用Excel表中数据在mapinfo中创建点

第一篇：用Excel表中数据在mapinfo中创建点

Mapinfo应用方法

1、将你所需要导入的经纬度的信息（包括：地点名称、经度、纬度三项）做在一个Excel表格中，如下图所示：

2、选中第一列的汉字部分，点击右键，选择“设置单元格格式”，在弹出的对话框中的第一项“数字”分类中有一项“文本”，选择后点击确定；

3、选中第二、三列表示经纬度的数字部分，点击右键，选择“设置单元格格式”，在弹出的对话框中的第一项“数字”分类中有一项“数值”，选择后将后面的小数位数改为7位（为了达到更高的精确度），然后点击确定；如下图所示：

4、选中所有内容部分，如下图所示：

然后点击文件中的“另存为”选项，在“保存类型”的下拉选择项中选择 “DBF 4(dBASE Ⅳ)选项，如下图所示：

然后点击保存就可以了；注意：保存时会弹出一对话框，选择“是”就可以了。

5、打开mapinfo软件，在“快速启动”对话框中选择“打开表”选项，然后点击“打开”，将打开的目录找到第四步骤中保存的文件夹，将“文件类型”下拉选择项中选择“dBASE DBF(*.dbf)选项，然后点击打开；如下图所示：

在弹出的“dBASE DBF 信息”对话框中将“文件字符集[F]：”下拉菜单中，选择最后一项“No character set conversion”，然后点击确定；如下图所示：

6、通过上步的操作你会在一个弹出的窗口中看到你刚才Excel表格中的信息，然后在工具条中点击“表”选项中的“创建点”选项，如下图所示：

然后在弹出的窗口中可以编辑你所喜欢的图标的样式（通过“使用符号”选项）如下图：

然后分别点击“确定”就好了。

7、关闭mapinfo文件，然后进入你保存的目录下，你会发现多了几个文件，双击其中一个“MapInfo Table”格式的文件打开就可以了，如下图：

然后你就可以看到你刚才导入的那些地点就会以图标的样式显示出来了，如下图：

8、如果你有地理环境的底图（这个可能需要购买，相当的贵，当初我们广西的花了一百多万），你可以打开就可以了，然后你就可以看到你创建的各个点分布在地图上了。如下图：（看到中间的小红三角符号没有？）

注意：由于经纬度和地图可能存在一定的误差，所以显示出来的结果可能会与实际不符合。

9、如果想再进一步编辑的话在MapInfo里面选择需要编辑的图层进行编辑就可以了。

注意：文中图片信息不要扩展出去。若有问题，再联系我！

第二篇：在CATIA中批量创建点和曲线

一、查找catia安装目录下" />intel_acodecommandGSDPointSplineLoftFromExcel.xls文件。打开文件GSDPointSplineLoftFromExcel.xls，界面如下：

二、在StartCurve和EndCurve之间的一组数值是点的坐标值，每一组点连成一条样条曲线。每一行的三个数值分别代表X、Y、Z坐标。同时可以画出若干样条曲线。如果需要，可以用这些样条曲线创建放样曲面。用每一对StartLoft、EndLoft之间的样条曲线创建一个放样曲面。

三、打开CATIA V5，进入Generative Shape Design，使要在其中创建点和样条曲线的文件处于激活状态，这个文件必须是CATPart文件，并且至少包含一个OpenBody：

四、运行宏程序，步骤如下：

1、单击菜单“工具”à“宏”à“宏”：

2、显示宏对话框后，执行宏 Feuil1.Main

3、对话框弹出后：选1生成点 选2生成点和曲线

选3生成点、曲线和loft曲面

4、选择2，单击“执行”。运行结果如下：

5、选择3，单击“执行”。运行结果如下：

在实际的工作中，用户的原始坐标数据往往不是EXCEL格式，需要转换成EXCEL格式，填充坐标值区域，用来生成点和曲线。

用户的原始坐标数据通常用文本文件等格式存放，例如：

对上述问题，请按如下步骤进行操作：

一、这种格式的数据不能在EXCEL里直接使用，要把这些数据导入EXCEL，用EXCEL打开该文件，出现如下对话框：

二、对于文件类型，选择“分隔符号”，而非“固定宽度”：

三、然后单击“下一步”，选择空格（如果是用其他分隔符分隔坐标值，选择相应的分隔符）：

四、单击“完成”，数据即导入EXCEL：

五、共有十行数据，要把它们粘贴到文件GSD_PointSplineLoftFromExcel.xls，先在该文件中准备十行空间。选择四行表格，单击菜单“插入”à“行”，即可插入四行表格：

