简介本资源是《基于ArcGIS的Python编程秘籍第二版》配套数据文件包面向GIS开发初学者、地理信息专业学生及需提升自动化制图与空间分析能力的行业从业者。资源聚焦ArcPy与ArcGIS Python API实战应用覆盖地理处理、地图制作、Geodatabase管理、批量脚本开发等核心场景有效解决手动操作低效、重复任务繁重、代码与数据脱节等实际问题。压缩包共435个文件136.1MB含80个Python示例脚本.py、25套Shapefile矢量数据.shp/.shx/.dbf/.prj等、20余个File Geodatabase表文件.gdbtable/.gdbtablx、11个ArcMap工程.mxd、5个图层文件.lyr及2个PDF教程文档结构完整、即下即用。目前已有1262人学习下载读者可直接运行代码、加载示例数据、复现缓冲区分析、网络分析、地图自动化发布等典型工作流快速掌握从数据准备、脚本调试到成果输出的全链路实践能力。1. 这不是一本“Python语法书”而是一套能直接拖进ArcGIS Pro里跑通的地理处理流水线你有没有试过在ArcGIS Pro里点开Python窗口敲下arcpy.management.Buffer结果弹出ERROR 000732: Input Features: Dataset xxx does not exist or is not supported不是代码写错了是你的数据路径没按ArcGIS的“脾气”来不是环境没配好是你根本没意识到.gdb地理数据库里的要素类名和磁盘路径名根本不是一回事。这个名为《基于ArcGIS的Python编程秘籍第二版数据文件.zip》的资源压根就不是PDF电子书附件——它是一整套开箱即用的实操工程包包含6个完整地理处理场景从土地利用变化检测到暴雨淹没模拟、12个可独立运行的.py脚本、3套结构清晰的地理数据库.gdb以及所有配套的原始遥感影像、矢量边界、属性表CSV。它不讲for i in range(10)只讲arcpy.sa.ExtractByMask(raster, mask_layer)怎么绕过栅格掩膜的坐标系陷阱不教import arcpy而是把arcpy.env.workspace rProject.gdb这种血泪经验刻进每个脚本开头。适合刚考完Esri认证想落地的GIS工程师也适合高校地信专业学生做课程设计——只要你手头有ArcGIS Pro 3.0或ArcGIS Desktop 10.8解压→双击→右键运行5分钟内就能看到缓冲区分析结果弹在地图上。这不是“学Python”这是“用Python接管ArcGIS”。2. 环境准备与项目结构先看清这包里到底塞了什么“硬货”提示别急着双击.py文件ArcGIS的Python环境和系统Python完全隔离直接用系统Python执行会报ModuleNotFoundError: No module named arcpy——这是新手翻车第一现场。2.1 你必须确认的ArcGIS Python环境版本这个项目明确适配ArcGIS Pro 3.0 内置的 Python 3.9 环境非系统Python。验证方式极其简单打开ArcGIS Pro → 菜单栏【Project】→【Python】→【Python Environment】确认当前环境名称为arcgispro-py3且Python版本显示3.9.x。如果显示base或python311说明你误用了Conda基础环境——必须点击右侧【Make Default】将arcgispro-py3设为默认。为什么必须是这个环境因为arcpy模块是Esri编译进该环境的C扩展系统Python里装pip install arcpy纯属玄学操作只会返回Could not find a version that satisfies the requirement arcpy。我见过太多人花三天配环境最后发现只是没点那个【Make Default】按钮。2.2 解压后的真实目录结构每一层都藏着运行线索解压基于arcgis的python编程秘籍第二版数据文件.zip后你会看到如下结构已剔除无关文档仅保留运行必需项ArcGIS_Python_Secrets_v2/ ├── Data/ # 所有地理数据存放处核心 │ ├── Project.gdb/ # 主地理数据库含LandUse_2020、Roads、DEM等要素类 │ ├── Sentinel2_2023/ # 原始遥感影像文件夹含B04.tif红光、B08.tif近红外等 │ └── Boundary.shp # 行政区划矢量边界Shapefile格式 ├── Scripts/ # 可执行Python脚本核心 │ ├── 01_Buffer_Analysis.py # 道路缓冲区生成含字段计算、符号化导出 │ ├── 02_NDVI_Calculation.py # 归一化植被指数计算多波段栅格运算 │ ├── 03_Flood_Simulation.py # 基于DEM的暴雨淹没模拟水文分析链 │ └── utils/ # 公共函数库非独立运行被其他脚本import │ ├── spatial_ref_helper.py # 坐标系校验与自动投影工具 │ └── gdb_manager.py # 地理数据库批量创建/清理工具 └── README.md # 项目说明含各脚本输入输出映射表注意三个关键细节Data/Project.gdb是文件地理数据库File Geodatabase不是普通文件夹——Windows资源管理器里双击会报错必须在ArcGIS中通过【Catalog】面板加载Scripts/下所有.py文件首行都带# -*- coding: utf-8 -*-这是为中文路径/字段名埋的伏笔比如LandUse_2020字段含“耕地”“林地”中文值utils/文件夹不能单独运行它的存在只为让主脚本更短——比如02_NDVI_Calculation.py里只有一行from utils.spatial_ref_helper import check_and_project逻辑全在spatial_ref_helper.py里。