?注： 本文是R語言sf包的核心開發(fā)者和維護者——來自德國明斯特大學(xué)的地理信息學(xué)教授：Edzer Pebesma 的一篇關(guān)于sf包的簡介，發(fā)表于2018年7月的R語言期刊，主要講述了sf的定位、功能、開發(fā)現(xiàn)狀及現(xiàn)存問題和今后展望，sf包是一個非常了不起的工具，在R語言中引入了空間數(shù)量分析領(lǐng)域通用的標準規(guī)范（simple feature），結(jié)合tidyverse工具箱組合，R語言中處理、轉(zhuǎn)化與繪制地理空間數(shù)據(jù)的復(fù)雜度降了一個數(shù)量級。

---

by Edzer Pebesma摘要Simple features是一種在計算機中編碼矢量空間數(shù)據(jù)（點、線、面等）的標準化方法。sf包在R語言中引入了simple features對象，它基本具備和sp、rgeos、rgdal一樣的矢量空間數(shù)據(jù)處理能力。本文主要描述此包的基本功能，其在R語言諸多擴展生態(tài)系統(tǒng)中的地位，以及在連接R語言與其他空間計算系統(tǒng)中的潛在價值。

"Simple features" 究竟是什么？

我們可以把“Features”看做是一種包含特定空間位置或范圍的“事物”或?qū)ο?#xff1b;Featrue gemetry是指某種空間幾何特征（位置或范圍），或者你也可以直接把其當成是一個點、點集合、線、線集合、多邊形、多邊形集合，甚至是以上多種對象的結(jié)合。簡單來說，simple features就是線集合、多邊形集合的特征（這些線集合或者多邊形集合是由很多點連接的直線段構(gòu)成的）。Features 還包含有其他典型屬性（如時間、顏色、名稱、質(zhì)量），我們稱之為特征屬性。并非所有的空間現(xiàn)象都可以被輕易稱為“事物”或“對象”。某些連續(xù)性現(xiàn)象：比如水溫或者海拔等諸如此類的，我們最好把其看成是來自于連續(xù)空間（或時間）上的映射函數(shù)（Scheider et al., 2016）,這些也經(jīng)常被作為柵格數(shù)據(jù)而非矢量數(shù)據(jù)（點集合、線集合、多邊形集合）。Simple feature 對象(Herring,2011)是呈現(xiàn)、編碼矢量空間數(shù)據(jù)的國際通用標準，主要用于呈現(xiàn)點、線、多邊形等幾何對象（IOS，2004）。它被廣泛用于各種空間數(shù)據(jù)庫系統(tǒng)（Herring,2010），GeoJSON（Butler et al.,2016），GeoSPL（Perry and Herring,2012),以及開源地理信息工具庫：如GDAL（Warmerdam,2008）,GEOS(GEOS Development Team,2017) 和liblwgeom(一個PostGIS的附加模塊，Obe and Hsu(2015))。

