（轉）R空間數據處理與可視化

前言

不少朋友說在R裏無法使用高德地圖，這裏給出一個基於leaflet包的解決方法。

library(leaflet)

# 添加高德地圖
m <- leaflet() %>%
  addTiles(
    'http://webrd02.is.autonavi.com/appmaptile?lang=zh_cn&size=1&scale=1&style=8&x={x}&y={y}&z={z}',
    tileOptions(tileSize=256, minZoom=9, maxZoom=17),
    attribution = '&copy; <a href="http://ditu.amap.com/">高德地圖</a>',
  ) %>% 
  setView(116.40,39.90, zoom = 10)
m

空間數據基礎知識

shp文件

空間數據最經常使用的格式是shp，主要由三個文件組成：shp文件用於存儲位置幾何信息，dbf文件用於存儲attribute，shx用於存儲位置幾何信息與attribute的對照表。位置幾何信息主要有如下幾類：points，multipoints，lines，polygons等。

WKT與WKB

WKT(Well-known text)是開放地理空間聯盟OGC（Open GIS Consortium ）制定的一種文本標記語言，用於表示矢量幾何對象、空間參照系統及空間參照系統之間的轉換。舉例以下：

• 點（Point）："POINT(1 1)"
• 線（Line）："LINESTRING(0 0,1 1,2 2)"
• 多邊形（Polygon）："POLYGON((0 0,3 0,3 3,0 3,0 0),(1 1,2 1,2 2,1 2,1 1))"
• WKB(well-known binary) 是WKT的二進制表示形式，解決了WKT表達方式冗餘的問題，便於傳輸和在數據庫中存儲相同的信息.

R的空間數據處理與可視化

空間數據處理與可視化，須要解決三個問題，一是怎麼在R中表示空間數據，二是怎麼對空間對象進行計算；三是怎麼在R中繪製空間數據/地圖。sp用於解決第一個問題，rgeos用於解決第二個問題，leaflet用於解決第二個問題。

sp

sp包的功能是在R中提供對象表示shp文件。SpatialPoints，SpatialMultiPoints，SpatialLines，SpatialPolygons等用於表示位置幾何信息。attribute通常以表格形式存在，因此sp包用dataframe對齊進行表示。爲前面提到的SpatialXXX添加dataframe後獲得諸如SpatialPointsDataFrame，SpatialMutilPointsDataFrame，SpatialLinesDataFrame，SpatialPolygonsDataFrame等類。在這些類中，位置幾何信息與attribute的對照關係經過Spatial類的ID與dataframe的rownames進行匹配獲得。

SpatialXXDataFrame的結構示意圖以下（出處：http://neondataskills.org/R/）：

下面舉一個例子，怎麼從dataframe數據變爲sp對象。

library(splitstackshape)
library(sp)
library(dplyr)
library(tidyr)

# 自定義函數
points2spline <- function(df, id_field, lng_field, lat_field){
  df <- as.data.frame(df)
  data <- as.matrix(df[,c(lng_field, lat_field)])
  id = df[1, id_field]
  Lines(list(Line(data)), ID=id)
}

splines2splinesdf <- function(splines,  data, id_field)  {
  ids <- data.frame(names(splines))
  colnames(ids) <- id_field
  join_name <- dplyr::inner_join(ids, data)
  row.names(join_name ) <- join_name[, id_field]
  splinesdf <- SpatialLinesDataFrame(splines, data=join_name)
  proj4string(splinesdf ) <- CRS("+init=epsg:4326") # 設置投影座標系，leaflet能夠不用設置
  return(splinesdf)
}

# 準備數據
link_id <- c("road_one", "road_two")
coors <- c("116.44469451904297,39.890071868896484:116.44451141357422,39.891361236572266", "116.44499969482422,39.887630462646484:116.44469451904297,39.890071868896484")
status <- c("congest", "uncongest")

link_coors <- data.frame(link_id, coors, status)
lon_lat_df <- cSplit(link_coors %>% select(link_id, coors), 
       c("coors"), sep=":", direction="long") %>% 
  separate(coors, c("lng", "lat"),  sep=",", convert=TRUE)

# data.frame轉化爲sp
link_list <- split(lon_lat_df, lon_lat_df$link_id)
names(link_list) <- NULL
Sl <- SpatialLines(plyr::llply(link_list, points2spline, "link_id", "lng", "lat"))
Sldf <- splines2splinesdf(Sl, link_coors, "link_id")

str(Sldf)

rgeos

空間處理，主要用來作一些空間運算，好比計算兩個空間對象的位置關係：相交，重疊，包含等等。再好比，根據空間對象建立新的空間對象。此外，rgeos還可以完成WKT與sp對象的相互轉換。

library(rgeos)

# 建立外擴與內縮buffer，演示WKT的讀寫
dilated_buffer <- gBuffer(Sldf, byid=TRUE, width=0.0002, capStyle="FLAT")
dilated_buffer_wkt <- readWKT(writeWKT(dilated_buffer, byid = FALSE))
eroded_buffer <- gBuffer(dilated_buffer, byid=TRUE, width=-0.0001, capStyle="SQUARE")

leaflet

咱們繼續上面的例子，將空間對象繪製到高德地圖上。

library(leaflet)
factpal <- colorFactor(c(rgb(1,0,0,1),rgb(0, 1, 0, 1)), domain=c("congest", "uncongest"))

m <- leaflet() %>%
  addTiles(
    'http://webrd02.is.autonavi.com/appmaptile?lang=zh_cn&size=1&scale=1&style=8&x={x}&y={y}&z={z}',
    tileOptions(tileSize=256, minZoom=9, maxZoom=17),
    attribution = '&copy; <a href="http://ditu.amap.com/">高德地圖</a>',
    group="高德地圖"
  ) %>%
  setView(116.40,39.90, zoom = 10)  %>%
  addPolylines(color=~factpal(status), weight=3,opacity=1,  data=Sldf, group="實時路況") %>%
  addPolygons(data=dilated_buffer_wkt, group="空間計算") %>% 
  addPolygons(data=eroded_buffer, color="black", group="空間計算") %>%
  addLayersControl(
    overlayGroups = c("高德地圖", "實時路況", "空間計算"),
    options = layersControlOptions(collapsed = FALSE)
  ) %>%
  addLegend("bottomleft", pal = factpal, values = Sldf@data$status,
            title = "實時交通", 
            opacity = 1
  ) %>%
  fitBounds(Sldf@bbox["x", "min"] - 0.001, Sldf@bbox["y", "min"] - 0.001, 
            Sldf@bbox["x", "max"] + 0.001, Sldf@bbox["y", "max"] + 0.001
  )

本篇博客系轉載，原文請見： https://segmentfault.com/a/1190000006023703