【耕地质量等级评价-Python实现 | 01】耕地质量变更调查表的审查

最新推荐文章于 2024-05-21 16:18:28 发布
最新推荐文章于 2024-05-21 16:18:28 发布
阅读量708 收藏 6
点赞数
分类专栏： 【耕地质量等级评价-Python实现】 文章标签： python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_42838190/article/details/119858478
版权

        【商务合作联系qq】：1286257618

        【技术交流群】：991807590

一、思路分析

        耕地质量变更调查表的审查是为了确保原始数据的可靠性。主要检测《耕地质量等级》中十六个评价指标是否有空值，6个数值指标是否在《农业农村部耕地质量监测保护中心关于印发《全国耕地质量等级评价指标体系》的通知》规定的范围之内。该部分代码以面向对象编程的思路进行编写。主要分为三部分：

        1. 构造函数，生成pandas.dataframe,以及传入县名称

        2. check_na 函数检测十六个指标是否存在空值

        3. check_over_bound 函数检测6个指标时候在标准规定的范围之内

二、代码实现

        1. 构造函数

        WORK_BASE_DIR和OUTPUT_BASE_DIR分别是耕地质量变更调查表的存放目录和检测结果的输出结果。

        BORDER_DICT是县所属两级划分农业区中各农业区六种指标的下界和上界

        self.df是pandas读取excel数据生成的DataFrame

        self.county_name是通过正则表达式匹配文件名中的中文字符，也就是县名。        

                notes: r'[\u4e00-\u9fa5]*', [\u4e00-\u9fa5]表示任意中文字符，*表示任意多个字符

class OriginalCheck:
    WORK_BASE_DIR = r'D:\课题组项目\2021耕地质量更新\1.耕地质量变更调查表'
    OUTPUT_BASE_DIR = r'D:\课题组项目\2021耕地质量更新\2.耕地质量变更调查表_检测结果'

    BORDER_DICT = {
        '有效土层厚': [4.9999999999999999, 113.0000000000000001],
        '土壤容重': [0.499999999999999999, 2.370000000000000001],
        'pH': [2.9999999999999999999999, 9.5000000000000000001],
        '有机质': [0.999999999999999999, 37.5000000000000000001],
        '速效钾': [4.999999999999999999, 205.000000000000000001],
        '有效磷': [0.099999999999999999, 252.300000000000000001]
    }

    def __init__(self, county_file):
        self.df = pd.read_excel(OriginalCheck.WORK_BASE_DIR + '\\' + county_file)
        self.county_name = re.match(r'[\u4e00-\u9fa5]*', county_file).group()

        2.  check_na 函数

        步骤：

                1. 对dataframe进行空值检测，生成空值字典

                2. 将空值字典的数据组织为文本形式

                3. 将文本数据写入检测结果txt文件

        notes: f-string的特性请自行百度

    def check_na(self):
        # 1. 对dataframe进行空值检测,生成空值字典
        nan_dict = {}
        for i in range(len(self.df)):
            for field in ['经度', '纬度', '地形部位', '耕层质地', '质地构型', '生物多样性', '障碍因素', '灌溉能力', '排水能力',
                          '农田林网化', '海拔高度', '有效土层厚', '土壤容重', 'pH', '有机质', '有效磷', '速效钾']:

                # 如果遍历到的数据为空值，则该数据以{'固定编号': '指标'}的格式保存到nan_dict中
                if pd.isna(self.df.loc[i, field]):
                    nan_dict[self.df.loc[i, '固定编号']] = field
                    self.df.loc[i, field] = 0   # 将空值赋0，以便进行越界检测

        # 2. 将空值字典的数据组织为文本形式
        check_result = ''
        if nan_dict:
            for i, (key, field) in enumerate(nan_dict.items(), 1):
                check_result += f'{i}. 固定编号为【{key}】 的 【{field}】指标为空值\n'
        else:
            check_result = '无\n'

        # 3. 将检测结果输出到txt
        f = open(OriginalCheck.OUTPUT_BASE_DIR + '\\' + self.county_name + '原始数据检测结果.txt', 'w')
        f.write(f'【{self.county_name}原始数据检测结果】\n'.center(150))
        f.write('\n以下为空值判断结果:\n')
        f.write(check_result)
        f.close()

