为什么在ModelBuilder中使用要素图层很重要？

我试图理解使用ModelBuilder创建地理处理的过程，但是我不知道为什么在使用ModelBuilder创建地理处理时使用要素图层而不是要素类很重要。有人可以解释为什么吗？

根据模型的大小和复杂性，模型可能具有许多子过程输出层。为了消除文件写入硬盘的麻烦，某些工具使您可以使用要素图层（例如，迭代要素选择或按属性选择）。特征图层是临时的，在模型结束后将不会保留。

请参见制作要素图层

为什么要在ModelBuilder中引用要素图层（而不是要素类）有两个原因。首先，了解差异是有帮助的。

• “功能类”是对整个原始数据的简单引用。一个简单的示例，其中FC是磁盘上的shapefile。
• “要素层”是对数据抽象的引用，您可以在其中与原始数据集（而不是整个数据集）中的一个或多个要素进行交互。将数据加载到ArcMap后，图层就是您与之有效地交互的对象。

因此，鉴于此背景，以下是一些您为什么要使用“制作要素图层”工具作为原始数据和其他地理处理工具之间的中介的一些原因。

1. ModelBuilder中的许多GP工具都需要使用图层，并且不会接受FC作为输入。如果您的GP工具需要选择数据，则尤其如此。在这种情况下，您需要与LAYER进行交互，而不是与原始数据进行交互。示例：如果您没有打开ArcMap（或其他GIS程序），则如何从原始shapefile中选择要素...您将无法。您需要与ArcMap中的图层进行交互才能进行选择。

2. 如果您想从ArcCatalog运行模型，或者将模型导出到可以在ArcGIS外部运行的Python脚本，则需要使用“功能层”才能将原始源数据转换为“层”。这将类似于“向ArcMap会话中添加数据”。

3. 使用图层使您可以轻松地在ModelBuilder流程中对数据进行子集化。假设您要用一种方法处理属性为“ A”的所有数据，而要用另一种方法处理属性为“ B”的所有数据。您可以一次引用原始数据，然后使用要素图层将数据分为两个“分支”，并分别处理每个集合，但会影响/更新单个源数据集。

4. 您可以创建“ in_memory”要素图层，这些要素图层是真正的临时数据处理“容器”，并且与每次操作之后写入磁盘相比，可以更快地处理数据。它还限制了处理完成后必须清理的垃圾量。

将临时层合并到模型中还可以减少处理时间。从处理的角度来看，与写入磁盘相比，写入内存要高效得多。同样，您可以将临时数据写入in_memory工作空间，这也将提高计算效率。

ArcGIS中的许多操作都需要临时图层作为输入。例如，“ 按位置选择图层（数据管理）”是一个非常强大且便捷的工具，可让您选择与其他选择要素共享空间关系的图层要素。您可以指定复杂的关系，例如“ HAVE_THEIR_CENTER_IN”或“ BOUNDARY_TOUCHES”等。

编辑：

出于好奇，为了详细说明使用要素图层和in_memory工作空间的处理差异，请考虑以下速度测试，其中39,000个点被缓冲100m：

import arcpy, time
from arcpy import env

# Set overwrite
arcpy.env.overwriteOutput = 1

# Parameters
input_features = r'C:\temp\39000points.shp'
output_features = r'C:\temp\temp.shp'

###########################
# Method 1 Buffer a feature class and write to disk
StartTime = time.clock()
arcpy.Buffer_analysis(input_features,output_features, "100 Feet")
EndTime = time.clock()
print "Method 1 finished in %s seconds" % (EndTime - StartTime)
time.sleep(5)

############################
# Method 2 Buffer a feature class and write in_memory
StartTime = time.clock()
arcpy.Buffer_analysis(input_features, "in_memory/temp", "100 Feet")
EndTime = time.clock()
print "Method 2 finished in %s seconds" % (EndTime - StartTime)
time.sleep(5)

############################
# Method 3 Make a feature layer, buffer then write to in_memory
StartTime = time.clock()
arcpy.MakeFeatureLayer_management(input_features, "out_layer")
arcpy.Buffer_analysis("out_layer", "in_memory/temp", "100 Feet")
EndTime = time.clock()
print "Method 3 finished in %s seconds" % (EndTime - StartTime)
time.sleep(5)

我们可以看到方法2和3等效，并且比方法1快3倍。这显示了在较大的工作流中将要素层用作中间步骤的强大功能。