几个重要GIS-Python模块
随着ESRI提供了关于python模块的自动化制图的支持，python逐渐被更多GIS人员所熟悉，而下面几个Python模块是除ESRI arcpy以外需了解下的，在工作过程中，有时候可以给我们带来很多方便。下面就几个国外常用的记录下。主要包括：GDAL, numpy, NetworkX。
GDAL应该是所有GISer所熟悉的一个类库，在ESRI中我们也可以见到它的身影。而且尤其当我们电脑上没有任何GIS软件时，这个个更是可以当一个小的GIS工具来使用。另其实还有OGR，习惯都叫到一起了。GDAL负责栅格数据的读取，而OGR负责栅格数据的读取。下面为常用例子：.
import gdal
from gdalconst import *
# Open the raster dataset
dataset = gdal.Open(filename, GA_ReadOnly)
# Print the projection of the data
print dataset.GetProjection()
数值运算的时候一定少不了这个numpy,在操作栅格数据等，这个更是缺少不了。
from numpy import *
# Sample IO Table data
ioSample = [[1,2], [3,4]]
# Turn into a numpy array
ioMatrix = array(ioSample)
# Find the inverse of ioMatrix
ioMatrixInv = linalg.inv(ioMatrix)
GIS的网络分析是比较复杂的一个事情，而NetworkX则就是基于python提供的一个创建、操作、维护网络管理的一个类库，通过他我们可以方便地创建管理自己的网络信息。
import networkx as nx
# Create a graph
g = nx.Graph()
# Populate the graph
g.add_node(1)
g.add_node(2)
g.add_node(3)
# Create edges
g.add_edge(1,2)
g.add_edge(1,3)
# Print the neighbors of node 1 (returns 2)
print g.neighbors(1)
本文固定链接:
【上一篇】【下一篇】
您可能还会对这些文章感兴趣！
- 14,409 浏览数
- 9,129 浏览数
- 8,262 浏览数
- 7,546 浏览数
- 7,484 浏览数
- 5,133 浏览数
- 4,236 浏览数
- 4,193 浏览数
- 3,398 浏览数
- 3,159 浏览数
日志总数：66 篇
评论总数：28 篇
标签数量：124 个
链接总数：6 个
建站日期：
运行天数：1673 天
最后更新：python 学习笔记2 --画图(networkx) - 推酷
python 学习笔记2 --画图(networkx)
绘制基本网络图
绘制划分后的社区
绘制基本网络图
用matplotlib绘制网络图
基本流程：
1. 导入networkx，matplotlib包
2. 建立网络
3. 绘制网络 nx.draw()
4. 建立布局 pos = nx.spring_layout美化作用
最基本画图程序
import import networkx as nx
#导入networkx包
import matplotlib.pyplot as plt
G = nx.random_graphs.barabasi_albert_graph(100,1)
#生成一个BA无标度网络G
nx.draw(G)
#绘制网络G
plt.savefig(&ba.png&)
#输出方式1: 将图像存为一个png格式的图片文件
plt.show()
#输出方式2: 在窗口中显示这幅图像
networkx 提供画图的函数有：
（G，[pos,ax,hold]）
draw_networkx
(G，[pos,with_labels])
draw_networkx_nodes
(G,pos,[nodelist]) 绘制网络G的节点图
draw_networkx_edges
(G,pos[edgelist]) 绘制网络G的边图
draw_networkx_edge_labels
(G, pos[, ...]) 绘制网络G的边图，边有label
---有layout 布局画图函数的分界线---
draw_circular(G, **kwargs)
Draw the graph G with a circular layout.
draw_random(G, **kwargs)
Draw the graph G with a random layout.
draw_spectral(G, **kwargs)
Draw the graph G with a spectral layout.
draw_spring(G, **kwargs)
Draw the graph G with a spring layout.
draw_shell(G, **kwargs)
Draw networkx graph with shell layout.
draw_graphviz(G[, prog])
Draw networkx graph with graphviz layout.
networkx 画图参数：
: 指定节点的尺寸大小(默认是300，单位未知，就是上图中那么大的点)
node_color
: 指定节点的颜色 (默认是红色，可以用字符串简单标识颜色，例如'r'为红色，'b'为绿色等，具体可查看手册)，用“数据字典”赋值的时候必须对字典取值（.values()）后再赋值
node_shape
: 节点的形状（默认是圆形，用字符串'o'标识，具体可查看手册）
: 透明度 (默认是1.0，不透明，0为完全透明)
: 边的宽度 (默认为1.0)
edge_color
: 边的颜色(默认为黑色)
: 边的样式(默认为实现，可选： solid|dashed|dotted,dashdot)
with_labels
: 节点是否带标签（默认为True）
: 节点标签字体大小 (默认为12)
font_color
: 节点标签字体颜色（默认为黑色）
e.g. nx.draw(G,node_size = 30, with_label = False)
绘制节点的尺寸为30，不带标签的网络图。
布局指定节点排列形式
pos = nx.spring_layout
建立布局，对图进行布局美化，networkx 提供的布局方式有：
- circular_layout：节点在一个圆环上均匀分布
- random_layout：节点随机分布
- shell_layout：节点在同心圆上分布
- spring_layout： 用Fruchterman-Reingold算法排列节点（这个算法我不了解，样子类似多中心放射状）
- spectral_layout：根据图的拉普拉斯特征向量排列节
布局也可用pos参数指定，例如，nx.draw(G, pos = spring_layout(G)) 这样指定了networkx上以中心放射状分布.
