因此，我们在R中读取shapefile的通常方法是通过maptools包，例如：

sfdata <- readShapeSpatial("/path/to/my/shapefile.shp", proj4string=CRS("+proj=longlat"))


但是，我有一个用例，而我没有一个shapefile.shp，但是我有一系列多边形坐标

16.484375 59.736328125,17.4951171875 55.1220703125,24.74609375 55.0341796875,22.5927734375 61.142578125,16.484375 59.736328125


及其相应的投影

coord. ref. : +proj=longlat +datum=WGS84 +no_defs +ellps=WGS84 +towgs84=0,0,0


如何直接从该数据“实例化” sfdata（将是“多边形对象”）？ （无需以round回的方式使用这些数据创建shapefile，然后从新创建的shapefile中读取）

#1 楼

首先将坐标放入2列矩阵：

> xym
         [,1]     [,2]
[1,] 16.48438 59.73633
[2,] 17.49512 55.12207
[3,] 24.74609 55.03418
[4,] 22.59277 61.14258
[5,] 16.48438 59.73633


，然后创建一个Polygon，将其包装为Polygons对象，然后将其包装为SpatialPolygons对象：

> library(sp)
> p = Polygon(xym)
> ps = Polygons(list(p),1)
> sps = SpatialPolygons(list(ps))


之所以如此复杂，是因为Polygon是一个简单的环，Polygons对象可以是多个ID为（此处设置为1）的环（因此（例如GIS中的单个要素）和SpatialPolygons可以具有CRS。哦，我可能应该设置它：

> proj4string(sps) = CRS("+proj=longlat +datum=WGS84 +no_defs +ellps=WGS84 +towgs84=0,0,0")


如果要将其转换为SpatialPolygonsDataFrame（当shapefile是多边形时，这是我们的readShapeSpatial） ：

> data = data.frame(f=99.9)
> spdf = SpatialPolygonsDataFrame(sps,data)
> spdf


给出以下内容：

> summary(spdf)
Object of class SpatialPolygonsDataFrame
Coordinates:
       min      max
x 16.48438 24.74609
y 55.03418 61.14258
Is projected: FALSE 
proj4string :
[+proj=longlat +datum=WGS84 +no_defs +ellps=WGS84 +towgs84=0,0,0]
Data attributes:
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
   99.9    99.9    99.9    99.9    99.9    99.9


评论

+1非常好，清晰的阐述。很高兴看到代码被解释打乱了，而不是作为一个整体提供！

– hu
2011-12-30 14:56
很棒...很高兴看到这些物体是如何组合在一起的！需要查看更多这样清晰地编写的R帮助页面。

–Simbamangu
2011-12-30 17:26
每次我想做的事情我都必须重新教自己，所以我有机会教别人！

– Spacedman
2011-12-31 13:13
太好了...我将如何向数据框中添加多个唯一的id（f）多边形？

– mga
2013年6月26日15:39
为了使该答案具有更一般的有效性，您能否说明在出现多个多边形的情况下该如何做？这有点棘手。

– Tomas
14-10-23在10:36

#2 楼

要在数据包含多个多边形的情况下完成Spacedman的出色回答，以下是使用dplyr的一些代码：

library(dplyr)
library(ggplot2)
library(sp)
## use data from ggplot2:::geom_polygon example:
positions <- data.frame(id = rep(factor(c("1.1", "2.1", "1.2", "2.2", "1.3", "2.3")), each = 4),
                    x = c(2, 1, 1.1, 2.2, 1, 0, 0.3, 1.1, 2.2, 1.1, 1.2, 2.5, 1.1, 0.3,
                          0.5, 1.2, 2.5, 1.2, 1.3, 2.7, 1.2, 0.5, 0.6, 1.3),
                    y = c(-0.5, 0, 1, 0.5, 0, 0.5, 1.5, 1, 0.5, 1, 2.1, 1.7, 1, 1.5,
                          2.2, 2.1, 1.7, 2.1, 3.2, 2.8, 2.1, 2.2, 3.3, 3.2)) %>% as.tbl


df_to_spp <- positions %>%
  group_by(id) %>%
  do(poly=select(., x, y) %>%Polygon()) %>%
  rowwise() %>%
  do(polys=Polygons(list(.$poly),.$id)) %>%
  {SpatialPolygons(.$polys)}

## plot it
plot(df_to_spp)


只是为了好玩，您可以与图表进行比较使用初始数据帧通过ggplot2获得：

ggplot(positions) + 
  geom_polygon(aes(x=x, y=y, group=id), colour="black", fill=NA)


请注意，以上代码假定每个id仅包含一个polyogn。如果某些ID具有不相交的多边形，我想应该在数据集中添加另一列，首先使用group_by子ID，然后使用group_by(upper-id)代替rowwise

使用purrr::map函数的相同代码：

df_to_spp <- positions %>%
  nest(-id) %>%
  mutate(Poly=purrr::map(data, ~select(., x, y)  %>% Polygon()),
         polys=map2(Poly, id, ~Polygons(list(.x),.y))) %>%
  {SpatialPolygons(.$polys)}