Dalla sp::overaiuto:
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.
Quindi, se si converte il vostro SpatialPolygonsDataFrameper SpatialPolygonsottenere di nuovo un vettore di indici e si può sottoinsieme tuoi punti 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
>
Per i dubbiosi, ecco le prove che il sovraccarico di conversione non è un problema:
Due funzioni: prima il metodo di Jeffrey Evans, poi il mio originale, poi la mia conversione hackerata, quindi una versione basata sulla gIntersectsrisposta di Josh O'Brien:
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,]
}
Ora per un esempio reale, ho sparso alcuni punti casuali sul columbusset di dati:
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
Sembra buono
plot(columbus)
points(pts)
Controlla che le funzioni stiano facendo la stessa cosa:
> identical(evans(pts,columbus),rowlings(pts,columbus))
[1] TRUE
Ed esegui 500 volte per il benchmarking:
> 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
Secondo la mia intuizione, non è un grande sovraccarico, in effetti potrebbe essere meno di un sovraccarico che convertire tutti gli indici di riga in carattere e viceversa, o eseguire na.omit per ottenere valori mancanti. Che per inciso porta ad un'altra modalità di errore della evansfunzione ...
Se una riga del frame di dati dei poligoni è tutto NA(il che è perfettamente valido), la sovrapposizione con SpatialPolygonsDataFrameper i punti in quel poligono produrrà un frame di dati di output con tutti gli NAs, che evans()quindi scenderà:
> 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
>
MA gIntersectsè più veloce, anche con la scansione della matrice per controllare le intersezioni in R anziché in codice C. Sospetto che sia l' prepared geometryabilità di GEOS, la creazione di indici spaziali - sì, con prepared=FALSEun po 'più di tempo, circa 5,5 secondi.
Sono sorpreso che non ci sia una funzione per restituire direttamente gli indici o i punti. Quando ho scritto splancs20 anni fa le funzioni point-in-poligono avevano entrambe ...