一個新包的價值

sf包（Pebesma,2018）是R語言中一個讀取、寫入、操縱、計算simple features對象的工具包。它幾乎重塑了sp包中所有矢量空間數(shù)據(jù)（點集合、線集合、多邊形集合等）處理功能（Pebesma and Bivand，2005；Bivand et al.,2013）,rgdal ( Bivand et al.,2017) 和 rgeos ( Bivand and Rundel,2017)。由于sp包具有約400個直接的反向依賴和幾千個間接依賴，所以很有必要重寫一個包來替代它。首先，在sp包的開發(fā)期間，simple features標準還尚未出現(xiàn)，ESRI shapefile那時在矢量空間數(shù)據(jù)的存儲和轉(zhuǎn)換上來處于統(tǒng)治地位。但是由于ESRI shapefile缺乏清晰開放的標準，其本身混亂、繁多的配置文件及其在呈現(xiàn)空間數(shù)據(jù)上的諸多缺陷，給sp包造成了不利影響，比如在呈現(xiàn)多邊形集合上的孔洞時，盲目的使用封閉外邊界來標記孔洞。這種方式嚴重影響圖形繪制，阻礙其與其他同類型工具庫之間的兼容性。simple feature 格式標準目前已經(jīng)被廣泛采納，但是sp包仍然習(xí)以為常的將矢量空間數(shù)據(jù)強制轉(zhuǎn)化為R的內(nèi)部對象。這也意味著你無法靈活的進行雙向數(shù)據(jù)操作。比如：導(dǎo)入數(shù)據(jù)、操縱數(shù)據(jù)、導(dǎo)出數(shù)據(jù)后才能得到同樣的幾何對象。但對于sf而言，這根本就是不是問題。另一個重要原因是R語言在讀寫空間數(shù)據(jù)（GDAL）以及操縱空間幾何對象（GEOS）時重度依賴的外部擴展庫均以對simple feature標準給予了強有力的支持。除此之外，sp和當前比較流行的數(shù)據(jù)操縱工具箱：如tidyverse（Wickham et., 2017）和 ggplot2（wickham,2016）等之間的兼容性較差。

• tidyverse 包不僅把操縱對象當做是一個數(shù)據(jù)框（然而sp 對象則是通過提供方法函數(shù)來實現(xiàn)），而且把對象視作一個長度相等的向量組成的列表，這一點兒sp包望塵莫及。
• 在使用ggplot2繪圖時，先利用fortify函數(shù)將sp對象轉(zhuǎn)化成數(shù)據(jù)框（該數(shù)據(jù)框里存放著每一個多邊形構(gòu)成點的信息），以此來嘗試“簡化”多邊形對象，這樣既不優(yōu)雅，也不高效。

基本規(guī)范

數(shù)據(jù)類型

sf包的主要類型如下：

• “sf”: 一個數(shù)據(jù)框（或者tl_df）：包含一到 多個空間幾何對象列（通常由一組與數(shù)據(jù)框等長的列表組成）、一個用于標識當前空間幾何對象列（sfc類）的屬性（sf_column）,
• "sfc"： 一個由一組空間幾何屬性組成的列表列
• "sfg"：一個空間幾何列表列中的任一個元素（一個幾何要素）
• "crs": 一個坐標參考系統(tǒng)（CRS）,作為“sfc”對象的性質(zhì)存儲除了“sfg”對象之外，以上所有類型均可看做列表。“sfg”對象可看做是其他類型的子類，這些類主要有以下幾種存儲格式：

POINT：一個單點組成的數(shù)值型向量

MULTIPOINT：每行由多點組成的數(shù)值矩陣

LINESTRING：每行由多點組成的數(shù)值矩陣

POLYGON：多個數(shù)據(jù)矩陣（每行由多點組成）組成的列表（多邊形邊界內(nèi)部可能嵌套若干個孔洞）

MULTILINRSTRING：多個數(shù)值矩陣（每行由多點組成）組成的列表

MULTIPLOYGON：POLYGON結(jié)構(gòu)組成的list

GEOMETRYCOLLECTION: 一個或多個以上幾何對象組成的結(jié)構(gòu)。所有的幾何對象都具有空值，表示幾何對象的缺失（或者NA）。

函數(shù)與方法

CategorygoryFunctions

binary predicatesst_contains，st_contains_properly，st_convered_by，st_covers，st_crosses，st_disjoint，st_equals，st_equals_exact，st_intersects，st_is_within_distance，st_within，st_touches，st_overlapsbinary operationsst_relate，st_distanceunary operationsst_dimension，st_area，st_length，st_is_longlat，st_is_simple，st_is_valid，st_jitter，st_geohash，st_geometry_type，st_sample，st_line_sample，st_join，st_interpolate_aw，st_make_grid，st_graticule，st_extSoftVersion，raw_ToHex，st_proj_infosettersst_set_agr，st_set_crsconstructorsst_sfc，st_sf，st_as_sf，st_as_sfc，st_point，st_multipoint，st_linestring，st_multilinestring，st_polygon，st_multipolygon，st_geometrycollection，st_combine，st_bind_colsin & outputst_read，st_read_db，st_write，st_write_db，read_sf，write_sf，st_drivers，st_layersplottingst_viewport，st_wrap_dateline，sf.colors表格 1:來自sf包的功能函數(shù) ，按照函數(shù)類別順序