         3. check_over_bound 函数

        步骤：

                1. 对dataframe进行越界检测，生成越界字典

                2. 将越界字典的数据组织为文本形式

                3. 将文本数据写入检测结果txt文件        

    def check_over_bound(self):
        # 1. 越界判断
        over_dict = {}
        for i in range(len(self.df)):
            for field in ['有效土层厚', '土壤容重', 'pH', '有机质', '有效磷', '速效钾']:
                if self.df.loc[i, field] < OriginalCheck.BORDER_DICT.get(field)[0]:
                    # 越界字典的保存格式为{'固定编号': ['指标', '界限及界限值', '值']}
                    over_dict[self.df.loc[i, '固定编号']] = [field, f'下界{OriginalCheck.BORDER_DICT.get(field)[0]}',
                                                         self.df.loc[i, field]]
                if self.df.loc[i, field] > OriginalCheck.BORDER_DICT.get(field)[1]:
                    over_dict[self.df.loc[i, '固定编号']] = [field, f'上界{OriginalCheck.BORDER_DICT.get(field)[1]}',
                                                         self.df.loc[i, field]]

        # 2. 组织数据
        check_result = ''
        if over_dict:
            for i, (key, [field, border, value]) in enumerate(over_dict.items(), 1):    # enumerate(xxx, 1)表示从1开始编号
                check_result += f'{i}. 固定编号为【{key}】 的 【{field}】指标越过了【{border}】，其值为【{value}】.\n'
        else:
            check_result = '无\n'

        # 3. 将检测结果输出到txt
        # 注意： open(path, 'a')以‘a’格式打开文件，表示文件不存在则创建文件，存在则追加到末尾。如果用‘w'模式打开则会覆盖前文空值检测的结果
        f = open(OriginalCheck.OUTPUT_BASE_DIR + '\\' + self.county_name + '原始数据检测结果.txt', 'a')
        f.write('\n以下为越界判断结果:\n')
        f.write(check_result)
        f.close()

三、完整代码

import os
import re
import pandas as pd


class OriginalCheck:
    WORK_BASE_DIR = r'D:\课题组项目\2021耕地质量更新\1.耕地质量变更调查表'
    OUTPUT_BASE_DIR = r'D:\课题组项目\2021耕地质量更新\2.耕地质量变更调查表_检测结果'

    BORDER_DICT = {
        '有效土层厚': [4.9999999999999999, 113.0000000000000001],
        '土壤容重': [0.499999999999999999, 2.370000000000000001],
        'pH': [2.9999999999999999999999, 9.5000000000000000001],
        '有机质': [0.999999999999999999, 37.5000000000000000001],
        '速效钾': [4.999999999999999999, 205.000000000000000001],
        '有效磷': [0.099999999999999999, 252.300000000000000001]
    }

    def __init__(self, county_file):
        self.df = pd.read_excel(OriginalCheck.WORK_BASE_DIR + '\\' + county_file)
        self.county_name = re.match(r'[\u4e00-\u9fa5]*', county_file).group()

    def check_na(self):
        # 1. 对dataframe进行空值检测,生成空值字典
        nan_dict = {}
        for i in range(len(self.df)):
            for field in ['经度', '纬度', '地形部位', '耕层质地', '质地构型', '生物多样性', '障碍因素', '灌溉能力', '排水能力',
                          '农田林网化', '海拔高度', '有效土层厚', '土壤容重', 'pH', '有机质', '有效磷', '速效钾']:

                # 如果遍历到的数据为空值，则该数据以{'固定编号': '指标'}的格式保存到nan_dict中
                if pd.isna(self.df.loc[i, field]):
                    nan_dict[self.df.loc[i, '固定编号']] = field
                    self.df.loc[i, field] = 0   # 将空值赋0，以便进行越界检测

        # 2. 将空值字典的数据组织为文本形式
        check_result = ''
        if nan_dict:
            for i, (key, field) in enumerate(nan_dict.items(), 1):
                check_result += f'{i}. 固定编号为【{key}】 的 【{field}】指标为空值\n'
        else:
            check_result = '无\n'

        # 3. 将检测结果输出到txt
        f = open(OriginalCheck.OUTPUT_BASE_DIR + '\\' + self.county_name + '原始数据检测结果.txt', 'w')
        f.write(f'【{self.county_name}原始数据检测结果】\n'.center(150))
        f.write('\n以下为空值判断结果:\n')
        f.write(check_result)
        f.close()

    def check_over_bound(self):
        # 1. 越界判断
        over_dict = {}
        for i in range(len(self.df)):
            for field in ['有效土层厚', '土壤容重', 'pH', '有机质', '有效磷', '速效钾']:
                if self.df.loc[i, field] < OriginalCheck.BORDER_DICT.get(field)[0]:
                    # 越界字典的保存格式为{'固定编号': ['指标', '界限及界限值', '值']}
                    over_dict[self.df.loc[i, '固定编号']] = [field, f'下界{OriginalCheck.BORDER_DICT.get(field)[0]}',
                                                         self.df.loc[i, field]]
                if self.df.loc[i, field] > OriginalCheck.BORDER_DICT.get(field)[1]:
                    over_dict[self.df.loc[i, '固定编号']] = [field, f'上界{OriginalCheck.BORDER_DICT.get(field)[1]}',
                                                         self.df.loc[i, field]]

