主要闡述的邏輯線存在並行的兩條線,一個是針對Python的,從對於Python介紹、數據結構、基本語句到創建函數、創建類和異常;另一個是針對ArcGIS下的Python,從ArcPy站點包、訪問以及管理地理信息數據的方法、處理要素類、處理柵格數據到網絡分析和與地理處理模型的結合方法。兩條線同時推進闡述,互相支持印證,並結合實際解決問題的應用方法,例如如何轉化KML文件和.dwg格式文件並增加字段數據,以及適宜性分析柵格計算重分類的方法和尋找最近設施點的網絡分析,遺傳算法應用等。
包瑞清,西安建築科技大學建築學院講師。
城市規划與設計專業博士,任教於西安建築科技大學建築學院,主攻計算機輔助設計應用研究,從作為設計者的角度尋找和融合編程與建築、風景園林、城鄉規划等設計規划學科之間的關聯,建立面向設計師的編程設計知識系統,力圖使編程設計成為設計領域的基礎環節,探索未來設計的方法。
2012年,作為caDesign設計創始人之一,以「編程讓設計更具創造力!」的信念為指引,分享研究成果,發展面向設計師的編程設計知識系統網絡服務體系。
目錄
9Python 與ArcGIS
10 1 Python
12 2 將地理信息系統作為過程的空間分析
12 2.1 區位與網絡結構
14 2.2 調研者路線
16 2.3 場地現狀信息錄入與基本分析
18 2.4 基礎的數據地理信息化輔助規划設計分析
21 2.5 專題地圖疊合的方法
21 2.6 作為過程的空間分析
23 3 Python 與ArcGIS
25 3.1 .kml 文件格式
41 3.2 通過Python 使用工具箱里的工具
44 3.3 通過Python 使用環境設置
46 3.4 通過Python 使用函數
47 3.5 通過Python 使用類
51 3.5 獲取和設置參數
57ArcGIS 下的地理數據與Python 數據結構
58 1 ArcGIS 下的地理數據
62 1.1 文件地理數據庫和個人地理數據庫
62 1.2 ArcSDE 地理數據庫
67 1.3 創建地理數據列表
74 2 Python 數據結構-List 列表、Tuple 元組與Dictionary 字典
75 2.1 列表(List)
85 2.2 元組(Tuple)
85 2.3 字典(Dictionary)
94 3 Python 數據結構-String 字符串
94 3.1 字符串格式化
96 3.2 re(regular expression) 正則表達式
109Python 的基本語句與使用Python 訪問地理數據
110 1 描述數據
112 2 Python 的基本語句
112 2.1 print() 與import
113 2.2 賦值的方法
114 2.3 循環語句
117 2.4 條件語句
119 3 Table 屬性表與Cursor 游標
123 3.1 讀取幾何、寫入幾何與幾何標記(geometry tokens)
126 3.2 游標和鎖定
127 3.3 在Python 腳本中使用SQL 結構化查詢語
129 3.4 數據存在判斷與在Python 腳本中驗證表和字段名稱
135 創建函數與使用Python 處理柵格數據
136 1 創建函數
145 2 形式參數的傳遞
147 3 Raster 柵格數據
148 3.1 柵格數據(Mesh 面Quad 類型)
148 3.2 專題數據
148 3.3 影像數據
152 3.4 柵格函數
153 3.5 TIN 表面模型(Mesh 面Triangle 類型)
155 4 使用Python 處理柵格數據
155 4.1 柵格計算(地圖代數運算)
159 4.2 重分類
171 4.3 條件分析工具集
175 創建類與網絡分析
177 1 創建類
179 2 網絡分析
180 2.1 從GoogleEarth 中調入路徑以及服務設施和源點
185 2.2 建立文件地理數據庫、要素數據集並導入用於網絡分析的基礎數據
187 2.3 最近設施點分析
193 異常與錯誤
194 1 異常
196 1.1 Python 內置異常
197 2 錯誤
201 程序的魅力
201 1 課題探討_A_ 自然村落選址因子權重評定的遺傳算法
204 1.1 准備數據
204 1.2 確定研究區域
205 1.3 確定影響因子
209 1.4 假設權重,疊合相加各個影響因子的成本柵格
211 1.5 遺傳算法
218 1.6 將計算結果應用於類似場地
219 2 課題探討_B_ 基於景觀感知敏感度的生態旅游地觀光線路自動選址
220 2.1 技術線路與基礎數據
223 2.2 視域感知因子_ 可視區域計算
231 2.3 視域感知因子_ 最佳觀賞距離計算
242 2.4 視域感知因子_ 最佳觀賞方位
249 2.5 視域感知因子_ 柵格疊加求和