六、选择两行表格，单击菜单“插入”à“行”，又插入两行表格：

七、即得到十行表格，以容纳十行坐标值：

八、将原始数据复制后，粘贴到这十行三列表格中，如果没有其他数据输入，将下面两段多余的数据删除，得到如下结果：

九、运行程序，画出样条曲线：

第三篇：大数据在教学管理中的运用

大数据在教学管理中的运用

随着大数据时代的崛起，云数据时代的来临，大数据给各行各业的发展模式和决策带来前所未有的革新与挑战，教育行业同样不可避免。当前人们对大数据的认识尚处于初始阶段，特别是大数据在教育领域的研究和实践才刚刚开始，真正的将大数据完美地应用于教育，造福于教育，仍然有很长的路要走，这需要我们共同的努力！

一、何为大数据

《自然》杂志在2008年9月推出了名为“大数据”的封面专栏，讲述了数据在数学、物理、生物、工程及社会经济等多个学科扮演了愈加重要的角色。加里・金说：“这是一场革命，庞大的数据资源使得各个领域开始了量化进程，无论学术界、商界还是政府，所有领域都将开始这种进程。”大数据也称巨量资料，指的是所涉及的资料量规模巨大到无法透过目前主流软件工具，在合理时间内达到撷取、处理、并整理成为帮助企业更好经营决策的各种资讯，同时与大数据相关的数据存储、数据安全、数据分析等领域也都属于大数据范畴。

二、大数据对教学的影响

中国原始社会时期，“燧人之世，天下多水，故教民以渔”，“宓羲氏之世，天下多兽，故教民以猎”，法家思想的集大成者韩非子也有“世异则事异，事异则备变”的观点，足见教育是需要根据现实变化的。

在教育领域中，大数据除体现传统数据的所有宏观功能外，还能收集分析详尽的微观个性化数据，大数据的优势立显。传统数据诠释宏观、整体的教育状况；大数据用于调整教育行为与实现个性化教育；传统数据来源于阶段性的，针对性的评估，其采样过程可能有系统误差；大数据来源于过程性的，以第三方、技术型的观察采样的方式误差较小。传统数据分析所需要的人才、专业技能以及设施设备都较为普通，易获得；大数据挖掘需要的人才，专业技能以及设施设备要求较高，并且从业者需要有创新意识与挖掘数据的灵感而不是按部就班者。

大数据带来新一轮教育信息化的浪潮已然随着硬件的高速革新和软件的高度智能无法抗拒地推到了我们面前。作为新时期的教育管理者，唯有掌握良好的“冲浪”技术，转变教育思想，及时利用大数据服务学校管理、改革教育教学，提高办学质量。

三、大数据教学管理模式

随着时代的发展，科技的日新月异，以往的教学管理模式正在慢慢退出历史舞台。这种以现代信息技术为支撑，大数据为载体的新型管理模式极大地实现了教育资源的共享与充分利用，促进了工作效率的提升，转变了工作效能，让工作更加具有时效性，科学性，及时性。管理透明化、简约化、信息化。

1、教育大数据管理的模型构建

正如2014年全国教育工作会议提出的，今后一个时期我国教育管理的目标是“加快推进教育治理体系和治理能力现代化”，我国的教育管理模式将发生质的变革，大数据管理模型应运而生。

大数据支撑的教育管理模型：以“主体、对象、资源、目标”为核心要素，建立多级连通共享的教育云，构建教育管理复杂系统，利用云技术处理教育云端大数据，为教育公共服务机构、教师和学生提供全天候多终端个性化需求的教育资源服务、专业发展服务和综合素质发展服务，提升教育资源配置的合理性和公平性，提升教育决策科学化水平。大数据教育管理新模式如右图所示。

在教育管理中，人的因素是重要的教育数据，是一切教育数据的来源。教育资源的配置，首先要进行科学合理的资源基本分类：人才资源、财物资源、知识资源；教育内容、教育理论、教育方法、教育经验等，是教育资源配置中的隐性资源，却是根本资源；技术资源是大数据教育管理的生产力资源，教育技术尤其是教育信息技术、大数据、云技术的应用，是管理主体满足教育服务需要，合理配置教育资源的应用型资源。

2、教育大数据管理的行动路线图

教育大数据管理是一个长远的伟大工程，从当前的教育信息化建设水平和面临的挑战综合考虑，还有相当长的路程要走。我们需要在思想上、理论上和实践上全面推进，迫切需要制订正确而长远的行动路线图如又图所示。