绘制划分后的社区
先看一段代码，代码源自
partition = community.best_partition(User)
size = float(len(set(partition.values())))
pos = nx.spring_layout(G)
count = 0.
for com in set(partition.values()) :
count = count + 1.
list_nodes = [nodes for nodes in partition.keys()
if partition[nodes] == com]
nx.draw_networkx_nodes(G, pos, list_nodes, node_size = 50,
node_color = str(count / size))
nx.draw_networkx_edges(User,pos,with_labels = True, alpha=0.5 )
plt.show()
communit.best_partition 是社区划分方法，算法是根据Vincent D.Blondel 等人于2008提出，是基于modularity optimization的heuristic方法.
partition的结果存在字典数据类型：
{'1': 0, '3': 1, '2': 0, '5': 1, '4': 0, '6': 0}
单引号里的数据是key，也就是网络中节点编号。
冒号后面的数值，表示网络中节点的编号属于哪个社区。也就是社区标号。如
表示6节点属于0社区
list_nodes = [nodes for nodes in partition.keys()
if partition[nodes] == com]
每次循环list_nodes结果是社区i对应的用户编号。
如第一次循环结果是com = 0, list_nodes= ['1','2','4','6']
第二次循环的结果是com = 1, list_nodes = ['3','6']
这样每次循环，画出一个社区的所有节点：
nx.draw_networkx_nodes(G, pos, list_nodes, node_size = 50,
node_color = str(count / size))
循环结束后通过颜色来标识不同社区
已发表评论数()
请填写推刊名
描述不能大于100个字符!
权限设置： 公开
仅自己可见
正文不准确
标题不准确
排版有问题
主题不准确
没有分页内容
图片无法显示
视频无法显示
与原文不一致博客访问： 119559
博文数量： 60
博客积分： 446
博客等级： 下士
技术积分： 830
注册时间：
IT168企业级官微
微信号：IT168qiye
系统架构师大会
微信号：SACC2013
分类： Python/Ruby
& & & matplotlib是python下最著名的绘图库，它的特点是：Matlab的语法，使用python语言实现，latex的画图质量，下面列一下win64，python2.7环境完整安装matplotlib所需要的软件包：
& & &1.&matplotlib-1.4.2.win-amd64-py2.7.exe
& & &2.&numpy-MKL-1.9.1.win-amd64-py2.7.exe
& & &3.&pyparsing-2.0.3.win-amd64-py2.7.exe
& & &4.&python-dateutil-2.2.win-amd64-py2.7.exe
& & &5.&scipy-0.14.0.win-amd64-py2.7.exe
& & &6. six-1.8.0.win-amd64-py2.7.exe
& & &在google中搜索，就可以找到这些安装包的下载地址，有些安装包在官网上没有对应的win64的下载版本，推荐一个地址：
& & &&&这里几乎罗列了所有python扩展包在windows下的安装版本
& & &要具体学习如何画图，推荐官网，当中的examples和gallery标签页几乎列出了所有科技绘图的例子和源代码，下面列一下常用线条颜色，样式，标记选项
& & &线条颜色：
& & 线条样式：
& &标记样式：
& & &&这几幅图的来源是，这个博客上有一些简单例子应付一般的绘图足够了。
& & &&下面介绍一下networkx的安装，networkx是用Python语言开发的图论与复杂网络建模工具，内置了常用的图与复杂网络分析算法，如果需要做复杂网络数据分析，仿真建模等工作，使用这样一个工具还是非常方便的，networkx的安装包是一个egg文件，需要用easy_install安装，win64下easy_install没有现成的安装包，所以会有一些麻烦，
& & & win32下对应的安装包是setuptools-0.6c11.win32-py2.7.exe，google中搜索这个安装包会找到这样的网址，把这段脚本保存下来，（注：网上还有其他的脚本，但经我测试只有这个脚本可以在win64，python2.7环境下安装成功)，在python环境下运行这个脚本，出现如下提示（尤其注意红色部分）表明安装成功：
Downloading http://pypi.python.org/packages/2.7/s/setuptools/setuptools-0.6c11-p
Processing setuptools-0.6c11-py2.7.egg
Copying setuptools-0.6c11-py2.7.egg to d:\programfile\python2.7\lib\site-package
Adding setuptools 0.6c11 to easy-install.pth file
Installing easy_install-script.py script to D:\ProgramFile\Python2.7\Scripts
Installing easy_install.exe script to D:\ProgramFile\Python2.7\Scripts
Installing easy_install.exe.manifest script to D:\ProgramFile\Python2.7\Scripts
Installing easy_install-2.7-script.py script to D:\ProgramFile\Python2.7\Scripts
Installing easy_install-2.7.exe script to D:\ProgramFile\Python2.7\Scripts
Installing easy_install-2.7.exe.manifest script to D:\ProgramFile\Python2.7\Scri
Installed d:\programfile\python2.7\lib\site-packages\setuptools-0.6c11-py2.7.egg
Processing dependencies for setuptools==0.6c11
Finished processing dependencies for setuptools==0.6c11
这时在windows的path环境变量中添加C:\Python27\Scripts，成功后用cmd打开Dos窗口，输入命令easy_install networkx，出现如下的界面（尤其注意打红框部分）说明安装成功：
顺便说一下，easy_install安装成功后，其实所有的python安装包都可以使用这种方式安装，比如：easy_install numpy,&这个命令是从网站上搜索numpy对应于当前环境的版本进行自动安装，如果事先下载好了安装包，也可以运行如下的命令：easy_install matplotlib-1.4.2.win-amd64-py2.7.exe，这里默认将安装文件放置在python安装目录下。
networkx安装完成后，在python环境中运行：
import networkx as nx
如果能输出表示networkx已正确安装，但是eclipse集成PyDev环境中import networkx as nx总是会报错：Unresolved import:nx， 使用没有问题。
阅读(3889) | 评论(0) | 转发(0) |
相关热门文章
给主人留下些什么吧！~~
请登录后评论。