导出GMS计算结果，并进行分类汇总

实现功能：
  将GMS中计算的网格结果如 Head ET Recharge 等转化成GIS软件中可操作的 .SHP 格式文件，然后按照 GIS 的土地利用类型（栅格数据）进行分类汇总，生成每个土地利用类型的 mean sum max 等统计值

首先将3D网格转化成2D网格，此时2D网格只有默认的数据

然后在 Grid 中将 3D 数据转化成 2D 的

此时会出现相应选项，可以导出最大值、平均值、最高活跃网格值等

此时的 2D Grid 数据是无法导出成 GIS 可用的 .SHP 格式，因此继续将 2D Grid 数据转化成 2D Scatter 数据，2D Scatter 数据导出成 .SHP 文件后拖入到 QGIS 中，采用Sample raster value功能将土地利用类型数据提取到散点中，这样提取的好处在于土地利用类型的代码是直接被提取，不受插值的影响

提取完成以后得到新的散点数据，里面包含了一个名为 r_value1 新数据列，采用QGIS的 Statistics by categories 工具进行自动分类汇总，注意分类数据和目标数据的选择

最后生成的汇总表格如图，可导出成CSV用EXCEL进行后续操作
出现问题：
 数据表中包含了空值-999，直接进行 Statistics by categories 操作会把空值计算到各个类型中，而由于数据表太大，在QGIS的属性表中删除这些空值会让程序运行崩溃。需要利用 GDAL/OGR 进行直接读取属性表操作。

安装 gdal ，在cmd中输入命令

conda install gdal

此处参考python shp文件操作
导出所需字段和要素的数据表文件，生成CSV

import pandas as pd
#导入库
try: 
  from osgeo import ogr
except:
  import ogr
#加载相应数据类型的驱动,相当于初始化一个对象
driver = ogr.GetDriverByName('ESRI Shapefile')

def read_dbf_to_csv(name):
    #打开数据
    fileName="samplepoint%s.shp"%name
    dataSource = driver.Open(fileName,0) #0是只读，1可写
    if dataSource is None:
      print('could not open')
      sys.exit(1)
    #获取图层
    layer = dataSource.GetLayer(0)
    #查看图层的信息
    print("图层描述 :{0}".format(layer.GetDescription()))
    print("图层范围 :{0}".format(layer.GetExtent()))
    print("要素数量 :{0}".format(layer.GetFeatureCount()))
    print("元数据描述 :{0}".format(layer.GetMetadata()))
    print("空间参考 :{0}".format(layer.GetSpatialRef()))


    #获取图层的字段信息
    layerDefinition = layer.GetLayerDefn()
    print("字段名 \t字段类型 \t字段长度 \t字段精度 \t字段类型代码")
    for i in range(layerDefinition.GetFieldCount()):
        fieldName =  layerDefinition.GetFieldDefn(i).GetName()
        fieldTypeCode = layerDefinition.GetFieldDefn(i).GetType()
        fieldType = layerDefinition.GetFieldDefn(i).GetFieldTypeName(fieldTypeCode)
        fieldWidth = layerDefinition.GetFieldDefn(i).GetWidth()
        GetPrecision = layerDefinition.GetFieldDefn(i).GetPrecision()
        print("{0} \t{1} \t{2}  \t{3} \t{4}".format(fieldName,fieldType,fieldWidth,GetPrecision,fieldTypeCode,))


    #获取要素,并获取要素相应的字段
    f_count=layer.GetFeatureCount()
    dbf=pd.DataFrame(columns=['LUCC','ET','RCH'])

    #获取属性表    
    for i in range(f_count):     
        feat = layer.GetFeature(i) # 获取要素
        RCH=feat.GetField(4)
        if not (RCH==-999):
            LUCC=feat.GetField(5) # 获取要素的字段
             
            ET=feat.GetField(3) 
            #geom = feat.GetGeometryRef() # 获取要素坐标

            temp=pd.DataFrame([[LUCC, ET, RCH]],columns=['LUCC','ET','RCH'])
            dbf=dbf.append(temp,ignore_index=True)
            print('{:.4}%'.format(i/f_count*100)) #打印属性表获取进度
    dbf.to_csv('%s.csv'%name)

    dataSource.Destroy() #关闭数据源
    
 
for name in ['2000','2010','2015']:
    read_dbf_to_csv(name) 

导出成为 CSV 文件后进行分类汇总
此处参考资料分类汇总功能实现Group

import pandas as pd

df=pd.read_table('2015.csv',sep=',',index_col=0)
categories=df.groupby(by='LUCC')
print(categories.count())
print(categories.sum())
print(categories.mean())

最后就得到根据土地利用类型分类汇总的各项数据了