在带有大表的Python中使用ArcGIS游标时如何提高性能？

我在文件地理数据库中有一个很大的点要素类（〜4 000 000条记录）。这是具有100m分辨率的常规点网格。

我需要在这一层上进行某种概括。为此，我创建了一个新网格，其中每个点位于4个“旧”点的中间：

 *     *     *     *
    o     o     o
 *     *     *     *
    o     o     o
 *     *     *     *

[*] =原始网格点-[o] =新网格点

每个新点的属性值都是基于旧网格中其4个相邻点的加权值来计算的。因此，我在我的新网格的所有点上循环，并针对它们中的每一个，在我的旧网格的所有点上循环，以查找邻居（通过比较属性表中的X和Y的值）。一旦找到4个邻居，我们就会跳出循环。

这里没有方法上的复杂性，但是我的问题是，根据我的第一个测试，该脚本将持续数周才能完成...

您是否有提高效率的可能性？我脑海中浮现出一些想法：

• 索引字段X和Y =>我这样做了，但是没有注意到任何明显的性能变化
• 进行空间查询以查找邻居，而不是基于属性的查询。这真的有帮助吗？ArcGIS中应该执行哪些空间功能？我怀疑，例如，缓冲每个新点会更有效
• 将要素类转换为NumPy数组。有帮助吗？到目前为止，我与NumPy的合作并不多，除非有人告诉我这可能真的有助于减少处理时间，否则我不愿涉足其中
• 还要别的吗？

如果将这些点输入到numpy数组中并使用粗糙的cKDTree查找邻居该怎么办。我使用这种技术在多个MINUTES中处理了具有大量点（> 2000万个）的LiDAR点云。有文档这里的kdtree和这里的numpy的转换。基本上，您将x，y读入数组，并在数组中的每个点上进行迭代，以找到每个点在一定距离（相邻）内的点的索引。您可以使用这些索引来计算其他属性。

我和Barbarossa在一起...弧形游标非常la脚，所以我只用它们一次遍历表或要素类一次。如果我无法在一个周期内完成工作，则可以使用游标填充其他类型的数据结构并进行处理。

如果您不想麻烦numpy，只需制作一个简单的python 字典，在其中将坐标用作简单的文本键，然后将要计算的属性填写到列表中，作为字典项的值。

在第二步中，您只需从字典中获取点即可轻松获得计算点所需的值（由于项的字典hashindex的原因，这非常快）。

对于常规网格，以栅格格式工作应该更加有效。将您的第一个栅格转换为栅格，您可以使用双线性插值器以相同的分辨率重新采样，但是将输出图像在X和Y方向上移动1/2像素，如果仍然需要点，则再次返回点。

编辑：对于复杂的决策规则，您可以将所需的每个字段转换为新的栅格波段，然后制作这些波段的四个副本，然后将栅格在4个方向上移动1/2像素（+ 50，- 50），（+ 50，+ 50），（-50，-50）和（-50，+ 50）。然后您可以使用常规地图代数

谢谢大家的帮助！

我终于找到了解决该问题的非常非Python的方法...实际上，花费最多计算时间的是找到每个点的4个邻居。我没有使用X和Y属性（既可以使用圆弧形光标，也可以使用其他数据结构（例如python字典）使用），而最终使用了ArcGIS工具Generate near table。我认为这利用了空间索引的优势，并且性能显然要高得多，而无需我自己实现索引。

游标的问题在于，您只能以一种方式循环游标，而不能返回。尽管不建议这样做，但是如果您打算重新访问这些特征，则可以将其填充到一个结构中。

如果您能够在一个循环中处理功能，则建议启用回收。它是搜索要素类函数上的一个参数，该参数使python可以重用由旧要素分配的内存，并使光标中的要素遍历更快。您可以将网格处理速度提高80％。

问题是，如果您计划存储从游标中检索到的要素，则无法启用回收。