京公网安备 11010802034615号
经营许可证编号:京B2-20210330
R语言读取空间数据
空间数据类型主要包括了三种:矢量数据(以最普遍的的shapefile为例),栅格(raster,这个格式就比较多了,不过大同小异),地理数据库(geodatabase也就是.gdb文件,Esri的数据库),本文对运用R语言读取矢量数据和栅格数据进行总结
一、矢量数据
矢量数据其实主要包括了三类:点,线和面,能读取的方式有很多种。
下面列举几种。
(1)使用maptools包读取数据
先从点线面分别读取的方式来看,主要包括readShapePoints(读取点),readShapeLines(读取线要素),readShapePoly(读取面要素)。这几个函数都是maptools包里面的。
所以第一步如果没安装的话请先安装。
install.packages(‘maptools’)
library(maptools)
接着定位到我们所需读取数据的工作路径上,然后就可以开始读取对应的数据了。
#设置工作路径
getwd()
setwd("C:/Users/HuFeiHu/Documents/HeiHe")
#使用可以读取三类要素Poly,Points,Lines的函数读取矢量数据
library(maptools)
X<-readShapeSpatial('data/MiddleNodeType/SoilNET.shp',verbose = TRUE)
plot(x)
#分别使用可以读取Poly的函数读取
y<-readShapePoints('data/UpperBondary/Babaohe_Booundary.shp')
y<-readShapeLines('data/UpperBondary/Babaohe_Booundary.shp')
y<-readShapePoly('data/UpperBondary/Babaohe_Booundary.shp')
如果不需要什么其他操作,读取数据只需要填入文件名字作为传入的参数即可。这几个函数完整的参数大体差不多,主要包括下面几个。
fn——文件名,一般能读的是.shp文件,.shx文件和.dbf文件
proj4string = CRS(as.character(NA))——坐标系的CRS字符串,关于坐标系的问题,这里不详讲。其实就是一个坐标系对应一个ID,把对应ID读进去,按照对应坐标系读取,这个是遵循规范的。
一般前两个参数用得多。后面这些只介绍这三个函数共有的参数,其他参数就请参照帮助文档。
verbose = FALSE——默认为False,这个主要是在读取数据后是否返回读入要素的类型和数量。
repair=FALSE——这个参数的话,主要是考虑到.shx索引文件太大,默认False会跳过读取数据,TRUE的话,会进行内部修复,读取这类文件。
事实上,maptools提供的函数读取只能传输较差分辨率的空间数据,所以更推荐的是用rgdal包的OGR驱动程序来读取。
(2)使用GDAL的R语言包rgdal读取矢量数据,这种方法也能够读取高精度数据(推荐使用)
读取方式如下,参数也是传入文件名即可简单读取,不过这个参数可以读具体文件也可以读文件夹名。对应上面proj4string也有一个参数p4s,其他参数参照文档。
library(rgdal)
rgdaltest<-readOGR('data/MiddleNodeType/SoilNET.shp')
plot(rgdaltest)
(3)使用shapefiles包读取数据文件
此外还有shapefiles包也可以进行读取。读取方式(可以读取shp和shx,shx读取结果为空间索引)如下:
library(shapefiles)
x<-read.shp('data/UpperBondary/Babaohe_Booundary.shp')
矢量数据读取主要通过以上几种方式就可以实现。
栅格数据的话,格式还是多种多样的。这边主要提供几种不同格式的读取方法(.img文件,.tif文件,ASCII码文件和.asc文件)。
(1)使用GDAL的rgdal包
栅格数据读取主要是基于rgdal包,读取方式如下,img和tif都可以通过readGDAL直接读取。
data<-readGDAL(“data/UpperBondary/Babaohe_Booundary.img”)
data<-readGDAL(“data/UpperBondary/Babaohe_Booundary.tif”)
这里面的参数我就不详细介绍了,主要解释几个个人认为比较重要的参数。有兴趣的同学可以去查询官方文档。
band——波段数,单纯栅格无所谓。做遥感影像数据处理时就会遇到需要几个波段的问题,如果缺省的话,是全部导入。
p4s——等同于上面的proj4string
type——像素深度:8bit,16bit等
读取ASCII码文件存储的数据
rastershange1=readGDAL('rasterTest/test.txt')
plot(rastershange1)
(2)用raster包读取栅格数据
通过raster包进行读取.img文件和.tif文件,这个更方便些。读取方式如下
data<-raster(“data/UpperBondary/Babaohe_Booundary.image”)
data<-raster(“data/UpperBondary/Babaohe_Booundary.tif”)
(3)运用sp包读取ASCII码文件
当然栅格数据还有较为普遍的以ASCII码文件存储的方式。这里也提供下如何读取ASCII码文件,这个方法是基于sp包的,所以需要先安装和载入sp包,这个包是R语言空间数据的基础包,指定了空间数据库的方法和对象。
rastershange2=read.asciigrid('rasterTest/test.txt')
plot(rastershange2)
当然ASCII码文件可能是以.asc文件存储的,只需把后缀名改成.asc即可读取。
运用R语言读取栅格和矢量数据的方法大概如上了。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析实战中,我们经常会遇到“多指标冗余”的问题——比如分析企业经营状况时,需同时关注营收、利润、负债率、周转率等十 ...
