如何加快R中多边形的绘制速度？

# Load packages
library(raster)
#library(ncdf) # If you cannot install ncdf4
library(ncdf4)

# Read in the file, get the 13th layer
# fn <- 'path_to_file'
r <- raster(fn, band=13)

# Set the projection and extent
p4 <- "+proj=lcc +lat_1=50.0 +lat_2=50.0 +units=km +x_0=32.46341 +y_0=32.46341 +lon_0=-107 +lat_0=1.0"
projection(r) <- CRS(p4)
extent(r) <- c(-5648.71, 5680.72, 1481.40, 10430.62)

# Get the country borders
# This will download the RData files to your working directory
can<-getData('GADM', country="CAN", level=1)
usa<-getData('GADM', country="USA", level=1)
mex<-getData('GADM', country="MEX", level=1)

# Project to model grid
can_p <- spTransform(can, CRS(p4))
usa_p <- spTransform(usa, CRS(p4))
mex_p <- spTransform(mex, CRS(p4))

### USING BASE GRAPHICS
par(mar=c(0,0,0,0))
# Plot the raster
bins <- 100
plot(r, axes=FALSE, box=FALSE, legend=FALSE,
     col=rev( rainbow(bins,start=0,end=1) ),
     breaks=seq(4500,6000,length.out=bins))
plot(r, legend.only=TRUE, col=rev( rainbow(bins,start=0,end=1)),
     legend.width=0.5, legend.shrink=0.75, 
     breaks=seq(4500,6000,length.out=bins),
     axis.args=list(at=seq(4500,6000,length.out=11),
                labels=seq(4500,6000,length.out=11),
                cex.axis=0.5),
     legend.args=list(text='Height (m)', side=4, font=2, 
                      line=2, cex=0.8))
# Plot the borders
# These are so slow!!
plot(can_p, add=TRUE, border='white', lwd=2)
plot(usa_p, add=TRUE, border='white', lwd=2)
plot(mex_p, add=TRUE, border='white', lwd=2)
# Add the contours
contour(r, add=TRUE, nlevel=5)

### USING LATTICE
library(rasterVis)

# Some settings for our themes
myTheme <- RdBuTheme()
myTheme$axis.line$col<-"transparent"
myTheme$add.line$alpha <- 1
myTheme2 <- myTheme
myTheme2$regions$col <- 'transparent'
myTheme2$add.text$cex <- 0.7
myTheme2$add.line$lwd <- 1
myTheme2$add.line$alpha <- 0.8

# Get JUST the contour lines
contours <- contourplot(r, margin=FALSE, scales=list(draw=FALSE),
                        par.settings=myTheme2, pretty=TRUE, key=NULL, cuts=5,
                        labels=TRUE)

# Plot the colour
levels <- levelplot(r, contour=FALSE, margin=FALSE, scales=list(draw=FALSE),
                    par.settings = myTheme, cuts=100)

# Plot!
levels +  
  layer(sp.polygons(can_p, col='green', lwd=2)) +
  layer(sp.polygons(usa_p, col='green', lwd=2)) +
  layer(sp.polygons(mex_p, col='green', lwd=2)) +
  contours

#1 楼

我发现了三种提高从R的形状文件中绘制国家边界的速度的方法。我从这里和这里都得到了一些启发和代码。

（1）我们可以从形状文件中提取坐标以获得多边形的经度和纬度。然后，我们可以将它们放入数据框中，第一列包含经度，第二列包含纬度。

（2）我们可以从形状文件中删除一些多边形。形状文件非常非常详细，但是某些形状是不重要的小岛（无论如何，对于我的绘图而言）。我们可以设置最小多边形面积阈值来保留更大的多边形。

（3）我们可以使用Douglas-Peuker算法简化形状的几何形状。我们的多边形形状的边缘可以简化，因为它们在原始文件中非常复杂。幸运的是，有一个包rgeos可以实现此功能。

设置：

# Load packages
library(rgdal)
library(raster)
library(sp)
library(rgeos)

# Load the shape files
can<-getData('GADM', country="CAN", level=0)
usa<-getData('GADM', country="USA", level=0)
mex<-getData('GADM', country="MEX", level=0)

方法1：从提取坐标将文件整形为数据框并绘制线条

主要缺点是，与将对象保留为SpatialPolygonsDataFrame对象（例如投影）相比，我们在这里丢失了一些信息。但是，我们可以将其转换为sp对象并添加投影信息，它仍然比绘制原始数据要快。

请注意，此代码在原始文件上的运行非常缓慢，因为形状很多，结果数据帧长约200万行。

代码：

# Convert the polygons into data frames so we can make lines
poly2df <- function(poly) {
  # Convert the polygons into data frames so we can make lines
  # Number of regions
  n_regions <- length(poly@polygons)

