ArcGIS中用数据生成线和面的方法

  1、首先将EXCEL中的数据导出为TXT格式的文本方档(格式参照以下注意问题及后面的数据格式)。

  2、打开ARCGIS,点击ARCGIS工具箱,找到Samples-data management-features-creat feature from text file,各参数设置参照注意问题及数据格式。

  ARCGIS中用数据生成线及面要注意的问题:

  Samples-data management-features-creat feature from text file

  Inpur decimal separator中在英文状态下输入任一字符,但不能使用空格。

  数据格式:

  1、Polyline后面不能有空格;(如果要生成面,将Polyline改成Polygon)

  2、数据间的空格间隔只能是一个字符;

  3、生成线的每一点要按顺序排列,按不同顺序排列会生成不同的图像;

  4、第一个点的序号从0开始编号;

  5、若要生成多条线,对每条线要编号;且要符合上述的要求,每条线的点重新从0开始编号;

  6、最后一行要加上END;

  7、将数据从EXCEL表中导出成TXT格式后,按上述要求调整好数据格式,新建一个TXT文档,将数据复制到新建的文档当中。

  8、各个点的坐标数据必须保留1位以上的小数。

附数据格式:

  Polyline

  1 0

  0 100.0 200.0 1.#QNAN 1.#QNAN

  1 101.0 201.0 1.#QNAN 1.#QNAN

  2 102.0 202.0 1.#QNAN 1.#QNAN

  3 103.0 203.0 1.#QNAN 1.#QNAN

  4 104.0 204.0 1.#QNAN 1.#QNAN

  5 105.0 205.0 1.#QNAN 1.#QNAN

  6 106.0 206.0 1.#QNAN 1.#QNAN

  7 107.0 207.0 1.#QNAN 1.#QNAN

  8 108.0 208.0 1.#QNAN 1.#QNAN

  END

生成多条线的数据格式:

