使用st_read在迭代中导入大型geojson
我想使用st_read in R将一个非常大的geojson导入一个简单的features对象,但是当从geojson转换为sf时,硬件需求似乎很大。例如,导入microsoft数据以构建Ohio()的封装外形(1.2 GB geojson),在转换时会占用超过32 GB的RAM。它们是一种迭代函数中geojson行的方法,这样我就可以导入整个文件的一部分而不占用所有RAM,类似于read.csv中的跳过行吗?使用使用st_read在迭代中导入大型geojson,r,geojson,sf,R,Geojson,Sf,我想使用st_read in R将一个非常大的geojson导入一个简单的features对象,但是当从geojson转换为sf时,硬件需求似乎很大。例如,导入microsoft数据以构建Ohio()的封装外形(1.2 GB geojson),在转换时会占用超过32 GB的RAM。它们是一种迭代函数中geojson行的方法,这样我就可以导入整个文件的一部分而不占用所有RAM,类似于read.csv中的跳过行吗?使用库(geojsonsf)在我的Mac上使用16gb RAM似乎没有问题 libra
库(geojsonsf)
在我的Mac上使用16gb RAM似乎没有问题
library(geojsonsf)
library(sf)
sf <- geojsonsf::geojson_sf("~/Downloads/Ohio.geojson")
sf
# Simple feature collection with 5449419 features and 0 fields
# geometry type: POLYGON
# dimension: XY
# bbox: xmin: -84.82027 ymin: 38.40334 xmax: -80.51887 ymax: 41.97041
# epsg (SRID): 4326
# proj4string: +proj=longlat +datum=WGS84 +no_defs
# First 10 features:
# geometry
# 1 POLYGON ((-84.81222 39.9087...
# 2 POLYGON ((-84.80084 39.8882...
# 3 POLYGON ((-84.78565 39.8811...
# 4 POLYGON ((-84.7373 39.9014,...
# 5 POLYGON ((-84.73916 39.8980...
# 6 POLYGON ((-84.80422 39.8646...
# 7 POLYGON ((-84.80025 39.8592...
# 8 POLYGON ((-84.79336 39.8593...
# 9 POLYGON ((-84.79268 39.8604...
# 10 POLYGON ((-84.80194 39.8639...
库(geojsonsf)
图书馆(sf)
sf令人印象深刻,为什么比sf快?它包含CPP源文件吗?@Sergio-是的,但是sf
也包含CPP源文件。主要区别在于它使用的是最快的JSON解析库之一是的,这比st_read更有效。谢谢你的帮助!其次是这个。我的RAM在尝试加载我的geojson文件时以各种可能的方式崩溃,使用geojson_sf不到一分钟。