假设我有称为数据文件zone与1994串2D协调员表示多边形的顶点的坐标等以下的（每行的RHS的非常第一数字表示zone ）
c1 <- "1", "1 21, 31 50, 45 65, 75 80"
c2 <- "2", "3 20, 5 15, 2 26, 70 -85, 40 50, 60 80"
.....
c1993 <- "1993", "3 2, 2 -5, 0 60, 7 -58, -12 23, 56 611, 85 152"
c1994 <- "1994", "30 200, 50 -15, 20 260, 700 -850, -1 2, 5 6, 8 15"
现在我想操纵给定一个随机对这样这些字符串lat-lon （比方说12和20 ），我可以比较，看它是否属于第一多边形，第二面，第三面，...或第一千九百九十四多边形。 蛮力溶液：比较x-coordinate （ = 12 ）与所有4 x坐标-和y-coordinate （ = 20) to all the 4 -coordinates in C1 and C2 , respectively. The conclusion would be whether there is a valid **sandwich** inequality for each given coordinate , respectively. The conclusion would be whether there is a valid **sandwich** inequality for each given coordinate X and y`。
例如，通过使用如上述方案中的过程中，点(12,20)将在C1而不是C2。
我的问题：我怎么能实现读该目标是什么？
我尝试：感谢斯特凡纳·洛朗的帮助，我是能够产生所有矩阵，每个具有一定尺寸，存储的lat-lon用下面的代码每个多边形的所有顶点对：
zone <- read_delim("[directory path to zone.csv file]", delim = ",", col_names = TRUE)
for(i in 1:nrow(zone)){
zone$geo[i] = substr(zone$geo[i],10,135)
}
zone <- zone[complete.cases(zone),]
Numextract <- function(string){
unlist(regmatches(string, gregexpr("[[:digit:]]+\\.*[[:digit:]]*", string)))
}
for(i in 1:nrow(zone)){
poly1 <- matrix(as.numeric(Numextract(zone$geo[i])),i, ncol=2, byrow=TRUE)
poly2 <- cbind(poly1, c(i))
}
然而，正如你可能会看到，我需要找到一种方法， 指数对应的期间生成的每个区域每个矩阵for()循环。 究其原因是因为事后，我可以用另一种for()循环来确定一个点属于哪个区！ 但我一直没能想出解决办法，所以任何人都可以请帮我详细的代码？
实际数据集
区和多边形数据集
纬度，经度对数据集
首先，定义多边形的矩阵，每一行代表一个顶点：
poly1 <- rbind(c(1,21), c(31,50), c(45,65), c(75,80))
poly2 <- rbind(c(3,20), c(5,15), c(2,26), c(70,-85))
定义要测试的点：
point <- c(12,20)
现在，使用pip2d的功能ptinpoly包：
> library(ptinpoly)
> pip2d(poly1, rbind(point))
[1] -1
> pip2d(poly2, rbind(point))
[1] 1
这意味着（见?pip2d ）的一点是外poly1和内部poly2 。
注意rbind(point)在pip2d 。 我们使用rbind因为我们可以更普遍地在同一个多边形运行几个点的测试。
如果您需要帮助转换
c1 <- "1 21, 31 50, 45 65, 75 80"
至
poly1 <- rbind(c(1,21), c(31,50), c(45,65), c(75,80))
那么也许你应该打开另一个问题。
编辑
好了，不要打开另一个问题。 您可以按以下步骤操作。
c1 <- "1 21, 31 50, 45 65, 75 80"
Numextract <- function(string){
unlist(regmatches(string, gregexpr("[[:digit:]]+\\.*[[:digit:]]*", string)))
}
poly1 <- matrix(as.numeric(Numextract(c1)), ncol=2, byrow=TRUE)
这使：
> poly1
[,1] [,2]
[1,] 1 21
[2,] 31 50
[3,] 45 65
[4,] 75 80
第二次编辑
对于你的第二个问题，你的数据是太大了。 我可以看到的唯一的解决办法是将数据分割成更小的碎片。
但首先，它似乎pip2d功能也使R对话崩溃。 所以请使用其他功能： pnt.in.poly从包SDMTools 。
下面是该函数的一小的修改，通过删除无用的输出使其更快：
library(SDMTools)
pnt.in.poly2 <- function(pnts, poly.pnts){
if (poly.pnts[1, 1] == poly.pnts[nrow(poly.pnts), 1] &&
poly.pnts[1, 2] == poly.pnts[nrow(poly.pnts), 2]){
poly.pnts = poly.pnts[-1, ]
}
out = .Call("pip", pnts[, 1], pnts[, 2], nrow(pnts), poly.pnts[,1], poly.pnts[, 2], nrow(poly.pnts), PACKAGE = "SDMTools")
return(out)
}
现在，如前面所说的，拆分lat_lon在更小的片，每百万长度，（除了最后一个，更小）：
lat_lon_list <- vector("list", 70)
for(i in 1:69){
lat_lon_list[[i]] = lat_lon[(1+(i-1)*1e6):(i*1e6),]
}
lat_lon_list[[70]] <- lat_lon[69000001:nrow(lat_lon),]
现在，运行此代码：
library(data.table)
for(i in 1:70){
DT <- data.table(V1 = pnt.in.poly2(lat_lon_list[[i]], polys[[1]]))
for(j in 2:length(polys)){
DT[, (sprintf("V%d",j)):=pnt.in.poly2(lat_lon_list[[i]], polys[[j]])]
}
fwrite(DT, sprintf("results%02d.csv", i))
rm(DT)
}
如果它工作，它应产生70个CSV文件， result01.csv ，...， result70.csv ，各尺寸的1000000x1944 （除了最后一个，小），那么就可以在Excel中打开它们。
3编辑
我试过的代码，我得到了一个错误： Error: cannot allocate vector of size 7.6 Mb 。
我们需要一个更精细的分割：
lat_lon_list <- vector("list", 2*69+1)
for(i in 1:(2*69)){
lat_lon_list[[i]] = lat_lon[(1+(i-1)*1e6/2):(i*1e6/2),]
}
lat_lon_list[[2*69+1]] <- lat_lon[69000001:nrow(lat_lon),]
for(i in 1:(2*69+1)){
DT <- data.table(V1 = pnt.in.poly2(lat_lon_list[[i]], polys[[1]]))
for(j in 2:length(polys)){
DT[, (sprintf("V%d",j)):=pnt.in.poly2(lat_lon_list[[i]], polys[[j]])]
}
fwrite(DT, sprintf("results%02d.csv", i))
rm(DT)
}
