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
CDA数据分析师 出品 作者:李诗怡 1. 销售漏斗阶段判断 题目:销售漏斗模型中,通过广告、社交媒体等方式触达品牌信息(如浏览品 ...
2026-09-07在Python数据分析中,Pandas库的DataFrame是最核心、最常用的结构化数据表对象,类似于Excel的二维表格,具备规整的行列结构、字 ...
2026-09-07在数据分析、经营复盘、业绩预测与经济统计工作中,平均增速(平均增长率)是衡量数据长期变化趋势、业务发展快慢的核心指标。不 ...
2026-09-07 很多数据分析师精通Excel单元格操作,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-09-07随着大数据技术的快速发展,商业竞争逐步从传统的经验式经营转变为数据驱动的精细化运营。海量的用户行为数据、交易数据、运营数 ...
2026-09-04CDA数据分析师 出品 作者:李诗怡 1. 波士顿矩阵(BCG Matrix) 定义: BCG于1970年提出的业务组合分析工具,以"市场增长率"(纵 ...
2026-09-04 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-09-04数据透视表是Excel与Power BI中最核心的数据分析工具,具备快速汇总、维度拆分、动态筛选的能力,可高效完成数据归类与统计展示 ...
2026-09-03在Power BI数据分析可视化场景中,堆积柱状图+折线图是最常用的复合图表组合。堆积柱状图适合展示各细分维度当期数值、结构占比 ...
2026-09-03 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据的基本处理单位是什么”“数据类型误判会引发哪些分析错误”“ ...
2026-09-03CDA数据分析师 出品 作者:李诗怡 一、8个核心数据清洗函数 1. TRIM:一键清除多余空格(最常用) 作用:仅保留文本中"单词/字 ...
2026-09-02数据分析的核心并非单纯操作工具、整理报表或绘制图表,而是依靠科学的思维逻辑挖掘数据价值、解释业务现象、指导经营决策。在完 ...
2026-09-02在社会经济、产业研究、区域治理与大数据实证分析中,面板数据是最具研究价值的数据类型。面板数据同时包含截面维度与时间维度信 ...
2026-09-02 很多数据分析师能熟练计算均值、标准差,但当被问到“如何用一张图让业务方3秒内看懂核心结论”“面对不同数据类型该怎么选 ...
2026-09-02在数据驱动决策的体系中,数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中,诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能,Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时,常常感到“知道要分析,却不知道用什么方法”。其实,数据分析并非无章可循——从三大基础范 ...
2026-09-01在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31