  Polyline

  1 0

  0 2307375.5 738229.4375 1.#QNAN 1.#QNAN

  1 2307272.5 738052.875 1.#QNAN 1.#QNAN

  2 2307269.5 738043.3125 1.#QNAN 1.#QNAN

  3 2307268.75 738033.3125 1.#QNAN 1.#QNAN

  4 2307270.25 738023.375 1.#QNAN 1.#QNAN

  5 2307273.75 738014.0 1.#QNAN 1.#QNAN

  6 2307279.25 738005.625 1.#QNAN 1.#QNAN

  7 2307286.5 737998.75 1.#QNAN 1.#QNAN

  8 2307295.25 737993.5625 1.#QNAN 1.#QNAN

  9 2307304.75 737990.4375 1.#QNAN 1.#QNAN

  10 2307314.75 737989.5 1.#QNAN 1.#QNAN

  2 0

  0 2307761.25 737763.374999 1.#QNAN 1.#QNAN

  1 2307783.25 737797.624999 1.#QNAN 1.#QNAN

  2 2307786.0 737807.249999 1.#QNAN 1.#QNAN

  3 2307786.25 737817.249999 1.#QNAN 1.#QNAN

  4 2307784.0 737827.062499 1.#QNAN 1.#QNAN

  5 2307779.5 737835.937499 1.#QNAN 1.#QNAN

  3 0

  0 2304276.0 737817.499999 1.#QNAN 1.#QNAN

  1 2303845.0 737819.124999 1.#QNAN 1.#QNAN

  2 2303835.5 737816.374999 1.#QNAN 1.#QNAN

  3 2303829.25 737808.687499 1.#QNAN 1.#QNAN

  4 2303828.5 737798.812499 1.#QNAN 1.#QNAN

  5 2304078.0 737374.437499 1.#QNAN 1.#QNAN

  4 0

  0 2306888.5 737815.124999 1.#QNAN 1.#QNAN

  1 2304448.75 737813.374999 1.#QNAN 1.#QNAN

  2 2304440.5 737808.124999 1.#QNAN 1.#QNAN

  3 2304437.75 737798.687499 1.#QNAN 1.#QNAN

  4 2304656.0 737430.124999 1.#QNAN 1.#QNAN

  5 2304661.5 737421.749999 1.#QNAN 1.#QNAN

  6 2304667.5 737413.562499 1.#QNAN 1.#QNAN

  7 2304673.5 737405.624999 1.#QNAN 1.#QNAN

  5 0

  0 2307167.0 737790.749999 1.#QNAN 1.#QNAN

  1 2306376.0 736396.374998 1.#QNAN 1.#QNAN

  2 2306371.75 736387.312498 1.#QNAN 1.#QNAN

  3 2306370.25 736377.437498 1.#QNAN 1.#QNAN

  4 2306372.25 736367.562498 1.#QNAN 1.#QNAN

  5 2306377.0 736358.749998 1.#QNAN 1.#QNAN

  6 2306384.25 736351.874998 1.#QNAN 1.#QNAN

  7 2306665.75 736195.812502 1.#QNAN 1.#QNAN

  8 2306695.5 736179.687502 1.#QNAN 1.#QNAN

  9 2306705.25 736177.562502 1.#QNAN 1.#QNAN

  10 2306715.25 736177.875002 1.#QNAN 1.#QNAN

  11 2306725.0 736180.750002 1.#QNAN 1.#QNAN

  12 2306733.5 736185.875002 1.#QNAN 1.#QNAN

  13 2306740.5 736192.937502 1.#QNAN 1.#QNAN

  14 2307761.25 737763.374999 1.#QNAN 1.#QNAN

  6 0

  0 2305393.25 735126.312501 1.#QNAN 1.#QNAN

  1 2305397.75 735127.687501 1.#QNAN 1.#QNAN

  2 2305402.0 735130.812501 1.#QNAN 1.#QNAN

  3 2305404.5 735133.000001 1.#QNAN 1.#QNAN

  4 2306111.75 736384.437498 1.#QNAN 1.#QNAN

  5 2306114.25 736394.187498 1.#QNAN 1.#QNAN

  6 2306114.25 736404.187498 1.#QNAN 1.#QNAN

  7 2306111.75 736413.937498 1.#QNAN 1.#QNAN

  8 2306107.25 736422.874998 1.#QNAN 1.#QNAN

  9 2306100.75 736430.437498 1.#QNAN 1.#QNAN

  10 2306092.5 736436.249998 1.#QNAN 1.#QNAN

  11 2304691.75 737244.374999 1.#QNAN 1.#QNAN

  12 2304683.0 737249.312499 1.#QNAN 1.#QNAN

  13 2304673.75 737253.687499 1.#QNAN 1.#QNAN

  14 2304664.5 737257.499999 1.#QNAN 1.#QNAN

  15 2304655.0 737260.812499 1.#QNAN 1.#QNAN

  16 2304645.25 737263.562499 1.#QNAN 1.#QNAN

  17 2304635.5 737265.749999 1.#QNAN 1.#QNAN

  18 2304625.5 737267.312499 1.#QNAN 1.#QNAN

  19 2304615.5 737268.312499 1.#QNAN 1.#QNAN

  20 2304605.5 737268.749999 1.#QNAN 1.#QNAN

  21 2304595.5 737268.624999 1.#QNAN 1.#QNAN

  22 2304585.5 737267.874999 1.#QNAN 1.#QNAN

  23 2304168.25 737270.812499 1.#QNAN 1.#QNAN

  24 2304158.5 737268.562499 1.#QNAN 1.#QNAN

  25 2304151.5 737261.687499 1.#QNAN 1.#QNAN

  26 2304149.0 737252.062499 1.#QNAN 1.#QNAN

