标签：try 字段 处理 其他 values bsp ssi remove 属性
对于在运行过程中只用到一次，但是会严重影响运行效率的数据，在使用过后立刻删除，以提高运行效率。
遥感影像信息提取中，有预判、审核两步。对于同一块地区，预判作业员先勾画出目标地物并赋值，完成之后复制一份矢量交给审核作业员检查，审核作业员在预判的基础上修改图斑形状、属性，或者删除、添加图斑。
现在需要对比两份矢量，计算预判作业员的错误率、遗漏率，主体代码很简单，就是遍历审核后的矢量（审核矢量），找出每个图斑对应的预判矢量图斑，比较。如果找不到对应的图斑，则认为是遗漏。
shapeChange = attrChange = missing = 0; ISpatialFilter preFilter = new SpatialFilterClass(); preFilter.SpatialRel = esriSpatialRelEnum.esriSpatialRelWithin; IFeature chkFeat = null; IFeatureCursor chkCur = chkClass.Search(null, false); while ((chkFeat = chkCur.NextFeature()) != null) { IArea chkArea = chkFeat.Shape as IArea; preFilter.Geometry = chkArea.LabelPoint; IFeatureCursor preCur = preClass.Search(preFilter, false); IFeature preFeat = preCur.NextFeature(); if (preFeat == null) { missing++; continue; } IRelationalOperator relOp = chkFeat.Shape as IRelationalOperator; object preAttr = preFeat.get_Value(preIndex); object chkAttr = chkFeat.get_Value(chkIndex); //开始图形比较 if (!relOp.Equals(preFeat.Shape)) { shapeChange++; continue; } if (!preAttr.Equals(chkAttr)) { attrChange++; continue; } }
这段代码在图斑数量不上万的情况下运行良好，然而图斑数量变多之后效率急速下降，两份5万左右的矢量，一夜都没比较完。经过排查，时间开销最大的是空间查找对应图斑这段代码。因此我试着在图形比较之前添加以下代码，删除与审核图斑属性形状都相同的预判图斑。
if (relOp.Equals(preFeat.Shape) && preAttr.Equals(chkAttr)) { preFeat.Delete(); continue; }
结果原先一夜跑不完的数据只用了半小时就搞定。
这里就是我想要说的思路，对于在运行过程中只用到一次，但是会严重影响运行效率的数据，在使用过后立刻删除，以提高运行效率。
想到这个思路后两天，又遇到了一个数据量很大的需求。有一份矢量，要求其中一个字段里的值不能有重复，但是检查之后发现有1万多图斑的值有重复，需要找出这1万多图斑。我的实现代码如下：
# coding:utf-8 import os import arcpy orishp=arcpy.GetParameterAsText(0) uniquefd==arcpy.GetParameterAsText(1) scur=arcpy.da.SearchCursor(orishp,[uniquefd]) allvalues=[row[0] for row in scur] dcur=arcpy.da.UpdateCursor(orishp,[uniquefd]) for row in dcur: if allvalues.count(row[0])==1: allvalues.remove(row[0]) dcur.deleteRow()
倒数第二行，我把数组里只出现一次的值都删除，使执行allvalues.count()所需的时间逐次减少，以提高效率。
用一份40万个图斑的矢量测试，以上代码需要16分钟，把倒数第二行注释之后再测试，需要30分钟，消耗的时间增加了几乎一倍。
最近遇到的业务量越来越大，如果有其他好的提高效率的方法，希望大家多指点。
标签：try 字段 处理 其他 values bsp ssi remove 属性
原文地址：http://www.cnblogs.com/sunnyeveryday/p/6641757.html
