Как прикрепить простой data.frame к SpatialPolygonDataFrame в R?

Question

У меня (опять же) проблема с объединением фреймов данных в R. Но на этот раз один SpatialPolygonDataFrame (SPDF) а другой обычный data.frame (DF). SPDF имеет около 1000 строк DF только 400. Оба имеют общий столбец, QDGC

Теперь я попробовал

oo <- merge(SPDF,DF, by="QDGC", all=T)

но это приводит только к нормальному data.frame, а не к пространственному фрейму данных многоугольника. Я читал где-то еще, что это не работает, но я не понимал, что делать в таком случае (должен что-то делать со столбцами идентификаторов, слияния использует)

ооо, такой сложный вопрос, я задаю вопрос...

Спасибо! Jens

Answer 1

Пусть df = фрейм данных, sp = пространственный объект многоугольника и by = имя или номер столбца общего столбца. Затем вы можете объединить фрейм данных в объект sp, используя следующую строку кода

sp@data = data.frame(sp@data, df[match(sp@data[,by], df[,by]),])

Вот как работает код. Функция match внутри выравнивает столбцы так, чтобы порядок сохранялся. Поэтому, когда мы объединяем его с sp @ data, порядок сохраняется правильно. Быстрая проверка, чтобы увидеть, сработал ли код, заключается в проверке двух столбцов, соответствующих общему столбцу, и определении их идентичности (общие столбцы дублируются, и копию легко удалить, но я сохраняю ее, так как хорошая проверка)

Answer 2

Это так просто, как это:

require(sp) # the trick is that this package must be loaded!

oo <- merge(SPDF,DF, by="QDGC")

Я проверял сам. Но это работает, только если вы используете merge из пакета sp. Это по умолчанию, когда sp пакет загружен. merge функция затем перегружается и sp::merge используется, если первый аргумент - пространственная структура.

Answer 3

Слияние может привести к созданию кадра данных с большим количеством строк, чем в оригиналах, если нет простого сопоставления 1-1 двух кадров данных. В этом случае ему придется скопировать всю геометрию и создать несколько полигонов, что, вероятно, не очень хорошая вещь.

Если у вас есть фрейм данных, который содержит столько же строк, сколько и SpatialPointsDataFrame, вы можете просто напрямую заменить слот @data.

library(sp)
example(overlay) # to get the srdf object
srdf@data
spplot(srdf)
srdf@data=data.frame(x=runif(3),xx=rep(0,3))
spplot(srdf)

если вы ошиблись в количестве строк:

srdf@data=data.frame(x=runif(2),xx=rep(0,2))
spplot(srdf)
Error in data.frame(..., check.names = FALSE) : 
  arguments imply differing number of rows: 3, 2

Answer 4

Может быть, функция joinCountryData2Map в пакете rworldmap может дать вдохновение. (Но я могу ошибаться, как и в прошлый раз.)

Answer 5

Еще одно решение заключается в использовании append_data функция от tmaptools пакет. Это вызывается с этими аргументами:

append_data(shp, data, key.shp = NULL, key.data = NULL,
  ignore.duplicates = FALSE, ignore.na = FALSE,
  fixed.order = is.null(key.data) && is.null(key.shp))

Это немного прискорбно, что это называется добавление, так как я понимаю, добавление больше в смысле rbind и мы хотим что-то вроде join или же merge Вот.

Игнорируя этот факт, функция действительно полезна для проверки правильности ваших объединений и наличия некоторых строк только на одной стороне объединения. Из документов:

Под покрытием (элементы формы, которые не соответствуют записям данных), с избыточным покрытием (записи данных, которые не соответствуют элементам формы соответственно), а также с наличием дублированных значений ключей, автоматически проверяются и сообщаются через консольные сообщения. С under_coverage а также over_coverage могут быть извлечены значения ключа покрытия "под" и "поверх" из последнего вызова append_data,

Answer 6

Если необходимо объединить два шейп-файла в один объект, просто используйте.

Когда используешь rbind(), просто убедитесь, что оба аргумента, которые вы используете, SpatialDataFrames. Вы можете проверить это, используя class(sf). Если это не фрейм данных, используйте st_as_sf() преобразовать их в SpatialDataFrame прежде чем связывать их.

Примечание: вы также можете использовать это, чтобы добавить к NULLs, особенно когда вы используете результат цикла и хотите суммировать результаты.