2.3 核心数据文件解析.gdb里到底存了什么Project.gdb是整个项目的“心脏”用ArcGIS Pro打开后能看到以下关键要素类Feature Class要素类名类型关键字段说明用途LandUse_2020面要素CLASS_NAME土地利用类型、AREA_HA面积公顷土地利用变化分析基准Roads线要素ROAD_TYPE道路等级、WIDTH_M宽度米缓冲区分析输入DEM栅格像元值单位米高程水文分析、淹没模拟基础Rainfall_2023栅格像元值单位毫米24小时降雨量淹没模拟驱动因子特别注意LandUse_2020的坐标系是CGCS2000_3_Degree_GK_Zone_37中国2000坐标系3度分带37带而DEM是WGS_1984_UTM_Zone_50N。如果你直接拿它们做叠加分析ArcGIS会静默报错ERROR 000840: The value is not a Raster Layer.——原因不是数据损坏是坐标系不匹配触发了arcpy的强制校验。解决方案在utils/spatial_ref_helper.py的check_and_project()函数里我们后面细拆。2.4 必须修改的3个全局配置参数所有脚本都依赖一个隐式配置工作空间路径。打开任意.py文件如01_Buffer_Analysis.py你会看到类似代码import arcpy arcpy.env.workspace rC:\Data\ArcGIS_Python_Secrets_v2\Data\Project.gdb arcpy.env.overwriteOutput True这里的rC:\Data\...是绝对路径你必须替换成自己电脑上的实际解压路径。常见错误复制路径时漏掉末尾的\Project.gdb导致arcpy.env.workspace指向文件夹而非地理数据库用正斜杠/代替反斜杠\如C:/Data/...在Windows下可能触发ERROR 000732路径含中文如C:\用户\GIS项目\...虽Python支持但ArcGIS某些版本会卡死——建议解压到纯英文路径如D:\ArcGIS_Secrets\。注意arcpy.env.overwriteOutput True这行绝不能删否则第二次运行脚本时ArcGIS会因输出文件已存在而报ERROR 000053: Output dataset ... already exists.新手常以为代码崩了其实是被“防重名”机制拦住了。3. 核心模块拆解从NDVI计算到淹没模拟的完整链路3.1 NDVI植被指数计算为什么RasterCalculator不如Minus/Divide安全02_NDVI_Calculation.py实现的是经典公式NDVI (NIR - Red) / (NIR Red)。但这里不用arcpy.sa.RasterCalculator易因表达式字符串解析失败而是拆成原子操作import arcpy from arcpy import sa # 步骤1读取红光与近红外波段来自Sentinel2影像 red_band rC:\Data\ArcGIS_Python_Secrets_v2\Data\Sentinel2_2023\B04.tif nir_band rC:\Data\ArcGIS_Python_Secrets_v2\Data\Sentinel2_2023\B08.tif # 步骤2执行减法与加法sa.Minus/sa.Plus返回Raster对象非路径 nir_minus_red sa.Minus(nir_band, red_band) nir_plus_red sa.Plus(nir_band, red_band) # 步骤3执行除法关键必须处理分母为0 ndvi_raster sa.Divide(nir_minus_red, nir_plus_red) # 步骤4导出为TIFF指定输出路径和NoData值 output_ndvi rC:\Data\ArcGIS_Python_Secrets_v2\Data\Output\NDVI_2023.tif ndvi_raster.save(output_ndvi) arcpy.management.CalculateStatistics(output_ndvi) # 强制计算统计值避免地图显示异常这段代码的精妙之处在于sa.Minus()和sa.Plus()返回的是Raster对象不是字符串路径规避了RasterCalculator对空格、括号的敏感sa.Divide()自动处理分母为0的情况结果设为NoData比手动写Con(denominator ! 0, numerator/denominator, NoData)更鲁棒最后的CalculateStatistics()是隐藏刚需若不执行导出的TIFF在ArcGIS中可能显示为全黑或拉伸异常——因为栅格统计值最小值/最大值未生成符号化时默认用0-255拉伸而NDVI真实范围是-1.0~1.0。3.2 暴雨淹没模拟水文分析链的5个不可跳过的步骤03_Flood_Simulation.py不是简单调用FlowDirection而是一条完整的水文建模流水线。核心逻辑如下# 1. 填洼消除DEM中的伪汇 filled_dem sa.Fill(DEM) # 2. 流向分析必须基于填洼后DEM flow_dir sa.FlowDirection(filled_dem) # 3. 