        # 2. 组织数据
        check_result = ''
        if over_dict:
            for i, (key, [field, border, value]) in enumerate(over_dict.items(), 1):    # enumerate(xxx, 1)表示从1开始编号
                check_result += f'{i}. 固定编号为【{key}】 的 【{field}】指标越过了【{border}】，其值为【{value}】.\n'
        else:
            check_result = '无\n'

        # 3. 将检测结果输出到txt
        # 注意： open(path, 'a')以‘a’格式打开文件，表示文件不存在则创建文件，存在则追加到末尾。如果用‘w'模式打开则会覆盖前文空值检测的结果
        f = open(OriginalCheck.OUTPUT_BASE_DIR + '\\' + self.county_name + '原始数据检测结果.txt', 'a')
        f.write('\n以下为越界判断结果:\n')
        f.write(check_result)
        f.close()


if __name__ == '__main__':
    for county_file in os.listdir(OriginalCheck.WORK_BASE_DIR):
        check_obj = OriginalCheck(county_file)
        check_obj.check_na()
        check_obj.check_over_bound()

以下为检测报告：

 

Rebzq
关注
  • 0
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Python环境监测爬虫实战：获取大气、水质和土壤数据
sybh的博客
10-24 340
本文介绍了如何使用Python编写爬虫来获取大气、水质和土壤数据，以帮助环保机构更好地了解和改善环境质量。请注意，这只是一个示例，实际情况可能更复杂，需要更多的数据处理和错误处理。环境监测是一个关键的领域，爬虫技术可以帮助我们获取大量的监测数据，以支持环保决策和行动。希望本文对您有所帮助，鼓励您继续深入学习和探索这一领域。如果您有任何问题或建议，请随时联系我们。
全国耕地质量等级评价指标体系.pdf
08-22
全国耕地质量等级评价指标体系.pdf
【耕地质量等级评价-Python实现 | 00】 前言
qq_42838190的博客
08-22 798
耕地质量等级评价是2019年下达的任务，该项工作主要分为耕地质量变更调查表的审查、耕地质量变更调查表的转换、对耕地斑块进行指标的插值和赋值、对耕地斑块赋值结果进行评价、统计分析及相关表格和文本的生成五大斑块。后续【耕地质量等级评价-Python实现】系列将就这五部分进行python代码实现。 【商务合作联系qq】：1286257618 【技术交流群】：991807590 参考规范: 《耕地质量等级》GB/...
《高标准农田建设项目耕地质量等级评价》
qq_49166144的博客
03-30 5612
系列文章目录 提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加 例如：第一章 Python 机器学习入门之pandas的使用 提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录系列文章目录前言一、pandas是什么？二、使用步骤1.引入库2.读入数据总结 前言 提示：这里可以添加本文要记录的大概内容： 例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。 提示：以下是本篇文章正文内容，下面案例可
pySoilAnalytics:用于实现土壤监测数据分析框架的 Python 脚本
07-12
pySoilAnalytics 用于实现土壤监测数据分析框架的 Python 脚本
编写一段python代码用来说明大数据对农业的帮助
weixin_35752645的博客
01-14 225
import pandas as pd # 读取农田土壤数据 soil_data = pd.read_csv('soil_data.csv') # 查看前5行数据 print(soil_data.head()) # 利用pandas库进行数据清洗和预处理 # ... # 利用机器学习算法建立土壤肥力预测模型 # ... # 利用预测模型对新的土壤样本进行预测 # ... 上面的代码演示...
xx市耕地质量等别年度更新评价项目（更新评价分析报告） - 副本.docx
07-07
xx市耕地质量等别年度更新评价项目（更新评价分析报告）
论文研究-基于GIS的耕地质量预警系统设计与实现.pdf
07-22
基于 GIS技术和数据库技术 ,提出了建立耕地质量预警系统的总体流程 ,设计了耕地质量预警系统的功能和数据库结构 ,并以江苏省金坛市为例建立了一套完整的耕地质量预警信息数据库和耕地质量预警系统。结果表明 ,耕地...