这是三个层级的运行策略：底层是大数据教育管理的基础建设――教育云的建设，各区域应遵循国家教育数据标准，建设分布式教育数据中心（云）――资源库+数据库+数据关系逻辑的建构，为云端教育教学资源配置提供基础硬件支撑，进而建设三层智慧平台――智慧校园、智慧学堂（课堂）和智慧终端（尤其是移动终端）――应用平台建设，同样作为基础层级的是教育资源的大数据挖掘――对教育过程所产生的数据进行统计、分析、建模等处理，为教育管理决策提供数据应用；位于高层的是教育大数据管理的操作系统，从公共服务到学生个体发展，利用大数据进行教育资源的公平配置和个性化供给，推进教育发展与改革，使人人享有优质恰当的教育资源，促进教育的优质可持续发展，推进教育品牌建设和创新提升，形成高效绿色的教育文化。

四、大数据教学管理的优越性

用数据说话、用数据决策、用数据管理、用数据创新的数据文化正在成形，大数据时代已经来临。顺应大数据时代的发展，教育变革已经进入了一个新的阶段，教育领域将迎来一场前所未有的大变革。

大数据的发展给困境中的教育变革提出了新的挑战。进入大数据时代，依靠言传身教的古代精英式教学和注重快速实效的现代大众式教学正在有效结合，基于数据分析的共享式精准教学不再遥远，按需学习、因材施教将真正成为可能。大数据带来的一系列变革，对新型创新人才的培养提出了更为迫切和现实的要求：日益强大的互联网、多媒体及概念软件、开源软件等为师生提供了更加自由、灵活的学习和探索空间，求知的视野被极大拓宽；日益频繁的师生活动及社会互动被大数据予以记录、分析和共享，教育环境的时空界限和信息隔阂得以打破，长期以来潜伏于数据之下的教育理论和规律将日益凸显和明朗，人才培养将更具灵活性和多样性；学习与生活、教育与社会不再被孤立，学生、学校与现实生活的体验更为接近，学生学习兴趣、学校办学动力将被大大激发。

第四篇：大数据在制造业中的应用

大数据在制造企业中的应用

近年来出现的人力短缺、工资上涨、产品交付期短和市场需求变动大等问题，使得制造业正面临新一波转型挑战。如何在控制生产成本的同时，还能提高生产力与效率，则是转型的主要目的。在这样的背景下，德国、美国等制造业发达国家无不积极推动“工业4.0”。“工业4.0”本质上是通过信息物理系统实现工厂的设备传感和控制层的数据与企业信息系统融合，使得生产大数据传到云计算数据中心进行存储、分析，形成决策并反过来指导生产[1]。大数据的作用不仅局限于此，它可以渗透到制造业的各个环节发挥作用，如产品设计、原料采购、产品制造、仓储运输、订单处理、批发经营和终端零售。大数据使得订单处理方式有了质的变化

大数据的核心作用在于预测。大数据可以快速精准地预测市场趋势和客户需求，并对客户进行细分，为其提供量身定制的合适服务。企业通过大数据的预测结果，便可以得到潜在订单的数量，然后直接进入产品的设计和制造以及后续环节[2]。即企业可以通过大数据技术，在客户下单之前进行订单处理。而传统企业通过市场调研与分析，得到粗略的客户需求量，然后开始生产加工产品，等到客户下单后，才开始订单处理。这大大延长了产品的生产周期。如海尔集团于2013年1月构建了SCRM（社交化客户关系管理）会员大数据平台。销售人员可进行大数据分析，精准预测出个体消费者的需求，实现了在客户下单之前进行订单处理。大数据使得仓储运输和批发经营不复存在

由于大数据能够精准预测出个体消费者的需求以及消费者对于产品价格的期望值，企业在产品设计制造之后，可直接派送到消费者手中。虽然此时消费者还没有下单，但是消费者最终接受产品是一个大概率事件。这使得企业不存在库存过剩的问题，也就没有必要进行仓储运输和批发经营。大数据使原料采购更加科学

大数据技术可以从数据分析中获得知识并推测趋势，可以对企业的原料采购的供求信息进行更大范围的归并、匹配，效率更高。大数据通过高度整合的方式，将相对独立的企业各部门信息汇集起来，打破了原有的信息壁垒，实现了集约化管理，可以根据轻重缓急，更加科学合理地安排企业的财政支出。其次，利用大数据的海量存储与快速数据处理功能，可以对采购的原料的附带属性（节能、节水、环保等）进行更加精细化的描述与标准认证，通过分类标签与关联分析，可以更好地评估企业采购资金的支出效果。此外，大数据能预测原材料的价格以及原材料品质的好坏。这使制造业企业更加科学地采购原材料成为可能，企业可以采购到质优价低的原材料。大数据使得产品设计制造更加优化