以上所列函數(shù)中，部分函數(shù)同時作用于屬性和幾何對象，比如：aggregate 和 summarize 計算分組統(tǒng)計量。class methods

sfgas.matrix, c, coerce, format, head, Ops, plot, print, st_as_binary, st_as_grob, st_as_text, st_transform, st_coordinates, st_geometry, st_boundary, st_buffer, st_centroid, st_convex_hull, st_difference, st_intersection, st_line_merge, st_make_valid, st_node, st_point_on_surface, st_polygonize, st_segmentize, st_simplify, st_split, st_sym_difference, st_triangulate, st_union, st_voronoi, st_cast, st_collection_extract, st_is, st_zmsfc[, [<-, as.data.frame, c, coerce, format, Ops, print, rep, st_as_binary, st_as_text, st_bbox, st_coordinates, st_crs, st_crs<-, st_geometry, st_precision, st_set_precision, str, summary, st_transform, st_boundary, st_buffer,st_centroid, st_convex_hull, st_difference, st_intersection, st_line_merge, st_make_valid, st_node, st_point_on_surface, st_polygonize, st_segmentize, st_simplify, st_split, st_sym_difference, st_triangulate, st_union, st_voronoi, st_cast, st_collection_extract, st_is, st_zm, obj_sum, type_sumsf[, [[<-, $<-, aggregate, cbind, coerce, merge, plot, print, rbind, st_agr, st_agr<-, st_bbox, st_coordinates, st_crs, st_crs<-, st_geometry, st_geometry<-, st_precision, st_set_precision, st_transform, st_boundary, st_buffer, st_centroid, st_convex_hull, st_difference, st_intersection, st_line_merge, st_make_valid, st_node, st_point_on_surface, st_polygonize, st_segmentize, st_simplify, st_split, st_sym_difference, st_triangulate, st_union, st_voronoi, st_cast, st_collection_extract, st_is, st_zm, anti_join, arrange, distinct, filter, full_join, gather, group_by, inner_join, left_join, nest, mutate, rename, right_join, sample_frac, sample_n, select, semi_join, separate, slice, spread, summarise, transmute, ungroup, unitecrs$, is.na, Ops, print, st_as_text, st_crs表格 2:sf包中的類方法st_interpolate_aw函數(shù)可以針對幾何對象進行基于面積加權(quán)的差值計算（Do et al., 2015)。st_join可以基于空間類型連接成對的表格。sf包的一般方法已經(jīng)展示在上面表格2中了，其中很多方法主要服務(wù)于矢量空間數(shù)據(jù)的創(chuàng)建、抽取、轉(zhuǎn)換，當然也有很函數(shù)屬于不經(jīng)常用到的低頻函數(shù)。在可能的情況下，方法作用于一個幾何對象(sfg)、一個幾何對象集合(sfc)或一個帶有屬性的集合對象集合(sf)，同時返回一個相同類的對象。序列化simple featrue對象定義了兩個序列化標準：常見文本表現(xiàn)形式（WKT）和二進制文本表現(xiàn)形式（WKB）。常見文本表現(xiàn)形式是日常打印時默認的輸出格式，sfc列可以利用st_as_sfc函數(shù)從WKT格式的字符串向量中直接讀取。

