r - 为什么 R 对 Douglas-Peucker 算法的实现如此缓慢？

Question

绘制地理多边形不是 R 的强项，但如果 done well 会很有收获.我使用的是来自英国的数据，多边形边界中的细节高得离谱，这使得任何绘图或操作功能(尤其是在运行 fortify 以使其可 ggplot 之后)都很慢。

合乎逻辑的方法是简化多边形几何图形，因此它们不那么复杂。

我关注了这个post在 R 中实现 Douglas-Peucker 算法来执行此操作，但速度非常慢。适用于this dataset (英格兰地区)，以下代码在我配备 16 Gb RAM 的英特尔® 酷睿™ i7-3630QM 机器上运行大约需要 10 分钟:

for(i in 1:length(gors@polygons)){
  for(j in 1:length(gors@polygons[[i]]@Polygons)){
    temp <- as.data.frame(gors@polygons[[i]]@Polygons[[j]]@coords)
    names(temp) <- c("x", "y")
    temp2 <- dp(temp, 0.01)
    gors@polygons[[i]]@Polygons[[j]]@coords <- as.matrix(cbind(temp2$x, temp2$y))
  }QGIS
}

在QGIS ，相同的功能大约需要一秒钟。当然，我将来可能会使用 QGIS 实现，但只是发现 R 实现花费的时间太长了，这让我感到困惑。非常感谢任何如何使其更快或以更有效的方式实现算法的想法。

Answer 1

嗯，我想你可以使用 rgeos 函数 gSimplify which interface GEOS::simplify

在帮助文件中您将获得更多信息，例如这是标题

Simplify Geometry

Description:

 Function simplifies the given geometry using the Douglas-Peuker
 algorithm

使用您的数据沿着这条线应该做到这一点

require(rgeos)
require(rgdal)

gors <- readOGR(dsn = "/tmp/gor", layer = "GOR_st121")

system.time(gor_topo <- gSimplify(gors, tol = 0.01))
##  user  system elapsed 
## 0.713   0.010   0.727

我有一个 I7，但我的规范没有你的那么令人印象深刻，所以我希望这个功能在你尝试时会更快。