Résumé
Convertit une classe d'entités en tableau structuré NumPy.
Discussion
NumPy is a fundamental package for scientific computing in Python, including support for a powerful N-dimensional array object. For more information, see Working with NumPy in ArcGIS.
Pour convertir des tables en tableau NumPy, utilisez plutôt la fonction TableToNumPyArray.
Syntaxe
FeatureClassToNumPyArray (in_table, field_names, {where_clause}, {spatial_reference}, {explode_to_points}, {skip_nulls}, {null_value})
Paramètre | Explication | Type de données |
in_table | Classe d'entités, couche, table ou vue tabulaire. | String |
field_names [field_names,...] | Liste (ou tuple) de noms de champs. Pour un champ unique, vous pouvez utiliser une chaîne de caractères au lieu d'une liste de chaînes. Utilisez un astérisque (*) au lieu d’une liste de champs pour accéder à tous les champs de la table en entrée (les champs BLOB sont exclus). Toutefois, pour obtenir des performances plus rapides et un ordre des champs fiable, il est recommandé de limiter la liste des champs à ceux qui sont réellement nécessaires. Les champs raster et BLOB ne sont pas pris en charge. Les objets géométrie ne sont pas pris en charge par le jeton SHAPE@ ; toutefois, des informations géométriques peuvent être incluses à l’aide d'autres jetons tels que SHAPE@XY (un tuple des coordonnées du centroïde de l’entité), SHAPE@AREA et SHAPE@LENGTH. Il est possible d’accéder à des informations supplémentaires en utilisant des jetons (tels que OID@) à la place des noms de champs :
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.
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. (La valeur par défaut est *) | String |
where_clause | Expression optionnelle qui limite les enregistrements retournés. Pour plus d’informations sur les clauses WHERE et les instructions SQL, voir Référence SQL pour les expressions de requête utilisées dans ArcGIS. (La valeur par défaut est "") | String |
spatial_reference | Référence spatiale de la classe d’entités. Lorsque cet argument est spécifié, l’entité est projetée (ou transformée) à partir de la référence spatiale de l’entrée. Lorsqu’il n’est pas spécifié, la référence spatiale des classes d’entité en entrée est utilisée. Un objet SpatialReference ou une chaîne équivalente constitue une valeur valide. 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.
(La valeur par défaut est None) | SpatialReference |
explode_to_points | Déconstruire une entité en ses différents points ou sommets. Si explode_to_points est défini sur True, une entité multi-points avec cinq points, par exemple, est représentée par cinq lignes. (La valeur par défaut est False) | Boolean |
skip_nulls | Contrôler si les enregistrements utilisant des valeurs nulles sont ignorés. Il peut s’agir de la valeur booléenne True ou False, d’une fonction Python ou d’une expression lambda. Si le paramètre est défini sur True et qu’un des attributs de l’enregistrement est nul (y compris la géométrie), l’enregistrement est ignoré. Avec un paramètre False, skip_nulls tente d’utiliser tous les enregistrements, qu’ils soient nuls ou non. Dans un tableau NumPy, une valeur nulle est représentée par un nan (not a number) pour les valeurs numériques en virgule flottante, mais pas pour les nombres entiers. Skip all records that include a null.
Une fonction Python ou une expression lambda peut être utilisée pour permettre un contrôle plus fin, notamment en enregistrant les valeurs OID de tous les enregistrements qui comportent une valeur nulle. Dans les deux exemples ci-dessous, l’expression ou la fonction lambda est utilisée pour identifier les OID qui comprennent des enregistrements nuls. Use a function to capture all records that are skipped because of nulls.
Use a lambda expression to capture all records that are skipped because of nulls.
Remarque :Dans les tableaux NumPy, les valeur nulles sont représentées par nan dans les types de valeurs à virgule flottante et par None dans les types de texte. Les types de nombres entiers ne prennent pas en charge le concept de valeurs nulles. (La valeur par défaut est False) | Variant |
null_value | Remplace les valeurs nulles de l'entrée par une nouvelle valeur. null_value est remplacé avant l’évaluation de skip_nulls. Mask all None's in integer fields with a -9999.
Mask None's in integer fields with different values using a dictionary.
Attention :En fournissant un masque comme -9999, vous pouvez exporter des champs de type entier contenant des valeurs nulles vers un tableau NumPy, mais soyez prudents lorsque vous utilisez ces valeurs dans une analyse. Les résultats peuvent être faussés par inadvertance par la valeur introduite. (La valeur par défaut est None) | Integer |
Type de données | Explication |
NumPyArray | Tableau structuré NumPy |
Exemple de code
Convertir une table en tableau NumPy et effectuer certains calculs statistiques de base avec NumPy.
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())
Utilisez la fonction TableToNumPyArray pour déterminer les coefficients de corrélation pour deux champs.
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])))
Rubriques connexes
Vous avez un commentaire à formuler concernant cette rubrique ?