> library(sf) Linking to GEOS 3.5.1, GDAL 2.1.2, proj.4 4.9.3 > (pt <- st_point(c(0,1))) POINT (0 1) > (pol <- st_polygon(list(rbind(c(0,0), c(1,0), c(1,1), c(0,1), c(0,0))))) POLYGON ((0 0, 1 0, 1 1, 0 1, 0 0)) > st_as_sfc("POINT(0 1)") # returns sfc: Geometry set for 1 feature geometry type: POINT dimension: XY bbox: xmin: 0 ymin: 1 xmax: 0 ymax: 1 epsg (SRID): NA proj4string: NA POINT (0 1)R native simple feature geometries can be written to WKB usingst_as_binary:> st_as_binary(st_point(c(0,1)))[1] 01 01 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 f0 3f > st_as_binary(st_polygon(list(rbind(c(0,0), c(1,0), c(1,1), c(0,1), c(0,0))))) [1] 01 03 00 00 00 01 00 00 00 05 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 [26] 00 00 00 00 00 00 00 00 00 00 f0 3f 00 00 00 00 00 00 00 00 00 00 00 00 00 [51] 00 f0 3f 00 00 00 00 00 00 f0 3f 00 00 00 00 00 00 00 00 00 00 00 00 00 00 [76] f0 3f 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00

同理，二進制編碼的幾何對象同樣可以使用sf_as_sfc函數(shù)來進行還原。 在sf包中，所有與底層庫GDAL、GEOS和liblwgeom之間的通信，以及與空間數(shù)據(jù)庫之間進行的空間幾何對象讀寫操作，均使用c++編寫的二進制序列化和反序列化。這樣可以使得代碼高效、穩(wěn)健，對于所有可能的幾何對象類型，都使用統(tǒng)一的接口進行操縱。

球面幾何對象GEOS庫提供了很多用于處理二維空間的運算函數(shù)。對于未做投影處理的地理空間數(shù)據(jù)，提供的坐標通常是經(jīng)緯度，表征的是球面上的點，而非投影后的平面。sf包允許針對此類數(shù)據(jù)進行所有幾何操作，但在操作過程中，GEOS包會彈出提示信息。而像st_area、st_length、st_distance、st_is_within_distance和st_segmentze之類的專門用于進行球面運算操作的函數(shù)，則主要依賴于底層庫——lwgeom(Pebesma)。相對于geosphere包(Hijmans, 2016a)而言，這個包的主要優(yōu)勢在于，它支持所有simple feature對象的距離計算，但geosphere包只能計算點與點之間的距離。st_sample函數(shù)目前的功能已經(jīng)有所改變，現(xiàn)在主要服務(wù)于球面區(qū)域點采樣后的坐標計算。

如果有一個全面的用于處理球面幾何對象的函數(shù)系統(tǒng)，那當時再好不過的事情了。目前看來具備這種潛質(zhì)的候選包主要包括s2(Rubak和Ooms, 2017)(Rubak和Ooms, 2017)、liblwgeom (PostGIS的一部分)、CGAL (Fabri和Pion, 2009)和boost.Geometry。

操縱工具在sf的開發(fā)過程中，為了使新的數(shù)據(jù)結(jié)構(gòu)與tidyverse能夠較好的協(xié)同工作，投入了大量的精力。這方面主要體現(xiàn)在給dplyr包提供了很多用于操縱sf對象的方法（見表2）以及給ggplot2提供了用于快速針對sf對象進行繪圖映射的geom系列函數(shù)。 tidyverse工具箱規(guī)定了四個主要原則，如下所示： 1.返回基礎(chǔ)數(shù)據(jù)結(jié)構(gòu)我們僅使用R語言中最基礎(chǔ)的數(shù)據(jù)結(jié)構(gòu)，并且完全支持兩種序列化標準（WKT、WKB）

2.使用管道函數(shù)來精簡代碼過程。這樣來設(shè)計函數(shù)和方法可以非常容易的適用于管道式工作流程。像st_crs之類的替換函數(shù)建議用st_set_crs這種形式，看起來更加優(yōu)雅。

3.擁抱函數(shù)式編程。保持函數(shù)類型安全，支持空幾何體和空列表，并通過提供縮放和移動多邊形選項來創(chuàng)造性地完成了重載操作。

>pol * 2 + pt

POLYGON ((0 1, 2 1, 2 3, 0 3, 0 1))

st_join之類的空間連接函數(shù)，允許用戶傳遞一個與st_intersects兼容的連接函數(shù)，從而使應(yīng)用于連接的空間謂詞完全可定制。