吴江市耕地质量状况分析.pdf-文档整理可打印.zip
08-05
吴江市耕地质量状况分析.pdf_文档整理可打印.zip
三调耕地资源质量分类数据库标准空库
11-23
根据2020年10月15日第三次全国国土调查县级耕地资源质量分类数据库标准，制作的数据库标准空库。 1.表5、表6、表9和表10，将“c-标准制”改为“c-国际制”。 2.数据库标准要求，扩充分类单元图层是必须的，“三调”...
土壤检测传感器python程序
04-14
土壤检测传感器将检测的模拟量（电压值）通过PCF8591转化为数字量。PCF8591采用典型的I2C总线接口器件寻址方法，即总线地址由器件地址、引脚地址和方向位组成。规定A/D器件地址为1001，引脚地址为A2A1A0，其值由用户选择，因此I2C系统中最多可接23=8个具有I2C总线接口的A/D器件。地址的最后一位为方向位R/ ，当主控器对A/D器件进行读操作时为1，进行写操作时为0。总线操作时，由器件地址、引脚地址和方向位组成的从地址为主控器发送的第一字节。 当系统为A/D转换时，模拟输出允许为0。模拟量输入选择位取值由输入方式决定：四路单端输入时取00，三路差分输入时取01，单端与差分输入时取10，二路差分输入时取11。最低两位时通道编号位，当对0通道的模拟信号进行A/D转换时取00，当对1通道的模拟信号进行A/D转换时取01，当对2通道的模拟信号进行A/D转换时取10，当对3通道的模拟信号进行A/D转换时取11。在进行数据操作时，首先是主控器发出起始信号，然后发出读寻址字节，被控器做出应答后，主控器从被控器读出第一个数据字节，主控器发出应答，主控器从被控器读出第二个数据字节，主控器发出应答…一直到主控器从被控器中读出第n个数据字节，主控器发出非应答信号，最后主控器发出停止信号。程序设计如下：
python获取空气质量指数
04-07
利用python 爬虫工具，可以获取空气质量指数ppt和空气质量指数，
论文研究 - 基于GIS的耕地质量等级更新-以广西一个县为例。
05-16
耕地质量对农业产量，粮食安全，可持续发展以及耕地资源利用能力具有重要影响。 随着耕地质量趋势越来越受到重视，为了加强耕地质量管理，提高耕地质量精度等成就，并保持耕地质量等成就的现状。 本文以广西壮族自治区阿县为例，在地理信息系统的支持下，采用叠加法研究了耕地的等级和等级更新，研究了区域耕地的等级和等级变化。其空间分布，掌握一年中耕地质量建设引起的耕地现状变化和耕地等级变化，为土地利用规划，土地整理和耕地保护提供科学依据。
农业生产适宜性评价之土地资源评价算法
clever101的专栏
03-22 1008
土地资源评价主要利用坡度和土壤质地指标进行评价。
农业生产适宜性评价之环境资源评价算法
clever101的专栏
03-24 1237
农业生产适宜性评价之环境资源评价主要利用土壤环境容量指标进行评价，土壤环境容量通过土壤污染风险等级高低反映土壤环境。
农作物地块范围识别（图像分割）
数据派THU
06-02 3214
来源：机器学习AI算法工程、知乎@Now more 本文约5500字，建议阅读15分钟本文为你介绍 以薏仁米作物识别以及产量预测为比赛命题，及对对应获奖的开发算法模型。农作物的资产盘点与精准产量预测是实现农业精细化管理的核心环节。当前，我国正处于传统农业向现代农业的加速转型期，伴随着农业的转型升级，政府宏观决策、社会各界对农业数据的需求不断增加，现有农业统计信息的时效性与...
耕地资源质量分类更新与监测质量分类代码解析
qq_42202048的博客
06-07 1177
耕地资源质量分类更新与监测项目中质量分类代码为12位数字、字母组成的代码（如333311101212）解析
python中用“*”运算符复制列表时子列表实际上引用的是同一个列表，列表和嵌套列表的坑
最新发布
ThreeS_tones的博客
05-21 115
当你修改了一个子列表的元素时，所有的子列表都会随之改变。因为他们实际上都是同一个子列表的引用。输出如下，可以看到每个子列表中的第5个元素相同，并没有实现从0.8-1.2分布。先看一个例子，我想改变load的子列表中第五个元素，从0.8-1.2分布。的时候，Python实际上。
JVM学习-执行引擎
丢爸
05-21 420
当然是否需要启动JIT编译器将字节码直接编译为对应平台的本地机器指令，则需要根据代码被调用。大部分的程序代码转换为物理机的目标代码或虚拟机能执行的指令集之前，都需要经过下图各个步骤。，将其直接编译为对应平台的本地机器指令，以此提升Java程序的执行性能。”，JIT编译器在运行时会针对那些频繁被调用的热点代码做出。Java代码编译是由Java源码编译器来完成，流程图如下。而定，关于那些需要被编译为本地代码的字节码，称为“Java字节码的执行是由JVM执行引擎来完成。
全国耕地质量等级评价指标体系pdf
07-05
全国耕地质量等级评价指标体系pdf是一份包含全国范围内的耕地质量评价指标的文件，主要用于对耕地质量进行评估和等级划分。该指标体系由土地资源管理部门或相关机构制定，旨在保护和合理利用国家的耕地资源。 该...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值