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
在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA(Certified Data Analyst)数据分析师的全流程工作闭环中,统计制图是连接严谨统计分析与高效业务沟通的关键纽带,更是CDA ...
2026-03-20在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12