4.人性化設(shè)計。基于過去10年編寫和維護sp包的經(jīng)驗，我們一直保持sf包的簡介和易學(xué)。盡可能抽象通用方法，來保持底層代碼占用較少的內(nèi)存。所有函數(shù)和方法均以st_(對于“spacetime”，遵循PostGIS約定)開頭，以保持它們的統(tǒng)一性和可識別性，并可提供tab鍵來實現(xiàn)函數(shù)的模糊提醒。

繪圖

圖1(左)顯示了具有多個屬性的“sf”對象的默認圖:沒有提供顏色參數(shù)，默認顏色取決于變量是數(shù)值(上)還是因子(下)。圖1如下:

圖1:左圖:帶有兩個屬性的sf對象的默認圖;右圖:帶有顏色鍵、坐標軸和經(jīng)緯度的單個屬性的繪圖。圖2:使用ggplot2::geom_sf生成的圖，現(xiàn)在彎曲的經(jīng)緯網(wǎng)遵循固定比例的的經(jīng)緯度線。

> library(sf) > nc = read_sf(system.file("gpkg/nc.gpkg", package="sf"))` > plot(nc[, c(9,5)]) When we plot a single attribute, a color key is default (unlesskey.pos=NULL). The following command > plot(nc[, 9], key.pos = 1, axes = TRUE, graticule = TRUE)在圖一右側(cè)圖中增加經(jīng)緯網(wǎng)和坐標軸。Figure 2 shows a plot generated byggplot2(version 2.2.1 or later): > library(ggplot2) > library(tidyr) > library(dplyr) > nc2 <- nc %>% st_transform(32119) %>% select(SID74, SID79, geom) %>%+ gather(VAR, SID, -geom) > ggplot() + geom_sf(data = nc2, aes(fill = SID)) + facet_wrap( ~ VAR, ncol = 1)

圖3：sf依賴的其他R語言工具包及外部擴展系統(tǒng)

柵格、時間序列和單位

對于某些用戶來說，開始sf包的學(xué)習(xí)就如同翻開一本新書，同時合上一本舊書。但是和那本舊書相比，這本新書的內(nèi)容、頁碼完全不同。目前還不知道，那些R語言中數(shù)百個使用了sp包提供的類和方法的包，是否會、以及何時會將修改為依賴sf包的類和方法。 最常聽到的問題是在這本新書中柵格數(shù)據(jù)在哪里:sp為網(wǎng)格數(shù)據(jù)提供了簡單的類，柵格(Hijmans, 2016b)提供了大量的類和密集的方法來使用它們，并與sp向量類緊密集成。當前版本的柵格數(shù)據(jù)是通過將sf對象轉(zhuǎn)換為(較小的一組)sp對象，從而使其可以兼容其中的一小部分函數(shù)。在撰寫本文時，我們只能說，這是一個高度活躍、探索和發(fā)展中的領(lǐng)域，我們很樂意向感興趣的讀者指出，這一討論的中大家關(guān)注的主流趨勢在向何處發(fā)展。除了柵格數(shù)據(jù)之外，時間序列類的空間特征(例如監(jiān)測站的觀測數(shù)據(jù))很難映射成sf對象:要么必須將時間切片放入列中，要么添加一個時間列，并為每個觀測重復(fù)空間幾何特征。柵格數(shù)據(jù)、空間時間序列和柵格時間序列是該項目今后探索的重點領(lǐng)域。 該軟件包的一個新功能是能夠檢索空間度量，并使用顯式度量單元設(shè)置距離參數(shù)等 (Pebesma et al., 2016):

> st_area(st_transform(nc[1, ], 2264)) # NC state plane, US foot 12244955726 US_survey_foot^2 > st_crs(2264)$units [1] "us-ft" > st_area(st_transform(nc[1, ], 2264)) %>% units::set_units(km^2) # convert: 1137.598 km^2

