З sp::over
довідки:
x = "SpatialPoints", y = "SpatialPolygons" returns a numeric
vector of length equal to the number of points; the number is
the index (number) of the polygon of ‘y’ in which a point
falls; NA denotes the point does not fall in a polygon; if a
point falls in multiple polygons, the last polygon is
recorded.
Так що, якщо вам конвертувати SpatialPolygonsDataFrame
в SpatialPolygons
вас отримати назад вектор індексів і ви можете підмножини окуляри на NA
:
> over(pts,as(ply,"SpatialPolygons"))
[1] NA 1 1 NA 1 1 NA NA 1 1 1 NA NA 1 1 1 1 1 NA NA NA 1 NA 1 NA
[26] 1 1 1 NA NA NA NA NA 1 1 NA NA NA 1 1 1 NA 1 1 1 NA NA NA 1 1
[51] 1 NA NA NA 1 NA 1 NA 1 NA NA 1 NA 1 1 NA 1 1 NA 1 NA 1 1 1 1
[76] 1 1 1 1 1 NA NA NA 1 NA 1 NA NA NA NA 1 1 NA 1 NA NA 1 1 1 NA
> nrow(pts)
[1] 100
> pts = pts[!is.na(over(pts,as(ply,"SpatialPolygons"))),]
> nrow(pts)
[1] 54
> head(pts@data)
var1 var2
2 0.04001092 v
3 0.58108350 v
5 0.85682609 q
6 0.13683264 y
9 0.13968804 m
10 0.97144627 o
>
Для сумнівів, ось докази того, що накладні перетворення не є проблемою:
Дві функції - спочатку метод Джефрі Еванса, потім мій оригінал, потім мій злом, а потім версія, заснована на gIntersects
відповіді Джоша О'Браєна:
evans <- function(pts,ply){
prid <- over(pts,ply)
ptid <- na.omit(prid)
pt.poly <- pts[as.numeric(as.character(row.names(ptid))),]
return(pt.poly)
}
rowlings <- function(pts,ply){
return(pts[!is.na(over(pts,as(ply,"SpatialPolygons"))),])
}
rowlings2 <- function(pts,ply){
class(ply) <- "SpatialPolygons"
return(pts[!is.na(over(pts,ply)),])
}
obrien <- function(pts,ply){
pts[apply(gIntersects(columbus,pts,byid=TRUE),1,sum)==1,]
}
Тепер для прикладу реального світу я розкидав кілька випадкових точок по columbus
набору даних:
require(spdep)
example(columbus)
pts=data.frame(
x=runif(100,5,12),
y=runif(100,10,15),
z=sample(letters,100,TRUE))
coordinates(pts)=~x+y
Виглядає чудово
plot(columbus)
points(pts)
Перевірте, чи функції виконують те саме:
> identical(evans(pts,columbus),rowlings(pts,columbus))
[1] TRUE
І запустіть 500 разів для тестування:
> system.time({for(i in 1:500){evans(pts,columbus)}})
user system elapsed
7.661 0.600 8.474
> system.time({for(i in 1:500){rowlings(pts,columbus)}})
user system elapsed
6.528 0.284 6.933
> system.time({for(i in 1:500){rowlings2(pts,columbus)}})
user system elapsed
5.952 0.600 7.222
> system.time({for(i in 1:500){obrien(pts,columbus)}})
user system elapsed
4.752 0.004 4.781
Згідно з моєю інтуїцією, це не велика накладні витрати, насправді це може бути менше накладних витрат, ніж перетворення всіх індексів рядків в символ і назад, або запуску na.omit, щоб отримати пропущені значення. Що до речі призводить до іншого режиму відмови evans
функції ...
Якщо рядок кадру даних полігонів є всім NA
(що цілком справедливо), то накладка з SpatialPolygonsDataFrame
для точок у цьому полігоні створить вихідний кадр даних з усіма NA
s, який evans()
потім випаде:
> columbus@data[1,]=rep(NA,20)
> columbus@data[5,]=rep(NA,20)
> columbus@data[17,]=rep(NA,20)
> columbus@data[15,]=rep(NA,20)
> set.seed(123)
> pts=data.frame(x=runif(100,5,12),y=runif(100,10,15),z=sample(letters,100,TRUE))
> coordinates(pts)=~x+y
> identical(evans(pts,columbus),rowlings(pts,columbus))
[1] FALSE
> dim(evans(pts,columbus))
[1] 27 1
> dim(rowlings(pts,columbus))
[1] 28 1
>
АЛЕ gIntersects
швидше, навіть не маючи підмітати матрицю, щоб перевірити перехрестя в R, а не в коді C. Я підозрюю його prepared geometry
вміння GEOS, створюючи просторові індекси - так, зprepared=FALSE
це займає трохи довше, приблизно 5,5 секунди.
Я здивований, що немає функції ні прямо повертати індекси, ні точки. Коли я писав splancs
20 років тому, точкові функції багатокутника мали і обидві ...