r - 根据 R 中的另一个点数据集为多边形中的每个点着色
问题描述
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 = 31,000
ymax = 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.poly
package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!
解决方案
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knn
k = 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。
推荐阅读
- php - nginx代理转发和stream_socket_get_name
- css - Wordpress 网站在移动设备上的标题背景图像中的问题
- vue.js - 如何在 vuenative 应用程序上连接 sqlite db?
- jenkins - 将一个带有声明性管道的 jenkinsfile 集成到另一个中
- c++ - 结构体的高效简单的比较运算符
- r - 使用 Kohonen 包中的 xyf() 函数在 R 代码中进行一些预测
- python - 如何通过熊猫而不是从文件中加载泡菜
- symfony - NelmioApiDocBundle 不起作用“规范中没有定义操作!”
- python - Python 在日志文件中记录更多概述?
- java - 重新启动骆驼上下文时,Http连接池关闭