2026-02-04在数据分析场景中,基准比是衡量指标表现、评估业务成效、对比个体/群体差异的核心工具,广泛应用于绩效评估、业务监控、竞品对 ...
2026-02-04业务数据分析是企业日常运营的核心支撑,其核心价值在于将零散的业务数据转化为可落地的业务洞察,破解运营痛点、优化业务流程、 ...
2026-02-04在信贷业务中,违约率是衡量信贷资产质量、把控信用风险、制定风控策略的核心指标,其统计分布特征直接决定了风险定价的合理性、 ...
2026-02-03在数字化业务迭代中,AB测试已成为验证产品优化、策略调整、运营活动效果的核心工具。但多数业务场景中,单纯的“AB组差异对比” ...
2026-02-03企业战略决策的科学性,决定了其长远发展的格局与竞争力。战略分析方法作为一套系统化、专业化的思维工具,为企业研判行业趋势、 ...
2026-02-03在统计调查与数据分析中,抽样方法分为简单随机抽样与复杂抽样两大类。简单随机抽样因样本均匀、计算简便,是基础的抽样方式,但 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02B+树作为数据库索引的核心数据结构,其高效的查询、插入、删除性能,离不开节点间指针的合理设计。在日常学习和数据库开发中,很 ...
2026-01-30在数据库开发中,UUID(通用唯一识别码)是生成唯一主键、唯一标识的常用方式,其标准格式包含4个短横线(如550e8400-e29b-41d4- ...
2026-01-30商业数据分析的价值落地,离不开标准化、系统化的总体流程作为支撑;而CDA(Certified Data Analyst)数据分析师,作为经过系统 ...
2026-01-30在数据分析、质量控制、科研实验等场景中,数据波动性(离散程度)的精准衡量是判断数据可靠性、稳定性的核心环节。标准差(Stan ...
2026-01-29在数据分析、质量检测、科研实验等领域,判断数据间是否存在本质差异是核心需求,而t检验、F检验是实现这一目标的经典统计方法。 ...
2026-01-29统计制图(数据可视化)是数据分析的核心呈现载体,它将抽象的数据转化为直观的图表、图形,让数据规律、业务差异与潜在问题一目 ...
2026-01-29箱线图(Box Plot)作为数据分布可视化的核心工具,能清晰呈现数据的中位数、四分位数、异常值等关键统计特征,广泛应用于数据分 ...
2026-01-28在回归分析、机器学习建模等数据分析场景中,多重共线性是高频数据问题——当多个自变量间存在较强的线性关联时,会导致模型系数 ...
2026-01-28数据分析的价值落地,离不开科学方法的支撑。六种核心分析方法——描述性分析、诊断性分析、预测性分析、规范性分析、对比分析、 ...
2026-01-28在机器学习与数据分析领域,特征是连接数据与模型的核心载体,而特征重要性分析则是挖掘数据价值、优化模型性能、赋能业务决策的 ...
2026-01-27关联分析是数据挖掘领域中挖掘数据间潜在关联关系的经典方法,广泛应用于零售购物篮分析、电商推荐、用户行为路径挖掘等场景。而 ...
2026-01-27