Khởi tạo đa giác không gian mà không sử dụng shapefile trong R

Vì vậy, cách thông thường chúng ta đọc một shapefile trong R là thông qua gói maptools, như thế này:

sfdata <- readShapeSpatial("/path/to/my/shapefile.shp", proj4string=CRS("+proj=longlat"))

Tuy nhiên, tôi có một trường hợp sử dụng theo đó tôi không có shapefile.shp mà thay vào đó tôi có một loạt các tọa độ đa giác

16.484375 59.736328125,17.4951171875 55.1220703125,24.74609375 55.0341796875,22.5927734375 61.142578125,16.484375 59.736328125

và hình chiếu tương ứng của nó

coord. ref. : +proj=longlat +datum=WGS84 +no_defs +ellps=WGS84 +towgs84=0,0,0 

Làm cách nào để tôi "khởi tạo" sfdata (sẽ là "đối tượng đa giác") trực tiếp từ dữ liệu này? (không đi theo đường vòng để tạo một shapefile với các dữ liệu này và sau đó đọc từ shapefile mới được tạo)

Đầu tiên lấy tọa độ thành ma trận 2 cột:

> xym
         [,1]     [,2]
[1,] 16.48438 59.73633
[2,] 17.49512 55.12207
[3,] 24.74609 55.03418
[4,] 22.59277 61.14258
[5,] 16.48438 59.73633

Sau đó tạo một Đa giác, bọc nó vào một đối tượng Đa giác, sau đó bọc nó thành một đối tượng SpatialPolygons:

> library(sp)
> p = Polygon(xym)
> ps = Polygons(list(p),1)
> sps = SpatialPolygons(list(ps))

Lý do cho mức độ phức tạp này là vì Đa giác là một vòng đơn giản, đối tượng Đa giác có thể là một số vòng có ID (ở đây được đặt thành 1) (giống như một tính năng duy nhất trong GIS) và SpatialPolygons có thể có CRS . Ồ, có lẽ tôi nên đặt nó:

> proj4string(sps) = CRS("+proj=longlat +datum=WGS84 +no_defs +ellps=WGS84 +towgs84=0,0,0")

Nếu bạn muốn biến nó thành SpatialPolygonsDataFrame (đó là những gì xuất hiện của readShapeSpatial khi shapefile là đa giác) thì hãy làm:

> data = data.frame(f=99.9)
> spdf = SpatialPolygonsDataFrame(sps,data)
> spdf

đưa ra điều này:

> summary(spdf)
Object of class SpatialPolygonsDataFrame
Coordinates:
       min      max
x 16.48438 24.74609
y 55.03418 61.14258
Is projected: FALSE 
proj4string :
[+proj=longlat +datum=WGS84 +no_defs +ellps=WGS84 +towgs84=0,0,0]
Data attributes:
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
   99.9    99.9    99.9    99.9    99.9    99.9 

Để hoàn thành câu trả lời xuất sắc của Spacesman cho trường hợp dữ liệu của bạn sẽ chứa nhiều đa giác, đây là một số mã sử dụng dplyr:

library(dplyr)
library(ggplot2)
library(sp)
## use data from ggplot2:::geom_polygon example:
positions <- data.frame(id = rep(factor(c("1.1", "2.1", "1.2", "2.2", "1.3", "2.3")), each = 4),
                    x = c(2, 1, 1.1, 2.2, 1, 0, 0.3, 1.1, 2.2, 1.1, 1.2, 2.5, 1.1, 0.3,
                          0.5, 1.2, 2.5, 1.2, 1.3, 2.7, 1.2, 0.5, 0.6, 1.3),
                    y = c(-0.5, 0, 1, 0.5, 0, 0.5, 1.5, 1, 0.5, 1, 2.1, 1.7, 1, 1.5,
                          2.2, 2.1, 1.7, 2.1, 3.2, 2.8, 2.1, 2.2, 3.3, 3.2)) %>% as.tbl


df_to_spp <- positions %>%
  group_by(id) %>%
  do(poly=select(., x, y) %>%Polygon()) %>%
  rowwise() %>%
  do(polys=Polygons(list(.$poly),.$id)) %>%
  {SpatialPolygons(.$polys)}

## plot it
plot(df_to_spp)

Để giải trí, bạn có thể so sánh với âm mưu thu được bằng ggplot2cách sử dụng khung dữ liệu ban đầu:

ggplot(positions) + 
  geom_polygon(aes(x=x, y=y, group=id), colour="black", fill=NA)

Lưu ý rằng mã ở trên giả định rằng bạn chỉ có một polyogn cho mỗi id. Nếu một số id có các đa giác rời rạc, tôi đoán người ta nên thêm một cột khác trong tập dữ liệu, đầu tiên group_bylà id phụ, sau đó sử dụng group_by(upper-id)thay vìrowwise

Cùng mã sử dụng purrr::maphàm:

df_to_spp <- positions %>%
  nest(-id) %>%
  mutate(Poly=purrr::map(data, ~select(., x, y)  %>% Polygon()),
         polys=map2(Poly, id, ~Polygons(list(.x),.y))) %>%
  {SpatialPolygons(.$polys)}