  27 2304151.75 737242.499999 1.#QNAN 1.#QNAN

  28 2305377.5 735136.187501 1.#QNAN 1.#QNAN

  29 2305380.0 735131.937501 1.#QNAN 1.#QNAN

  30 2305383.5 735128.437501 1.#QNAN 1.#QNAN

  31 2305388.5 735126.687501 1.#QNAN 1.#QNAN

  32 2305393.25 735126.312501 1.#QNAN 1.#QNAN

  7 0

  0 2306298.5 736277.937502 1.#QNAN 1.#QNAN

  1 2305528.5 734921.312501 1.#QNAN 1.#QNAN

  2 2305523.25 734912.687501 1.#QNAN 1.#QNAN

  3 2305519.0 734903.562501 1.#QNAN 1.#QNAN

  4 2305516.0 734894.062501 1.#QNAN 1.#QNAN

  5 2305513.75 734884.250001 1.#QNAN 1.#QNAN

  6 2305512.75 734874.250001 1.#QNAN 1.#QNAN

  7 2305512.75 734864.187501 1.#QNAN 1.#QNAN

  8 2305513.75 734854.187501 1.#QNAN 1.#QNAN

  9 2305516.0 734844.375001 1.#QNAN 1.#QNAN

  10 2305519.25 734834.875001 1.#QNAN 1.#QNAN

  11 2305523.25 734825.750001 1.#QNAN 1.#QNAN

  12 2305528.5 734817.125001 1.#QNAN 1.#QNAN

  13 2305534.5 734809.125001 1.#QNAN 1.#QNAN

  14 2305765.25 734418.6875 1.#QNAN 1.#QNAN

  15 2305770.0 734409.875 1.#QNAN 1.#QNAN

  16 2305778.0 734403.9375 1.#QNAN 1.#QNAN

  17 2305787.75 734402.0625 1.#QNAN 1.#QNAN

  18 2305797.5 734404.5625 1.#QNAN 1.#QNAN

  19 2305805.25 734410.9375 1.#QNAN 1.#QNAN

  20 2306674.25 736076.312502 1.#QNAN 1.#QNAN

  21 2306678.25 736085.437502 1.#QNAN 1.#QNAN

  22 2306678.0 736095.375002 1.#QNAN 1.#QNAN

  23 2306673.25 736104.125002 1.#QNAN 1.#QNAN

  24 2306665.0 736109.812502 1.#QNAN 1.#QNAN

  25 2306350.5 736293.499998 1.#QNAN 1.#QNAN

  26 2306341.5 736297.749998 1.#QNAN 1.#QNAN

  27 2306331.5 736298.749998 1.#QNAN 1.#QNAN

  28 2306322.0 736296.312498 1.#QNAN 1.#QNAN

  29 2306313.5 736290.687498 1.#QNAN 1.#QNAN

  30 2306298.5 736277.937502 1.#QNAN 1.#QNAN

  8 0

  0 2305417.75 734658.5 1.#QNAN 1.#QNAN

  1 2305599.0 734334.0 1.#QNAN 1.#QNAN

  2 2305600.25 734324.1875 1.#QNAN 1.#QNAN

  3 2305596.75 734314.875 1.#QNAN 1.#QNAN

  4 2305589.0 734308.625 1.#QNAN 1.#QNAN

  5 2305579.25 734306.9375 1.#QNAN 1.#QNAN

  6 2305254.5 734476.25 1.#QNAN 1.#QNAN

  7 2305248.5 734484.0625 1.#QNAN 1.#QNAN

  8 2305247.25 734493.9375 1.#QNAN 1.#QNAN

  9 2305254.0 734505.9375 1.#QNAN 1.#QNAN

  10 2305364.0 734695.437501 1.#QNAN 1.#QNAN

  11 2305369.25 734703.750001 1.#QNAN 1.#QNAN

  12 2305378.25 734708.062501 1.#QNAN 1.#QNAN

  13 2305388.25 734707.062501 1.#QNAN 1.#QNAN

  14 2305391.25 734703.312501 1.#QNAN 1.#QNAN

  15 2305417.75 734658.5 1.#QNAN 1.#QNAN

  9 0

  0 2307288.0 738444.5 1.#QNAN 1.#QNAN

  1 2307081.5 738062.0 1.#QNAN 1.#QNAN

  2 2307075.75 738053.8125 1.#QNAN 1.#QNAN

  3 2307068.25 738047.1875 1.#QNAN 1.#QNAN

  4 2307059.25 738042.5625 1.#QNAN 1.#QNAN

  5 2307049.5 738040.1875 1.#QNAN 1.#QNAN

  6 2307039.5 738040.125 1.#QNAN 1.#QNAN

  7 2303712.75 737985.25 1.#QNAN 1.#QNAN

  8 2303702.75 737985.0625 1.#QNAN 1.#QNAN

  END

生成面的数据格式:

  Polygon

  1 0

  0 100.0 200.0 1.#QNAN 1.#QNAN

  1 200.0 200.0 1.#QNAN 1.#QNAN

  2 200.0 300.0 1.#QNAN 1.#QNAN

  3 100.0 300.0 1.#QNAN 1.#QNAN

  4 100.0 200.0 1.#QNAN 1.#QNAN

  END

时间: 2024-10-01 04:50:38

ArcGIS中用数据生成线和面的方法的相关文章

ArcGIS线转面的方法

ArcGIS作为GIS软件中的龙头老大,其功能是非常强大的,但是如果作为一个初学者,其部分常用的重要功能不容易掌握,今天就讲一讲在矢量化时非常重要的功能:线转面. ArcGIS在进行大范围的矢量化时一般很少直接画多边形,这是因为shape文件不具备拓扑,在处理多个相邻多边形时不方便,因此,一般是先用线把地类图斑勾绘出来,然后将线转为多边形.在ArcGIS中,将线转为多边形有三种方法: 1. Feature to Polygon 这种方法,顾名思义,就是要素转多边形.在ArcToolBox中,依次

