如何使用 st_intersects() 等 sf 方法过滤 R 简单特征集合？

Question

SF 是 R-Spatial 包，旨在处理诸如 dyplr 和管道之类的整洁语法。

我想对一个简单的特征集合对象做一个简单的空间过滤器。给定一个简单的特征集合，我想从集合中返回满足某些几何条件的所有特征。特别是，我想找到与另一个对象相交的特征。

SF 提供了st_intersects(x,y,...)执行此操作的功能，但我无法让它与 dplyr 一起使用。

我正在使用 R 3.5.2 和从 github 安装的最新 sf。

library(tidyverse)
library(sf)
#> Linking to GEOS 3.6.1, GDAL 2.2.3, PROJ 4.9.3

# many multipolygons:
nc <- st_read(system.file("shape/nc.shp", package="sf"))

#> Simple feature collection with 100 features and 14 fields
#> geometry type:  MULTIPOLYGON
#> dimension:      XY
#> bbox:           xmin: -84.32385 ymin: 33.88199 xmax: -75.45698 ymax: 36.58965
#> epsg (SRID):    4267
#> proj4string:    +proj=longlat +datum=NAD27 +no_defs

# A point in Ashe County:
ash_point <- nc %>% 
  filter(NAME == "Ashe") %>% 
  st_point_on_surface()

# how many counties intersect ash_point? 
nc %>% 
  st_intersects(ash_point, sparse = FALSE) %>% 
  sum()
#> [1] 1

# return the features which intersect ash_point:
nc %>% 
  filter(st_intersects(ash_point, sparse = FALSE)) 
#> although coordinates are longitude/latitude, st_intersects assumes that they are planar
#> Simple feature collection with 100 features and 14 fields
#> geometry type:  MULTIPOLYGON
#> dimension:      XY
#> bbox:           xmin: -84.32385 ymin: 33.88199 xmax: -75.45698 ymax: 36.58965
#> epsg (SRID):    4267
#> proj4string:    +proj=longlat +datum=NAD27 +no_defs
#> First 10 features:
#>     AREA PERIMETER CNTY_ CNTY_ID        NAME  FIPS FIPSNO CRESS_ID BIR74
#> 1  0.114     1.442  1825    1825        Ashe 37009  37009        5  1091
#> 2  0.061     1.231  1827    1827   Alleghany 37005  37005        3   487
#> 3  0.143     1.630  1828    1828       Surry 37171  37171       86  3188
#> 4  0.070     2.968  1831    1831   Currituck 37053  37053       27   508
#> 5  0.153     2.206  1832    1832 Northampton 37131  37131       66  1421
#> 6  0.097     1.670  1833    1833    Hertford 37091  37091       46  1452
#> 7  0.062     1.547  1834    1834      Camden 37029  37029       15   286
#> 8  0.091     1.284  1835    1835       Gates 37073  37073       37   420
#> 9  0.118     1.421  1836    1836      Warren 37185  37185       93   968
#> 10 0.124     1.428  1837    1837      Stokes 37169  37169       85  1612
#>    SID74 NWBIR74 BIR79 SID79 NWBIR79                       geometry
#> 1      1      10  1364     0      19 MULTIPOLYGON (((-81.47276 3...
#> 2      0      10   542     3      12 MULTIPOLYGON (((-81.23989 3...
#> 3      5     208  3616     6     260 MULTIPOLYGON (((-80.45634 3...
#> 4      1     123   830     2     145 MULTIPOLYGON (((-76.00897 3...
#> 5      9    1066  1606     3    1197 MULTIPOLYGON (((-77.21767 3...
#> 6      7     954  1838     5    1237 MULTIPOLYGON (((-76.74506 3...
#> 7      0     115   350     2     139 MULTIPOLYGON (((-76.00897 3...
#> 8      0     254   594     2     371 MULTIPOLYGON (((-76.56251 3...
#> 9      4     748  1190     2     844 MULTIPOLYGON (((-78.30876 3...
#> 10     1     160  2038     5     176 MULTIPOLYGON (((-80.02567 3...

^{由reprex 包(v0.3.0.9000)于 2019 年 7 月 12 日创建}

st_intersects() 单独返回正确的逻辑矩阵，但在过滤器中使用时，即使逻辑矩阵具有“FALSE”的特征，也会返回所有结果。

Answer 1

请注意，st_intersection(, sparse = TRUE)返回一个逻辑matrix，并需要filter一个向量。我们可以通过对矩阵进行子集来得到选择向量：

nc %>%
  filter(st_intersects(., ash_point, sparse = FALSE)[1,])

The .is need to havenc也是 的论点st_intersects，而不仅仅是 to filter。

如果该filter.sf方法直接对 的输出敏感st_intersects，而无需sparse=FALSE和，那就太好了[1,]。我会把它放在一些待办事项清单上。

Answer 2

实现此目的的另一种方法是使用st_filter()函数和.predicates = st_intersects参数。

在这种情况下，这将是

nc %>% st_filter(ash_point, .predicates = st_intersects)

您还可以将.predicates参数替换为任何其他类似的 st_methods，例如.predicates = st_within仅获取完全在