用R中data.frame中的值替换光栅类
我有一个整数光栅的分类结果。现在我想用数据帧中的浮点值替换这些类,即光栅类1=0.321;第2类=0.232;第3类=3.211。 dataframe有许多列,我想为几种不同的情况替换这些类:用R中data.frame中的值替换光栅类,r,dataframe,raster,R,Dataframe,Raster,我有一个整数光栅的分类结果。现在我想用数据帧中的浮点值替换这些类,即光栅类1=0.321;第2类=0.232;第3类=3.211。 dataframe有许多列,我想为几种不同的情况替换这些类: Class C N .... 1 0.321 0.001 2 0.232 0.012 3 3.211 0.021 有没有一种方法可以方便地做到这一点,比如将data.frame合并到光栅中? 我需要将生成的光栅与另一个光栅相乘以生成输出 这是光栅文
Class C N ....
1 0.321 0.001
2 0.232 0.012
3 3.211 0.021
有没有一种方法可以方便地做到这一点,比如将data.frame合并到光栅中?
我需要将生成的光栅与另一个光栅相乘以生成输出
这是光栅文件的元数据:
> LCC
class : RasterLayer
dimensions : 3296, 3711, 12231456 (nrow, ncol, ncell)
resolution : 2, 2 (x, y)
extent : 514151.8, 521573.8, 7856419, 7863011 (xmin, xmax, ymin, ymax)
coord. ref. : +proj=utm +zone=55 +datum=WGS84 +units=m +no_defs +ellps=WGS84 +towgs84=0,0,0
data source : /home/..../Raster.tif
names : Raster
values : 0, 255 (min, max)
`
这是数据帧的元数据:
>str(SOC)
data.frame': 11 obs. of 57 variables:
$ class : int 8 9 5 6 7 4 1 2 3 0 ...
$ area : int 3135964 3941744 9048672 8564312 11568512
$ pixel_count : int 783991 985436 2262168 2141078 2892128 ...
$ percent_area : Factor w/ 11 levels "0.17%","17.50%",..: 9 11 3 2
$ label.x : Factor w/ 11 levels "Barren",..: 5 8 2
$ label.y : Factor w/ 8 levels "Barren",..: 4 7 2
$ n : int 7 4 4 3 4 1 1 NA NA NA ...
$ mean_C_100cm : num 25.8 29 21.3 34.8 31.9 ...
$ mean_N_100cm : num 0.469 0.514 0.503 0.621 0.34 ...
....
`如果我正确理解您的要求,那么您可以通过以下方式使用
df
中列中的值分配光栅值:
inp[] <- df[inp[],"C"]
希望这有帮助。如果我正确理解您的要求,那么您可以使用
df
中列中的值通过以下方式指定光栅的值:
inp[] <- df[inp[],"C"]
希望这有帮助。有一个函数(subs
)可以实现这一点
示例数据(在achaio之后)
有一个函数(subs
)用于此
示例数据(在achaio之后)
我修改了的示例,改为使用重分类函数。以下是一种对我有效的方法:
library(raster)
set.seed(42) ## for reproducibility
inp <- raster(ncol=10, nrow=10) ## example is small, yours will be large
inp[] <- floor(runif(ncell(inp), min=1, max=4)) ## generate integers from 1 to 3
df <- data.frame(Class=c(1,2,3), C=c(10.321,1.232,0.211), N=c(0.001,0.012,0.021)) ## your df
## generate output raster the same size as inp
out <- raster(ncol=10,nrow=10)
#### here I generate a matrix that defines the
#### reclassification with an upper and lower limit
mtr <- data.frame(cl_low =df$Class -1, cl_high = df$Class, C =df$C)
data.matrix(mtr) ### use as matrix
# now reclassify using the matrix and transfer the result in a raster brick
out <- reclassify(inp, rcl=mtr)
out.brick <- brick(x=out)
# now the same can be done for next variable
mtr <- data.frame(cl_low =df$Class -1, cl_high = df$Class, N =df$N)
data.matrix(mtr)
out <- reclassify(inp, rcl=mtr)
out.brick <- addLayer(out.brick, out)
out.brick@layers
库(光栅)