在WPF下快速生成线的方法

如果线较多时,在画布中用Path或Line生成时会比较慢.用DrawingVisual可以快速生成,这个在之前我的博客中已经提到.但在类库形式下生成的无法看到,保存成Image后再加入图层后成功显示.   DrawingVisual drawingVisual = new DrawingVisual(); DrawingContext drawingContext = drawingVisual.RenderOpen(); Pen pen = new Pen(Brushes.DarkGray,

数据提高查询速度的方法(摘抄)

处理百万级以上的数据提高查询速度的方法: 1.应尽量避免在 where 子句中使用!=或<>操作符,否则将引擎放弃使用索引而进行全表扫描. 2.对查询进行优化,应尽量避免全表扫描,首先应考虑在 where 及 order by 涉及的列上建立索引. 3.应尽量避免在 where 子句中对字段进行 null 值判断,否则将导致引擎放弃使用索引而进行全表扫描,如:     select id from t where num is null     可以在num上设置默认值0,确保表中num列没有

处理百万级以上的数据提高查询速度的方法

处理百万级以上的数据提高查询速度的方法: 1.应尽量避免在 where 子句中使用!=或<>操作符,否则将引擎放弃使用索引而进行全表扫描. 2.对查询进行优化,应尽量避免全表扫描,首先应考虑在 where 及 order by 涉及的列上建立索引. 3.应尽量避免在 where 子句中对字段进行 null 值判断,否则将导致引擎放弃使用索引而进行全表扫描,如:     select id from t where num is null     可以在num上设置默认值0,确保表中num列没有

【转】处理百万级以上的数据提高查询速度的方法

处理百万级以上的数据提高查询速度的方法: 1.应尽量避免在 where 子句中使用!=或<>操作符,否则将引擎放弃使用索引而进行全表扫描. 2.对查询进行优化,应尽量避免全表扫描,首先应考虑在 where 及 order by 涉及的列上建立索引. 3.应尽量避免在 where 子句中对字段进行 null 值判断,否则将导致引擎放弃使用索引而进行全表扫描,如:     select id from t where num is null     可以在num上设置默认值0,确保表中num列没有

处理百万级以上的数据提高查询速度的方法(收藏)

处理百万级以上的数据提高查询速度的方法: 1.应尽量避免在 where 子句中使用!=或<>操作符,否则将引擎放弃使用索引而进行全表扫描. 2.对查询进行优化,应尽量避免全表扫描,首先应考虑在 where 及 order by 涉及的列上建立索引. 3.应尽量避免在 where 子句中对字段进行 null 值判断,否则将导致引擎放弃使用索引而进行全表扫描,如:     select id from t where num is null     可以在num上设置默认值0,确保表中num列没有

用R语言实现对不平衡数据的四种处理方法

https://www.weixin765.com/doc/gmlxlfqf.html 在对不平衡的分类数据集进行建模时,机器学**算法可能并不稳定,其预测结果甚至可能是有偏的,而预测精度此时也变得带有误导性那么,这种结果是为何发生的呢?到底是什么因素影响了这些算法的表现? 在不平衡的数据中,任一算法都没法从样本量少的类中获取足够的信息来进行精确预测因此,机器学**算法常常被要求应用在平衡数据集上那我们该如何处理不平衡数据集?本文会介绍一些相关方法,它们并不复杂只是技巧性比较强 本文会介绍处理非

sql处理百万级以上的数据提高查询速度的方法

sql处理百万级以上的数据提高查询速度的方法 处理百万级以上的数据提高查询速度的方法: 1.应尽量避免在 where 子句中使用!=或<>操作符,否则将引擎放弃使用索引而进行全表扫描. 2.对查询进行优化,应尽量避免全表扫描,首先应考虑在 where 及 order by 涉及的列上建立索引. 3.应尽量避免在 where 子句中对字段进行 null 值判断,否则将导致引擎放弃使用索引而进行全表扫描,如:     select id from t where num is null     可

《转》sql处理百万级以上的数据提高查询速度的方法

处理百万级以上的数据提高查询速度的方法: 1.应尽量避免在 where 子句中使用!=或<>操作符,否则将引擎放弃使用索引而进行全表扫描. 2.对查询进行优化,应尽量避免全表扫描,首先应考虑在 where 及 order by 涉及的列上建立索引. 3.应尽量避免在 where 子句中对字段进行 null 值判断,否则将导致引擎放弃使用索引而进行全表扫描,如:     select id from t where num is null     可以在num上设置默认值0,确保表中num列没有