WedX - журнал о программировании и компьютерных науках

Объединение граничных шейп-файлов в R

У меня есть пять шейп-файлов соседних округов Калифорнии, которые я пытаюсь объединить в один большой шейп-файл и сохранить исходные границы округов. Затем я хочу нанести на график такие точки, как это Таким образом, карта должна быть только простой картой границ округов. Есть ли способ сделать это в R или мне придется использовать что-то вроде ArcGIS?

Существует обширная документация по объединению в шейп-файл, например здесь где оба шейп-файла имеют одинаковые координаты. Но нет документации по шейп-файлам, которые лишь частично разделяют координаты.

02.06.2010

Ответы:


1

Если вам нужно только поместить все границы в один набор данных, вы можете сделать это с помощью _1 _ / _ 2_ достаточно легко, но если вам нужно фактически объединить границы геометрически (вырезать / соединить / растворить) и так далее, поддержка в R не так просто.

Примерно простой вариант - читать каждый шейп-файл с помощью readOGR, а затем spRbind вместе. Если rgdal представляет трудности при сборке / установке, существуют другие варианты чтения шейп-файлов в различных пакетах.

кстати, «что-то вроде ArcGIS», но гораздо ближе к «бесплатному»: www.manifold.net

03.06.2010

2

Если вы ищете бесплатное решение с открытым исходным кодом, я настоятельно рекомендую QGIS, uDIG, OpenJump или MapWindows. Вы можете выполнять любые манипуляции с шейп-файлами в этих пакетах, все они являются программным обеспечением ГИС.

Мне жаль, что у меня нет возможности сделать это в R, и я не уверен, что доверяю результату - лучше использовать молоток для гвоздя, чем использовать отвертку.

Если вы хотите программно изменить шейп-файлы, дайте мне знать, и я порекомендую несколько библиотек Python и Java.

03.06.2010
  • Спасибо за совет, проверю. И python - выбор №2 для попытки сделать это, любые библиотеки, которые вы предлагаете, будут оценены. Очевидно, поиск по карте python не очень поможет ... 04.06.2010
  • Я бы порекомендовал shapely или привязки python для geos 04.06.2010
  • Новые материалы

    Я хотел выучить язык программирования MVC4, но не мог выучить его раньше, потому что это выглядит сложно…
    Просто начните и учитесь самостоятельно Я хотел выучить язык программирования MVC4, но не мог выучить его раньше, потому что он кажется мне сложным, и я бросил его. Это в основном инструмент..

    Лицензии с открытым исходным кодом: руководство для разработчиков и создателей
    В динамичном мире разработки программного обеспечения открытый исходный код стал мощной парадигмой, способствующей сотрудничеству, инновациям и прогрессу, движимому сообществом. В основе..

    Объяснение документов 02: BERT
    BERT представил двухступенчатую структуру обучения: предварительное обучение и тонкая настройка. Во время предварительного обучения модель обучается на неразмеченных данных с помощью..

    Как проанализировать работу вашего классификатора?
    Не всегда просто знать, какие показатели использовать С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..

    Работа с цепями Маркова, часть 4 (Машинное обучение)
    Нелинейные цепи Маркова с агрегатором и их приложения (arXiv) Автор : Бар Лайт Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..

    Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
    Как вы сегодня, ребята? В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..

    Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
    Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение. В этом процессе мы будем использовать неконтролируемое обучение, чтобы..


    Для любых предложений по сайту: [email protected]