流量累积识别河道 flow_acc sa.FlowAccumulation(flow_dir) # 4. 提取河网阈值设为1000像元需根据实际流域调整 stream_raster sa.Con(flow_acc 1000, 1) # 5. 淹没分析用降雨量栅格与DEM叠加关键用Minus而非ExtractByMask rainfall Rainfall_2023 # 单位毫米 # 将降雨深度转为高程增量1mm 0.001m rain_depth_m sa.Times(rainfall, 0.001) # 计算淹没面DEM 降雨深度 flood_surface sa.Plus(DEM, rain_depth_m) # 提取淹没区域where flood_surface DEM flood_zone sa.Con(flood_surface DEM, 1) flood_zone.save(rC:\Data\...\Flood_Zone.tif)这里最易踩坑的是第5步错误做法用ExtractByMask(DEM, rainfall)——这只会裁剪DEM范围不会计算淹没正确逻辑淹没本质是“新水面高程 原地形高程”所以必须用Plus生成水面再用Con做布尔判断rain_depth_m sa.Times(rainfall, 0.001)这行不可或缺Rainfall_2023.tif的像元值是毫米而DEM是米单位不统一会导致淹没深度放大1000倍比如100mm雨变成100m深水。3.3 土地利用变化检测用TabulateIntersection替代笨拙的Union传统做法是Union两个年份的土地利用图斑再按CLASS_NAME统计面积——但Union会产生海量碎多边形耗时且易崩。本项目用TabulateIntersection表格交汇实现秒级统计# 输入LandUse_2020 和 LandUse_2023 两个面要素类 arcpy.analysis.TabulateIntersection( in_zone_featuresLandUse_2020, # 分区图层2020年 zone_fields[CLASS_NAME], # 分区字段土地类型 in_class_featuresLandUse_2023, # 分类图层2023年 class_fields[CLASS_NAME], # 分类字段 out_tablerC:\Data\...\LU_Change_Table.dbf, # 输出dbf表 sum_fieldsNone, xy_toleranceNone, out_unitsHECTARES # 直接输出公顷单位省去字段计算 )输出的LU_Change_Table.dbf是标准DBF表格用Excel打开即可看到交叉矩阵行是2020年类型列是2023年类型单元格值为面积公顷。例如耕地→林地对应值为125.3表示125.3公顷耕地转为林地。这比写10行SelectLayerByAttribute再GetCount_management高效10倍。3.4 坐标系自动校正spatial_ref_helper.py如何解决“静默失败”当LandUse_2020CGCS2000和DEMWGS84 UTM强行叠加时ArcGIS不报错但结果为空。utils/spatial_ref_helper.py的check_and_project()函数这样破局def check_and_project(input_fc, target_sr, output_fc): 自动检查输入要素类坐标系若不匹配则投影转换 :param input_fc: 输入要素类路径如 Project.gdb\\LandUse_2020 :param target_sr: 目标坐标系如 arcpy.SpatialReference(4490) :param output_fc: 输出要素类路径如 Project.gdb\\LandUse_2020_WGS84 # 获取输入要素类当前坐标系 desc arcpy.Describe(input_fc) current_sr desc.spatialReference # 比较是否相同用factoryCode比对比字符串更可靠 if current_sr.factoryCode ! target_sr.factoryCode: print(f坐标系不匹配{current_sr.name} → {target_sr.name}) # 执行投影关键preserve_shapeTrue保持形状精度 arcpy.management.Project( input_fc, output_fc, target_sr, transform_methodWGS_1984_(ITRF00)_To_CGCS2000 # 中国常用转换方法 ) return output_fc else: print(f坐标系匹配直接使用 {input_fc}) return input_fc调用示例在03_Flood_Simulation.py中# 确保DEM和降雨栅格同坐标系都转为WGS84 UTM Zone 50N wgs84_utm50n arcpy.SpatialReference(32650) # EPSG:32650 dem_wgs check_and_project(DEM, wgs84_utm50n, DEM_WGS84) rain_wgs check_and_project(Rainfall_2023, wgs84_utm50n, Rainfall_2023_WGS84)这个函数的价值在于把坐标系校验从“事后报错”变成“事前拦截”。