借助大数据技术，人们可以对原物料的品质进行监控，发现潜在问题立即做出预警，以便能及早解决问题从而维持产品品质[3]。大数据技术还能监控并预测加工设备未来的故障几率，以便让工程师即时执行最适决策。大数据技术还能应用于精准预测零件的生命周期，在需要更换的最佳时机提出建议，帮助制造业者达到品质成本双赢[3]。例如，日本汽车公司Honda将大数据分析技术应用于电动车电池上。由于电动车不像汽车或油电混合车一样，可以使用汽油作为动力来源，其唯一的动力就是电池，所以Honda希望进一步了解电池在什么情况下，绩效表现最好、使用寿命最长。Honda公司通过大数据技术，可以搜集并分析车辆在行驶中的一些资讯，如：道路状况、车主的开车行为、开车时的环境状态等，这些资讯一方面可以帮助汽车制造公司预测电池目前的寿命还剩下多长，以便即时提醒车主做更换，一方面也可以提供给研发部门，做为未来设计电池的参考。

再如BMW公司应用大数据分析，在短短的12周时间内降低80%的零件报废率。一台汽车需要的零件有很多种，其中一个是与引擎结合的引擎上盖。以前，BMW要等到最终引擎组装阶段，将引擎上盖组装完成后才知道到这个零件能否使用，如果不能使用就只好将整个引擎报废。而通过大数据技术，BMW公司在引擎生产线上可以做即时的检测与分析，倘若品管没有问题则直接进到最后的组装程序，但若零件品质不好且无法修补则直接报废，或者零件品质不好但能经过其他方式修补，则在修补后再度进行品管测试，借此提高生产效率并降低报废率。大数据使得终端零售畅通无阻

通过大数据技术，企业可以了解整个供应链中需求和供应的变化，从而促进了产品的终端零售。如沃尔玛的零售链平台提供的大数据工具，将每家店的卖货和库存情况大数据成果向各公司相关部门和每个供应商定期分享。供应商可以实现提前自动补货，这不仅减少门店断货的现象，而且大规模减少了沃尔玛整体供应链的总库存水平，提高了整个供应链条和零售生态系统的投入回报率，创造了非常好的商业价值。

当今，世界各国始终致力于以技术创新引领产业升级，而大数据的利用使得资源节约、环境友好、可持续发展，智能化、绿色化的发展趋势得以实现[4]。因此，大数据背景下的制造业领域将具备广阔的市场空间和前景，这是制造业企业的莫大机遇。

第五篇：Oracle中的导入导出表及数据

Oracle中的导入导出表及数据

Oracle数据导入导出imp/exp就相当于oracle数据还原与备份。exp命令可以把数据从远程数据库服务器导出到本地的dmp文件，imp命令可以把dmp文件从本地导入到远处的数据库服务器中。利用这个功能可以构建两个相同的数据库。

1.用plsql实现

1.1使用plsql连接oracle，点击工具——导出表

1.2选择要导出的表

1.3可执行文件在C:oracleproduct10.2.0db_1bin 目录下

导出是exp 导入是imp 导出的为dmp文件

1.4导入文件：

点击工具——导入表

在导入文件中选择要导入的表 确认后点击导入

2.用dos命令实现

2.1Windows——R——cmd

2.2输入dos命令：

exp youngtop_us/ail@192.168.0.46/orcl10g file=F:/fileSys.dmp log=F:/fileSys.log statistics=none tables=file_attach,file_tree,file_permission

ps：exp user/password@主机地址 file=存储位置 log=存储位置 statistics=none tables=tablename

3.将数据导出到excel表中及将excel表数据导入数据库

3.1选中要导出数据的表右键——查询数据

3.2选中表中的数据邮件——复制到excel

3.3在excel中保存

3.4可以不按照数据库中的字段存放顺序，编辑形成Excel表中的数据

3.5选中要导入的数据后另存一份txt文档

3.6在plsql中点击 工具——文本导入器

进入到文本导入器的页面后，先点击“来自文本文件的数据”选项卡，然后点击打开按钮，选择数据录入.txt文件

3.7在配置中进行配置

如果不将标题名勾选上，则会导致字段名也当做记录被导入到数据库中，影响正确录入

3.8点击导入按钮将数据导入oracle数据库中