小编top*_*cat的帖子

我正在尝试将具有高分辨率(25米)和分类数据(1到13)的森林覆盖栅格重新采样为RasterLayer具有较低分辨率(~1 km)的新光栅.我的想法是将森林覆盖数据与其他低分辨率栅格数据结合起来:

1. 我试过raster::resample(),但由于数据是绝对的,我丢失了很多信息:

   summary(as.factor(df$loss_year_mosaic_30m))
     0       1   2   3  4   5   6   7  8   9   10  11   12  13
   3777691  65  101 50 151 145 159 295 291 134 102 126 104  91 
   

   Run Code Online (Sandbox Code Playgroud)

   如您所见,新栅格具有所需的分辨率,但也有很多零.我认为这是正常的,因为我使用了'ngb'选项resample.

2. 第二种策略是使用,raster::aggregate()但我发现难以定义因子整数,因为分辨率的变化不是直截了当的(如分辨率的两倍或相似).

   我的高分辨率栅格具有以下分辨率,我希望它将其聚合0.008333333, 0.008333333 (x, y)到相同程度的分辨率.

   loss_year
   class       : RasterLayer 
   dimensions  : 70503, 59566, 4199581698  (nrow, ncol, ncell)
   resolution  : 0.00025, 0.00025  (x, y)
   extent      : -81.73875, -66.84725, -4.2285, 13.39725  (xmin, xmax, ymin, ymax)
   coord. ref. : +proj=longlat …

   Run Code Online (Sandbox Code Playgroud)

我正在尝试使用sqlalchemy和geoalchemy2在Python 3.5上进行空间操作.我有一个点作为geom属性的表.我已阅读该表并按照文档说明操作:

metadata = MetaData()
table = Table('table', 
                 metadata, autoload=True,
                 schema = "schema",
                 autoload_with=engine)
print(table.columns)

这正确地返回了我的表的列的名称.现在,我想创建数据的空间子集,仅选择POLYGON对象内的点.我尝试过ST_Contains和ST_Intersection:

# Create session for queries
Session = sessionmaker(bind=engine)
session = Session()

#SELECT * FROM table:
q = session.query(table).filter(table.c.geom.ST_Intersects(func.GeomFromEWKT(<POLYGON>)))

POLYGON是具有定义的WKT几何SRID=4326.我已经尝试过使用相同多边形的不同形式,但没有一个有效.执行查询时,以下错误返回:

(psycopg2.InternalError) geometry contains non-closed rings
HINT:  "...140.965576171875 -11.11288507032144))" <-- parse error at position 166 within geometry

我失败的地方？

我有一个数据框（df），其中包含以下内容：

 var1
a 1 
a 1 
b 2  
b 3 
c 3 
d 5 

和字典：

dict_cat = {
'x' = ['a', 'b', 'c'],
'y' = 'd' }

我想创建一个新列cat，该列根据var1值使用dict键值：

 var1 cat
a 1 x 
a 1 x
b 2 x
b 3 x
c 3 x
d 5 y

我尝试map使用：将变量指定为dict df['cat'] = df['var1'].map(dict_cat)，但是由于值在列表内，因此Python无法识别值，而我只能获取NaN值。有一种使用的方法map，还是应该创建一个对行进行迭代的函数，以检查是否var1有in字典列表？

谢谢！

我目前正在使用furrr我的模型创建更有组织的执行。我使用 adata.frame以有序的方式将参数传递给函数，然后使用 afurrr::future_map()将函数映射到所有参数。在我的本地计算机 (OSX) 上使用顺序和多核 future 时，该函数可以完美运行。

现在，我想测试我的代码，创建我自己的 AWS 实例集群（正如此处所示）。

我使用链接的文章代码创建了一个函数：

make_cluster_ec2  <- function(public_ip){
  ssh_private_key_file  <-  Sys.getenv('PEM_PATH')
  github_pac  <-  Sys.getenv('PAC')

  cl_multi <- future::makeClusterPSOCK(
  workers = public_ip,
  user = "ubuntu",
  rshopts = c(
    "-o", "StrictHostKeyChecking=no",
    "-o", "IdentitiesOnly=yes",
    "-i", ssh_private_key_file
  ),
  rscript_args = c(
    "-e", shQuote("local({p <- Sys.getenv('R_LIBS_USER'); dir.create(p, recursive = TRUE, showWarnings = FALSE); .libPaths(p)})"),
    "-e", shQuote("install.packages('devtools')"),
    "-e", shQuote(glue::glue("devtools::install_github('user/repo', auth_token = '{github_pac}')"))
  ),
  dryrun = FALSE)

  return(cl_multi)

}

然后，我创建集群对象，然后检查它是否连接到正确的实例

public_ids <- c('public_ip_1', 'public_ip_2') …