设定种子(42)##用于再现性
inp我用重分类函数修改了的示例。以下是一种对我有效的方法:
library(raster)
set.seed(42) ## for reproducibility
inp <- raster(ncol=10, nrow=10) ## example is small, yours will be large
inp[] <- floor(runif(ncell(inp), min=1, max=4)) ## generate integers from 1 to 3
df <- data.frame(Class=c(1,2,3), C=c(10.321,1.232,0.211), N=c(0.001,0.012,0.021)) ## your df
## generate output raster the same size as inp
out <- raster(ncol=10,nrow=10)
#### here I generate a matrix that defines the
#### reclassification with an upper and lower limit
mtr <- data.frame(cl_low =df$Class -1, cl_high = df$Class, C =df$C)
data.matrix(mtr) ### use as matrix
# now reclassify using the matrix and transfer the result in a raster brick
out <- reclassify(inp, rcl=mtr)
out.brick <- brick(x=out)
# now the same can be done for next variable
mtr <- data.frame(cl_low =df$Class -1, cl_high = df$Class, N =df$N)
data.matrix(mtr)
out <- reclassify(inp, rcl=mtr)
out.brick <- addLayer(out.brick, out)
out.brick@layers
库(光栅)
设定种子(42)##用于再现性
inp是所需输出的浮点光栅(或光栅砖),其值映射到C、N等列?如果我理解正确,则为是。所需输出是浮点光栅(或光栅砖),其值映射到C、N等列吗?如果我理解正确,则为是。谢谢,在示例中它似乎起作用,但我的原始数据被严重扭曲了。可能是因为数据框中的值是以数字形式存储的吗?@mace您能否提供一个合理的大小示例,说明数据严重失真的原因?这可能是因为您的数据具有因子,而不仅仅是数字整数。您能否提供光栅输出(即仅打印光栅变量以输出其元数据)并在您的帖子中提供str(df)
的输出(即编辑帖子而不是回复此评论)?好的,谢谢您的帮助。我想出了一个可行的解决方案,稍后我会发布。谢谢,在这个例子中它似乎是可行的,但我的原始数据被严重扭曲了。可能是因为数据框中的值是以数字形式存储的吗?@mace您能否提供一个合理的大小示例,说明数据严重失真的原因?这可能是因为您的数据具有因子,而不仅仅是数字整数。您能否提供光栅输出(即仅打印光栅变量以输出其元数据)并在您的帖子中提供str(df)
的输出(即编辑帖子而不是回复此评论)?好的,谢谢您的帮助。我想出了一个可行的解决方案,稍后我会发布。谢谢Robert,这是迄今为止最优雅的解决方案。不过,在大文件(100 MB)上使用重新分类要快很多。谢谢Robert,这是迄今为止最优雅的解决方案。不过,在大文件(100 MB)上使用重新分类要快很多。
y <- subs(inp, df, by=1, which=2:3)
z <- reclassify(inp, as.matrix(df)[, 1:2])
library(raster)
set.seed(42) ## for reproducibility
inp <- raster(ncol=10, nrow=10) ## example is small, yours will be large
inp[] <- floor(runif(ncell(inp), min=1, max=4)) ## generate integers from 1 to 3
df <- data.frame(Class=c(1,2,3), C=c(10.321,1.232,0.211), N=c(0.001,0.012,0.021)) ## your df
## generate output raster the same size as inp
out <- raster(ncol=10,nrow=10)
#### here I generate a matrix that defines the
#### reclassification with an upper and lower limit
mtr <- data.frame(cl_low =df$Class -1, cl_high = df$Class, C =df$C)
data.matrix(mtr) ### use as matrix
# now reclassify using the matrix and transfer the result in a raster brick
out <- reclassify(inp, rcl=mtr)
out.brick <- brick(x=out)
# now the same can be done for next variable
mtr <- data.frame(cl_low =df$Class -1, cl_high = df$Class, N =df$N)
data.matrix(mtr)
out <- reclassify(inp, rcl=mtr)
out.brick <- addLayer(out.brick, out)
out.brick@layers