  # Get the coords into a data frame
  poly_df <- c()
  for(i in 1:n_regions) {
    # Number of polygons for first region
    n_poly <- length(poly@polygons[[i]]@Polygons)
    print(paste("There are",n_poly,"polygons"))
    # Create progress bar
    pb <- txtProgressBar(min = 0, max = n_poly, style = 3)
    for(j in 1:n_poly) {
      poly_df <- rbind(poly_df, NA, 
                       poly@polygons[[i]]@Polygons[[j]]@coords)
      # Update progress bar
      setTxtProgressBar(pb, j)
    }
    close(pb)
    print(paste("Finished region",i,"of",n_regions))
  }
  poly_df <- data.frame(poly_df)
  names(poly_df) <- c('lon','lat')
  return(poly_df)
}

方法2：移除小块多边形

有很多不是很重要的小岛。如果检查多边形区域的一些分位数，我们会发现其中许多都是很小的。对于加拿大图，我从绘制一千多个多边形下降到仅数百个多边形。

适用于加拿大的多边形大小的分位数：

          0%          25%          50%          75%         100% 
4.335000e-10 8.780845e-06 2.666822e-05 1.800103e-04 2.104909e+02 

代码：

# Get the main polygons, will determine by area.
getSmallPolys <- function(poly, minarea=0.01) {
  # Get the areas
  areas <- lapply(poly@polygons, 
                  function(x) sapply(x@Polygons, function(y) y@area))

  # Quick summary of the areas
  print(quantile(unlist(areas)))

  # Which are the big polygons?
  bigpolys <- lapply(areas, function(x) which(x > minarea))
  length(unlist(bigpolys))

  # Get only the big polygons and extract them
  for(i in 1:length(bigpolys)){
    if(length(bigpolys[[i]]) >= 1 && bigpolys[[i]] >= 1){
      poly@polygons[[i]]@Polygons <- poly@polygons[[i]]@Polygons[bigpolys[[i]]]
      poly@polygons[[i]]@plotOrder <- 1:length(poly@polygons[[i]]@Polygons)
    }
  }
  return(poly)
}

方法3：简化多边形形状的几何形状

我们可以使用gSimplify软件包中的rgeos函数来减少多边形形状中的顶点数量

代码：

can <- getData('GADM', country="CAN", level=0)
can <- gSimplify(can, tol=0.01, topologyPreserve=TRUE)

一些基准测试：

我用过的system.time基准测试了我的绘图时间。请注意，这些只是绘制国家/地区的时间，没有轮廓线和其他多余的东西。对于sp对象，我只使用了plot函数。对于数据框对象，我将plot函数与type='l'和lines函数一起使用。

绘制原始的加拿大，美国，墨西哥多边形：

73.009秒

使用方法1：

2.449秒

使用方法2：

17.660秒

使用方法3：

16.695秒

使用方法2 + 1：

1.729秒

使用方法2 + 3：

0.445秒

使用方法2 + 3 + 1：

0.172秒

其他说明：

方法2 + 3的组合似乎可以使多边形的绘制速度大大提高。使用方法2 + 3 + 1增加了丢失sp对象的良好属性的问题，而我的主要困难是应用投影。我一起砍了一些东西来投影一个数据框对象，但是它运行起来很慢。我认为使用方法2 + 3可以为我提供足够的加速，直到我可以摆脱使用方法2 + 3 + 1的麻烦为止。

#2 楼

每个人都应该考虑转移到sf（空间特征）包而不是sp。它明显更快（在这种情况下为1/60）并且更易于使用。这是读取shp并通过ggplot2进行绘图的示例。

注意：您需要从github上的最新版本重新安装ggp​​lot2（请参见下文）

library(rgdal)
library(sp)
library(sf)
library(plyr)
devtools::install_github("tidyverse/ggplot2")
library(ggplot2)

# Load the shape files
can<-getData('GADM', country="CAN", level=0)
td <- file.path(tempdir(), "rgdal_examples"); dir.create(td)
st_write(st_as_sf(can),file.path(td,'can.shp'))


ptm <- proc.time()
  can = readOGR(dsn=td, layer="can")
  can@data$id = rownames(can@data)
  can.points = fortify(can, region="id")
  can.df = join(can.points, can@data, by="id")
  ggplot(can.df) +  geom_polygon(aes(long,lat,group=group,fill='NAME_ENGLISH'))
proc.time() - ptm

user  system elapsed 
683.344   0.980 684.51 

ptm <- proc.time()
  can2 = st_read(file.path(td,'can.shp'))  
  ggplot(can2)+geom_sf( aes(fill = 'NAME_ENGLISH' )) 
proc.time() - ptm

user  system elapsed 
11.340   0.096  11.433 

#3 楼

GADM数据具有非常高的海岸线空间分辨率。如果不需要，则可以使用更通用的数据集。 ialm的方法非常有趣，但是一个简单的替代方法是使用“ maptools”随附的“ wrld_simpl”数据

library(maptools)
data(wrld_simpl)
plot(wrld_simpl)