合并形状文件中具有通用标签ID的多边形：unionSpatialPolygons

Question

我试图从形状文件中读取并合并具有共同标签ID的多边形。

library(rgdal)
library(maptools)
if (!require(gpclib)) install.packages("gpclib", type="source")
gpclibPermit()

usa <- readOGR(dsn = "./path_to_data/", layer="the_name_of_shape_file")
usaIDs <- usa$segment_ID
isTRUE(gpclibPermitStatus())
usaUnion <- unionSpatialPolygons(usa, usaIDs)

当我尝试绘制合并的多边形时：

for(i in c(1:length(names(usaUnion)))){
  print(i)
  myPol <- usaUnion@polygons[[i]]@Polygons[[1]]@coords
  polygon(myPol, pch = 2, cex = 0.3, col = i)
}

除了在密歇根州周围发生的非常奇怪的合并方式之外，所有合并的路段看起来都很好，因此该特定路段的结果区域仅给出一个小的多边形，如下所示。

i = 10
usaUnion@polygons[[i]]@Polygons[[1]]@coords

输出：

          [,1]     [,2] 
 [1,] -88.62533 48.03317
 [2,] -88.90155 47.96025
 [3,] -89.02862 47.85066
 [4,] -89.13988 47.82408
 [5,] -89.19292 47.84461
 [6,] -89.20179 47.88386
 [7,] -89.15610 47.93923
 [8,] -88.49753 48.17380
 [9,] -88.62533 48.03317

原来是北部的一个小岛

我怀疑问题是由于某种原因，unionSpatialPolygons函数不喜欢地理上分离的多边形（密歇根州的左侧和右侧），但是我还没有找到解决方案。

这里是link to input data，您可以重现。

Answer 1

我认为问题不在于unionSpatialPolygons，而是您的情节。具体来说，您仅绘制每个ID的第一个“子多边形” 。运行以下命令来验证出了什么问题：

for(i in 1:length(names(usaUnion))){
  print(length(usaUnion@polygons[[i]]@Polygons))
}

对于每一个，您只参加了第一个。

我使用以下代码获得了正确的多边形连接/图：

library(rgdal)
library(maptools)
library(plyr)

usa <- readOGR(dsn = "INSERT_YOUR_PATH", layer="light_shape")
# remove NAs
usa <- usa[!is.na(usa$segment_ID), ]
usaIDs <- usa$segment_ID

#get unique colors
set.seed(666)
unique_colors <- sample(grDevices::colors()[grep('gr(a|e)y|white', grDevices::colors(), invert = T)], 15)

colors <- plyr::mapvalues(
  usaIDs, 
  from = as.numeric(sort(as.character(unique(usaIDs)))), #workaround to get correct color order
  to = unique_colors
)
plot(usa, col = colors, main = "Original Map")


usaUnion <- unionSpatialPolygons(usa, usaIDs)
plot(usaUnion, col = unique_colors, main = "Joined Polygons")

Answer 2

这里是一个使用sf进行绘制的示例，它着重说明了程序包与dplyr和summarise一起使用的能力如何使该操作非常有表现力和简洁性。我filter找出丢失的ID，group_by ID，summarise（默认情况下会合并），并使用geom_sf轻松绘制。

library(tidyverse)
library(sf)
# Substitute wherever you are reading the file from
light_shape <- read_sf(here::here("data", "light_shape.shp"))
light_shape %>%
  filter(!is.na(segment_ID)) %>% 
  group_by(segment_ID) %>%
  summarise() %>%
  ggplot() +
  geom_sf(aes(fill = factor(segment_ID)))