r - 根据 R 中的另一个点数据集为多边形中的每个点着色

Question

问题：

1.) 我有一个看起来像这样的 shapefile ：

坐标的极值是：xmin = 300,000、xmax = 620,000和。ymin = 31,000ymax = 190,000

2.）我有一个大约的数据集。2mio 点（每个点都在给定的多边形内） - 每个点都属于 5 个不同类别之一。

现在，对于边界内的每个点（点之间的距离必须为10，这会给我们580,800,000点），我想根据数据集中最近点的类别来确定颜色。

最后我想画一个ggplot，每个点的颜色取决于它的类别（所以我会使用5不同的颜色）。

到目前为止我所拥有的：

我对解决方案的想法没有优化，并且需要 R 永远确定多边形内每个点的类别。

1.) 我创建了一个新数据集，其中的点呈矩形，坐标极值，10点之间有单位。从一个新数据集中，我选择了落在多边形边界内的点（使用pnt.in.polypackage中的函数SDMTools）。然后我想找到多边形中每个点的最近点（来自数据集）并确定类别，但我从来没有设法从580,800,000点中获得子集（显然）。

2.) 我尝试取 2mio 点并根据它们的类别为它们周围的区域着色，但这不起作用。

我知道不可能绘制这么多点并查看用200,000,000点绘制和用点绘制之间的区别1,000,000，但是我希望在缩放（绘制）多边形中的一个小点（大小100 x 100为例子）。

问题：有没有更好的方法来为多边形中的这么多点着色（通过创建新的 shapefile 或对点进行分组）？

谢谢你的想法！

标签： ralgorithmshapefilenearest-neighborpoint-in-polygon

Answer 1

如果您在问题中包含一些数据，这真的很有帮助，即使（尤其是）它是一个玩具数据集。你不知道，我做了一个玩具例子。首先，我定义了一个简单的形状数据框和一个合成数据的数据框，其中包括x、y和grp（即，具有 5 个级别的分类变量）。我将后者裁剪为前者并绘制结果，

# Dummy shape function
df_shape <- data.frame(x = c(0, 0.5, 1, 0.5, 0),
                    y = c(0, 0.2, 1, 0.8, 0))

# Load library
library(ggplot2)
library(sgeostat) # For in.polygon function

# Data frame of synthetic data: random [x, y] and category (grp)
df_synth <- data.frame(x = runif(500),
                       y = runif(500),
                       grp = factor(sample(1:5, 500, replace = TRUE)))

# Remove points outside polygon
df_synth <- df_synth[in.polygon(df_synth$x, df_synth$y, df_shape$x, df_shape$y), ]

# Plot shape and synthetic data
g <- ggplot(df_shape, aes(x = x, y = y)) + geom_path(colour = "#FF3300", size = 1.5)
g <- g + ggthemes::theme_clean()
g <- g + geom_point(data = df_synth, aes(x = x, y = y, colour = grp))
g

接下来，我创建一个规则网格并使用多边形对其进行裁剪。

# Create a grid
df_grid <- expand.grid(x = seq(0, 1, length.out = 50),
                       y = seq(0, 1, length.out = 50))

# Check if grid points are in polygon
df_grid <- df_grid[in.polygon(df_grid$x, df_grid$y, df_shape$x, df_shape$y), ]

# Plot shape and show points are inside
g <- ggplot(df_shape, aes(x = x, y = y)) + geom_path(colour = "#FF3300", size = 1.5)
g <- g + ggthemes::theme_clean()
g <- g + geom_point(data = df_grid, aes(x = x, y = y))
g

为了通过合成数据集中的最近点对该网格上的每个点进行分类，我使用knnk = 1 的或 k-nearest-neighbours。这给出了类似的结果。

# Classify grid points according to synthetic data set using k-nearest neighbour
df_grid$grp <- class::knn(df_synth[, 1:2], df_grid, df_synth[, 3])

# Show categorised points
g <- ggplot()
g <- g + ggthemes::theme_clean()
g <- g + geom_point(data = df_grid, aes(x = x, y = y, colour = grp))
g

所以，这就是我如何解决你关于在网格上对点进行分类的那部分问题。

您问题的另一部分似乎与分辨率有关。如果我理解正确，即使你放大了你也想要相同的分辨率。此外，你不想在缩小时绘制这么多点，因为你甚至看不到它们。在这里，我创建了一个绘图函数，可让您指定分辨率。首先，我绘制形状中的所有点，每个方向有 50 个点。然后，我绘制一个子区域（即缩放），但在每个方向上保持相同数量的点相同，以便它在点数方面看起来与上一个图几乎相同。

res_plot <- function(xlim, xn, ylim, yn, df_data, df_sh){
  # Create a grid
  df_gr <- expand.grid(x = seq(xlim[1], xlim[2], length.out = xn),
                         y = seq(ylim[1], ylim[2], length.out = yn))

  # Check if grid points are in polygon
  df_gr <- df_gr[in.polygon(df_gr$x, df_gr$y, df_sh$x, df_sh$y), ]

  # Classify grid points according to synthetic data set using k-nearest neighbour
  df_gr$grp <- class::knn(df_data[, 1:2], df_gr, df_data[, 3])

  g <- ggplot()
  g <- g + ggthemes::theme_clean()
  g <- g + geom_point(data = df_gr, aes(x = x, y = y, colour = grp))
  g <- g + xlim(xlim) + ylim(ylim)
  g
}

# Example plot
res_plot(c(0, 1), 50, c(0, 1), 50, df_synth, df_shape)

# Same resolution, but different limits
res_plot(c(0.25, 0.75), 50, c(0, 1), 50, df_synth, df_shape)

^{由reprex 包（v0.3.0）于 2019-05-31 创建}

希望这能解决您的问题。