這可能會讓人困惑，但卻有可能防止一系列的科學(xué)錯誤。

與其他計算系統(tǒng)的連接和可伸縮性

在許多情況下，使用R分析空間數(shù)據(jù)從導(dǎo)入數(shù)據(jù)開始，或者從文件或數(shù)據(jù)庫導(dǎo)出數(shù)據(jù)結(jié)束。這種能力主要由可見文本(WKT)和二進制文本(WKB)序列化提供，它們是sf標準的一部分，并且受到sf的支持。與GDAL、GEOS和liblwgeom庫的通信都使用WKB方法。GDAL目前有93種不同的空間向量數(shù)據(jù)連接驅(qū)動程序(文件格式、數(shù)據(jù)庫、web服務(wù))。圖3顯示了sf包和其他R包和系統(tǒng)庫的依賴關(guān)系。之所以將sf包構(gòu)構(gòu)筑于這些系統(tǒng)上，主要因為這些系統(tǒng)是由R語言外部致力于空間數(shù)據(jù)探索的研究機構(gòu)和社會組織使用和維護的，反映了這些組織在關(guān)于空間數(shù)據(jù)研究上達成的默契和共識。 除了使用GDAL之外,sf還可以直接讀寫空間數(shù)據(jù)庫。目前主要通過RPostgreSQL來與PostGIS一起工作，當然，使用RPostgres以及DBI來讀寫空間數(shù)據(jù)庫的功能仍然進一步開發(fā)完善中。初步研究表明，使用dbplyr框架可以在R中處理大量耗費內(nèi)存的空間數(shù)據(jù)庫。這不僅消除了R的內(nèi)存限制，而且還從這些數(shù)據(jù)庫的持久空間索引中獲益。 對于平面數(shù)據(jù)，sf動態(tài)地為空間二進制謂詞構(gòu)建空間索引(st_intersects,st_containsetc.) 以及二進制形式 (st_intersection,st_difference 等)。一篇關(guān)于在sf中設(shè)置空間索引的博文描述了如何使用索引操縱大內(nèi)存的空間數(shù)據(jù)集。對于球面數(shù)據(jù)，還需要研究liblwgeom或s2提供的索引。

總結(jié)與延伸閱讀我們引入了一個新包 ——sf，在R語言中操縱simple feature對象，并且成為最前沿的用于部分替代sp包家族的潛力股。它為R語言中空間矢量數(shù)據(jù)的處理提供了新的基礎(chǔ)類，已經(jīng)得到了廣泛的關(guān)注和應(yīng)用。在實現(xiàn)sf過程中，維護了幾個經(jīng)過良好驗證的概念(幾何對象與屬性的分離)，為sf創(chuàng)建了新的連接(dplyr、ggplot2、空間數(shù)據(jù)庫)，并探討了新的概念(單位、空間索引等)。 為了進一步了解sf的全部功能及其原理，讀者可以參考軟件包附帶的六篇小品文。

致謝如果沒有Roger Bivand的前期工作和付出，sf包的面世幾乎是不可能的。該包的貢獻者包括 Ian Cook, Tim Keitt, Michael Sumner, Robin Lovelace, HadleyWickham, Jeroen Ooms, and Etienne Racin。同時也非常感謝在Githubs上面給sf項目提供問題反饋的所有貢獻者。特別鳴謝Dirk Eddelbuettel開發(fā)的Rcpp(Eddelbuettel et al., 2011; Eddelbuettel,2013)。 來自R語言聯(lián)盟的支持對于sf的開發(fā)、面世和普及與應(yīng)用至關(guān)重要，我們對此表示感謝，同時匿名審稿人也給我們提供非常寶貴的意見。

總結(jié)

以上是生活随笔為你收集整理的r语言 rgl 强制过程中_一个R语言中操纵矢量空间数据的标准化工具—sf的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。