249 2.6 生態感知因子_ 景觀類型
251 2.7 生態感知因子_ 資源價值
252 2.8 生態感知因子_ 柵格疊加求和
252 2.9 景觀感知敏感度
254 2.10 地形因子
256 2.11 觀光線路適宜性成本柵格計算
257 2.12 觀光線路自動獲取
260 3 課題探討_C_ 解讀蟻群算法與TSP 問題
260 3.1 蟻群算法與TSP 問題概述
263 3.2 蟻群算法程序解讀
271 3.3 蟻群算法在ArcGIS 下的應用
2744 分享程序
10 1 Python
12 2 將地理信息系統作為過程的空間分析
12 2.1 區位與網絡結構
14 2.2 調研者路線
16 2.3 場地現狀信息錄入與基本分析
18 2.4 基礎的數據地理信息化輔助規划設計分析
21 2.5 專題地圖疊合的方法
21 2.6 作為過程的空間分析
23 3 Python 與ArcGIS
25 3.1 .kml 文件格式
41 3.2 通過Python 使用工具箱里的工具
44 3.3 通過Python 使用環境設置
46 3.4 通過Python 使用函數
47 3.5 通過Python 使用類
51 3.5 獲取和設置參數
57ArcGIS 下的地理數據與Python 數據結構
58 1 ArcGIS 下的地理數據
62 1.1 文件地理數據庫和個人地理數據庫
62 1.2 ArcSDE 地理數據庫
67 1.3 創建地理數據列表
74 2 Python 數據結構-List 列表、Tuple 元組與Dictionary 字典
75 2.1 列表(List)
85 2.2 元組(Tuple)
85 2.3 字典(Dictionary)
94 3 Python 數據結構-String 字符串
94 3.1 字符串格式化
96 3.2 re(regular expression) 正則表達式
109Python 的基本語句與使用Python 訪問地理數據
110 1 描述數據
112 2 Python 的基本語句
112 2.1 print() 與import
113 2.2 賦值的方法
114 2.3 循環語句
117 2.4 條件語句
119 3 Table 屬性表與Cursor 游標
123 3.1 讀取幾何、寫入幾何與幾何標記(geometry tokens)
126 3.2 游標和鎖定
127 3.3 在Python 腳本中使用SQL 結構化查詢語
129 3.4 數據存在判斷與在Python 腳本中驗證表和字段名稱
135 創建函數與使用Python 處理柵格數據
136 1 創建函數
145 2 形式參數的傳遞
147 3 Raster 柵格數據
148 3.1 柵格數據(Mesh 面Quad 類型)
148 3.2 專題數據
148 3.3 影像數據
152 3.4 柵格函數
153 3.5 TIN 表面模型(Mesh 面Triangle 類型)
155 4 使用Python 處理柵格數據
155 4.1 柵格計算(地圖代數運算)
159 4.2 重分類
171 4.3 條件分析工具集
175 創建類與網絡分析
177 1 創建類
179 2 網絡分析
180 2.1 從GoogleEarth 中調入路徑以及服務設施和源點
185 2.2 建立文件地理數據庫、要素數據集並導入用於網絡分析的基礎數據
187 2.3 最近設施點分析
193 異常與錯誤
194 1 異常
196 1.1 Python 內置異常
197 2 錯誤
201 程序的魅力
201 1 課題探討_A_ 自然村落選址因子權重評定的遺傳算法
204 1.1 准備數據
204 1.2 確定研究區域
205 1.3 確定影響因子
209 1.4 假設權重,疊合相加各個影響因子的成本柵格
211 1.5 遺傳算法
218 1.6 將計算結果應用於類似場地
219 2 課題探討_B_ 基於景觀感知敏感度的生態旅游地觀光線路自動選址
220 2.1 技術線路與基礎數據
223 2.2 視域感知因子_ 可視區域計算
231 2.3 視域感知因子_ 最佳觀賞距離計算
242 2.4 視域感知因子_ 最佳觀賞方位
249 2.5 視域感知因子_ 柵格疊加求和
249 2.6 生態感知因子_ 景觀類型
251 2.7 生態感知因子_ 資源價值
252 2.8 生態感知因子_ 柵格疊加求和
252 2.9 景觀感知敏感度
254 2.10 地形因子
256 2.11 觀光線路適宜性成本柵格計算
257 2.12 觀光線路自動獲取
260 3 課題探討_C_ 解讀蟻群算法與TSP 問題
260 3.1 蟻群算法與TSP 問題概述
263 3.2 蟻群算法程序解讀
271 3.3 蟻群算法在ArcGIS 下的應用
2744 分享程序
網路書店
類別
折扣
價格
-
新書87折$668