利用gdal庫對tif影像進行讀取
示例**預設波段為[b、g、r、nir的順序，且為四個波段]
import
gdal
defreadtif
(filename)
: dataset = gdal.open(filename)
ifdataset == none
: print(filename+"檔案無法開啟"
) return
im_width = dataset.rasterxsize #柵格矩陣的列數
im_height = dataset.rasterysize #柵格矩陣的行數
im_bands = dataset.rastercount #波段數
im_data = dataset.readasarray(0
,0,im_width,im_height)#獲取資料
im_geotrans = dataset.getgeotransform()#獲取仿射矩陣資訊
im_proj = dataset.getprojection()#獲取投影資訊
im_blueband = im_data[0
,0:im_height,0
:im_width]#獲取藍波段
im_greenband = im_data[1
,0:im_height,0
:im_width]#獲取綠波段
im_redband = im_data[2
,0:im_height,0
:im_width]#獲取紅波段
im_nirband = im_data[3
,0:im_height,0
:im_width]#獲取近紅外波段
寫tif影像函式
#儲存tif檔案函式
import
gdal
import
numpy as
npdef
writetiff
(im_data,im_width,im_height,im_bands,im_geotrans,im_proj,path)
: if
'int8'
in im_data.dtype.name:
datatype = gdal.gdt_byte
elif
'int16'
in im_data.dtype.name:
datatype = gdal.gdt_uint16
else
: datatype = gdal.gdt_float32
iflen(im_data.shape) == 3
: im_bands, im_height, im_width = im_data.shape
elif
len(im_data.shape) == 2
: im_data = np.array([im_data])
else
: im_bands, (im_height, im_width) = 1
,im_data.shape
#建立檔案
driver = gdal.getdriverbyname("gtiff"
) dataset = driver.create(path, im_width, im_height, im_bands, datatype)
if(dataset!= none
): dataset.setgeotransform(im_geotrans) #寫入仿射變換引數
dataset.setprojection(im_proj) #寫入投影
fori in
range(im_bands):
dataset.getrasterband(i+1
).writearray(im_data[i])
deldataset
利用python進行T檢驗
引入所需的包 from scipy import stats import numpy as np注 ttest 1samp,ttest ind,ttest rel均進行雙側檢驗 h0 0 h1 0 ttest 1samp官方文件 生成50行x2列的資料 np.random seed 7654567...
利用python對巨量資料排序
我們有乙份100g左右的資料需要根據關鍵字進行排序，當時想的是直接從資料庫select出來的時候直接order by，但是爆記憶體了，於是考慮匯出後直接利用python進行排序。直接利用切割排序，再合併的方式，將100g檔案分為40個2.5g的資料檔案，分別排序後再歸併，思想和leetcode合併n...
利用python對csv檔案進行分割
有個任務，就是將乙個大的csv分割為幾個小的csv，當然是的包含表頭的。於是，我想到了類似於，用雙指標來做。import csv import os path users mac desktop 186 3.csv with open path,r newline as file csvreader...