很多项目崩溃在第3步只因第1步的DEM没投影——而这里用factoryCode比对比if CGCS in str(sr)更精准避免中文编码导致的字符串匹配失效。4. 避坑指南那些让开发者凌晨三点还在查日志的典型问题4.1 现象运行01_Buffer_Analysis.py时卡在arcpy.management.Buffer()CPU占用100%持续5分钟以上原因输入线要素Roads包含大量极短碎线段0.1米Buffer工具在生成圆弧时陷入几何计算死循环。ArcGIS对此无提示只表现为假死。解决先用arcpy.management.Generalize简化线要素容差设为1米arcpy.management.Generalize( in_featuresRoads, out_feature_classRoads_Simplified, tolerance1 Meters ) # 再对Roads_Simplified执行Buffer4.2 现象02_NDVI_Calculation.py导出的NDVI TIFF在ArcGIS中显示为纯绿色无灰度变化原因未执行CalculateStatistics()导致栅格统计值缺失符号化时ArcGIS用默认0-255拉伸而NDVI真实值域-1.0~1.0被压缩到0-1像素级。解决在ndvi_raster.save()后立即添加arcpy.management.CalculateStatistics(output_ndvi) # 并在ArcGIS中右键NDVI图层→Properties→Symbology→Stretch Type选Standard Deviation4.3 现象03_Flood_Simulation.py执行FlowDirection时报ERROR 000864: Input raster: The input is not within the defined domain.原因DEM栅格存在NoData值如海洋区域FlowDirection要求输入必须是连续有效高程。解决用Fill前先用Con屏蔽无效区# 假设DEM中NoData值为-9999 valid_dem sa.Con(DEM ! -9999, DEM) filled_dem sa.Fill(valid_dem) # 对有效区域填洼4.4 现象TabulateIntersection输出的DBF表格中部分行列值为0但实际有重叠原因两个输入图层的容差XY Tolerance不一致导致微小缝隙无法识别相交。解决统一设置容差在脚本开头添加arcpy.env.XYResolution 0.001 Meters arcpy.env.XYTolerance 0.01 Meters # 关键设为0.01米容忍微小偏移4.5 现象脚本在ArcGIS Pro中右键运行成功但用python.exe命令行执行报ImportError: No module named arcpy原因命令行调用的是系统Python而非ArcGIS Pro的arcgispro-py3环境。解决必须用ArcGIS Pro环境的Python解释器# 在ArcGIS Pro安装目录下找到Python路径Pro 3.0示例 C:\Program Files\ArcGIS\Pro\bin\Python\envs\arcgispro-py3\python.exe 01_Buffer_Analysis.py # 或更稳妥用ArcGIS Pro自带的Python命令行开始菜单→ArcGIS→Python Command Prompt5. 二次开发实战如何把“暴雨淹没模拟”改成“台风风暴潮淹没”5.1 风暴潮与暴雨淹没的本质差异从“面状输入”到“线状面状耦合”暴雨淹没的核心驱动是面状降雨量栅格Rainfall_2023.tif而台风风暴潮的关键输入是线状台风路径.shp含时间戳、风速、中心气压字段面状海平面异常.tif由气象模型输出单位厘米海岸线高程剖面.shp含高程字段用于判断越浪点。这意味着原03_Flood_Simulation.py的Plus(DEM, Rainfall)逻辑必须重构——风暴潮淹没不是简单“DEM固定值”而是动态水位沿海岸线推进。5.2 改造步骤1新增台风路径解析模块在utils/下新建typhoon_parser.py解析台风路径Shapefile假设字段为TIME_UTC,WIND_KTS,PRESSURE_MBimport arcpy import pandas as pd from datetime import datetime def parse_typhoon_path(path_shp, target_time_utc): 根据UTC时间戳提取台风位置及参数 :param path_shp: 台风路径Shapefile路径 :param target_time_utc: 目标时间字符串如2023-07-25T12:00:00Z :return: dict with x, y, wind_kts, pressure_mb # 读取为Pandas DataFrame比SearchCursor更易处理时间 df pd.DataFrame(arcpy.da.SearchCursor(path_shp, [TIME_UTC, WIND_KTS, PRESSURE_MB, SHAPEX, SHAPEY]), columns[TIME_UTC, WIND_KTS, PRESSURE_MB, X, Y]) # 转换TIME_UTC为datetime并匹配目标时间取最接近的记录 df[TIME_DT] pd.to_datetime(df[TIME_UTC], utcTrue) target_dt datetime.fromisoformat(target_time_utc.replace(Z, 