass_rules)reclass_table = arcpy.sa.Reclassify(tif_path, "Value", myRemapValue, "NODATA")# 输出路径output_path = os.path.join(output_folder, tif_file)# 保存重分类后的栅格数据reclass_table.save(output_path)print("Batch processing completed.")

其中，代码整体思路也很简单。

首先，tif_folder是存储.tif格式栅格图像文件的路径，csv_folder是存储与每个.tif文件对应的.csv文件的路径，也就是包含重分类规则的Excel文件的路径；output_folder则是用于保存处理后的重分类结果（也是.tif文件）的路径。

随后，format_value函数接收一个数值val，将其转换成字符串，并保证长度为6位；如果不足6位，则在右侧填充0，如果输入为空或无效值，则返回None。

接下来，列出tif_folder目录下所有以.tif结尾的文件名，并循环遍历每一个文件——首先构建当前.tif文件的完整路径，随后查找对应的.csv文件（同名但扩展名为.tif.csv的文件）；使用Pandas读取.csv文件，删除mvalue列中为空的行，对mvalue列应用上面定义的format_value函数进行格式化；随后，再次删除格式化失败导致的空值；如果处理后没有有效数据，跳过该文件。

紧接着，遍历DataFrame的每一行，提取Value和格式化后的mvalue，将它们构造成一个元组(原值, 新值)，存入reclass_rules列表。随后，使用arcpy.sa.RemapValue()创建一个映射规则对象，并调用arcpy.sa.Reclassify()进行重分类——输入栅格为tif_path，按照像素值Value进行重分类（应用myRemapValue规则），且未匹配的像素设为NODATA。