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、ymin = 31,000 和 ymax = 190,000.

2.) 我有大约的数据集。 2mio 点(每个点都在给定的多边形内)——每个点都属于 5 个不同类别中的一个。

现在，对于边界内的每个点(点之间的距离必须是 10，这样我们就会得到 580,800,000 点)我想确定颜色，具体取决于数据集中最近点的类别。

最后我想画一个 ggplot，其中每个点的颜色都取决于它的类别(所以我将使用 5 不同的颜色)。

我目前拥有的:

我的解决方案想法没有得到优化，R 永远需要确定多边形内每个点的类别。

1.) 我创建了一个新的数据集，其中包含具有坐标极值的矩形形状的点，点之间有 10 个单位。从一个新的数据集中，我选择了落在多边形边界内的点(使用 SDMTools 包中的函数 pnt.in.poly)。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(很明显)中获得一个子集。

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，但这并不奏效。

我知道不可能绘制如此多的点并查看具有 200,000,000 点的绘图和具有 1,000,000 点的绘图之间的区别，但我想要缩放(绘制)多边形中的一个小点时准确着色(例如 100 x 100 的大小)。

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 或分组点)？

谢谢你的想法!

Answer 1

如果您在问题中包含一些数据，那真的会很有帮助，即使(尤其是)它只是一个玩具数据集。正如你所做的那样，我做了一个玩具示例。首先，我定义了一个简单的形状数据框和一个包含 x、y 和 grp 的合成数据框(即分类具有 5 个级别的变量)。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裁剪它。

# 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

为了根据合成数据集中最近的点对该网格上的每个点进行分类，我使用了 knn 或 k = 1 的 k-nearest-neighbours。这给出了这样的结果。

# 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

那么，这就是我如何解决您关于对网格上的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。如果我理解正确的话，即使你放大了，你也想要相同的分辨率。另外，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，我绘制了一个子区域(即缩放)，但在每个方向上保持相同数量的点，因此它看起来与之前的图在点数方面几乎相同。

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 package 创建于 2019-05-31 (v0.3.0)}

希望这能解决您的问题。