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
在数字化时代,数据挖掘不再是实验室里的技术探索,而是驱动商业决策的核心能力 —— 它能从海量数据中挖掘出 “降低成本、提升 ...
2025-11-04在 DDPM(Denoising Diffusion Probabilistic Models)训练过程中,开发者最常困惑的问题莫过于:“我的模型 loss 降到多少才算 ...
2025-11-04在 CDA(Certified Data Analyst)数据分析师的工作中,“无监督样本分组” 是高频需求 —— 例如 “将用户按行为特征分为高价值 ...
2025-11-04当沃尔玛数据分析师首次发现 “啤酒与尿布” 的高频共现规律时,他们揭开了数据挖掘最迷人的面纱 —— 那些隐藏在消费行为背后 ...
2025-11-03这个问题精准切中了配对样本统计检验的核心差异点,理解二者区别是避免统计方法误用的关键。核心结论是:stats.ttest_rel(配对 ...
2025-11-03在 CDA(Certified Data Analyst)数据分析师的工作中,“高维数据的潜在规律挖掘” 是进阶需求 —— 例如用户行为包含 “浏览次 ...
2025-11-03在 MySQL 数据查询中,“按顺序计数” 是高频需求 —— 例如 “统计近 7 天每日订单量”“按用户 ID 顺序展示消费记录”“按产品 ...
2025-10-31在数据分析中,“累计百分比” 是衡量 “部分与整体关系” 的核心指标 —— 它通过 “逐步累加的占比”,直观呈现数据的分布特征 ...
2025-10-31在 CDA(Certified Data Analyst)数据分析师的工作中,“二分类预测” 是高频需求 —— 例如 “预测用户是否会流失”“判断客户 ...
2025-10-31在 MySQL 实际应用中,“频繁写入同一表” 是常见场景 —— 如实时日志存储(用户操作日志、系统运行日志)、高频交易记录(支付 ...
2025-10-30为帮助教育工作者、研究者科学分析 “班级规模” 与 “平均成绩” 的关联关系,我将从相关系数的核心定义与类型切入,详解 “数 ...
2025-10-30对 CDA(Certified Data Analyst)数据分析师而言,“相关系数” 不是简单的数字计算,而是 “从业务问题出发,量化变量间关联强 ...
2025-10-30在构建前向神经网络(Feedforward Neural Network,简称 FNN)时,“隐藏层数目设多少?每个隐藏层该放多少个神经元?” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是:Excel 透 ...
2025-10-29在 CDA(Certified Data Analyst)数据分析师的工作中,“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27