00:00)) closest_idx abs(df[TIME_DT] - target_dt).idxmin() return { x: float(df.loc[closest_idx, X]), y: float(df.loc[closest_idx, Y]), wind_kts: int(df.loc[closest_idx, WIND_KTS]), pressure_mb: int(df.loc[closest_idx, PRESSURE_MB]) } # 调用示例 typhoon_info parse_typhoon_path(rData\Typhoon\Path_2023.shp, 2023-07-25T12:00:00Z) print(f台风中心{typhoon_info[x]}, {typhoon_info[y]})5.3 改造步骤2构建风暴潮水位栅格替代原Rainfall_2023.tif风暴潮水位不是均匀分布而是随距离台风中心衰减。用PointStatistics生成水位栅格# 1. 创建台风中心点要素类临时 temp_point rin_memory\typhoon_center arcpy.management.CreateFeatureclass( in_memory, typhoon_center, POINT, spatial_referencearcpy.SpatialReference(4326) ) with arcpy.da.InsertCursor(temp_point, [SHAPEX, SHAPEY, WATER_LEVEL_CM]) as cursor: # 根据台风强度估算中心水位简化模型风速每增10kts水位5cm est_level_cm 30 (typhoon_info[wind_kts] // 10) * 5 cursor.insertRow([typhoon_info[x], typhoon_info[y], est_level_cm]) # 2. 用PointStatistics生成水位栅格高斯衰减 water_level_raster sa.PointStatistics( temp_point, WATER_LEVEL_CM, CIRCLE 50000 MAP, # 50km半径内插值 MEAN, CELLSIZE 100 # 输出像元100米 )5.4 改造步骤3海岸线越浪分析关键创新点暴雨淹没只需DEM 水位风暴潮还需判断海浪能否越过海岸堤坝。新增coastal_overtop.pydef coastal_overtop(coastline_shp, dem_raster, water_level_raster, output_overtop): 分析海岸线越浪点当水位 海岸高程 安全余量时标记为越浪 :param coastline_shp: 海岸线Shapefile必须含ELEV_M字段 :param dem_raster: DEM栅格用于提取海岸点高程 :param water_level_raster: 风暴潮水位栅格 :param output_overtop: 输出越浪点Shapefile路径 # 提取海岸线各点高程用ExtractValuesToPoints coast_elev rin_memory\coast_elev arcpy.sa.ExtractValuesToPoints( coastline_shp, dem_raster, coast_elev, NONE, VALUE_ONLY ) # 计算越浪条件水位 海岸高程 2米安全余量 # 先用ExtractMultiValuesToPoints获取水位值 arcpy.sa.ExtractMultiValuesToPoints(coast_elev, [water_level_raster], BILINEAR) # 添加越浪字段并计算 arcpy.management.AddField(coast_elev, OVERTOP, SHORT) arcpy.management.CalculateField( coast_elev, OVERTOP, 1 if !RASTERVALU! (!ELEV_M! 2) else 0, PYTHON3 ) # 导出越浪点 arcpy.management.SelectLayerByAttribute(coast_elev, NEW_SELECTION, OVERTOP 1) arcpy.management.CopyFeatures(coast_elev, output_overtop) # 调用 coastal_overtop( rData\Coastline\China_Coast.shp, DEM, water_level_raster, rData\Output\Overtop_Points.shp )5.5 验证与调试技巧用“三色图层法”快速定位问题改造后如何验证风暴潮淹没是否合理我习惯用ArcGIS Pro的图层叠加技巧底图DEM拉伸为灰色高程中图water_level_raster设置透明度50%用蓝-白渐变白色高水位顶图Overtop_Points.shp红色三角形符号大小随RASTERVALU字段缩放。这样一眼看出红色点是否密集出现在蓝色高水位区与海岸线交界处若红色点散落在内陆说明海岸线高程字段ELEV_M没正确赋值——立刻回查coastline_shp的属性表。这种可视化验证比看日志快10倍。从那以后我每次改地理处理逻辑都强制走一遍“三色图层法”先搭底图现状再叠中图驱动最后放顶图结果。不是为了炫技是让空间关系从代码里跳出来逼自己用眼睛确认逻辑是否成立。希望帮到你。本文还有配套的精品资源点击获取