检测地理群集 [英] Detecting geographic clusters

问题描述

我有一个包含经度，纬度的R data.frame，它横跨整个美国地图。当X个条目都在一个小的地理区域内，例如几度经度&几度纬度，我希望能够检测到这一点，然后让我的程序返回地理边界框的坐标。是否有Python或R CRAN包已经这样做？如果没有，我该如何确定这些信息？ 我能够将Joran的答案和Dan H的评论结合起来。这是一个输出示例：

python代码为R：map（）和rect（）发出函数。这个美国示例地图是用以下方式创建的：

  map（'state'，plot = TRUE，fill = FALSE，col = palette（ ））
  

然后您可以在R GUI解释器中相应地使用rect（） （见下面）。

pre $ 从集合中导入数学
import defaultdict

to_rad = math .pi / 180.0＃将lat或lng转换为弧度
fname =site.tsv＃文件格式：LAT\tLONG
threshhold_dist = 50＃根据需要调整
threshhold_locations = 15＃群集中需要的最少位置数

def dist（lat1，lng1，lat2，lng2）：
全局to_rad
earth_radius_km = 6371

dLat =（lat2-lat1）* to_rad
dLon =（lng2-lng1）* to_rad
lat1_rad = lat1 * to_rad
lat2_rad = lat2 * to_rad

a = math。 sin（dLat / 2）* math.sin（dLat / 2）+ math.sin（dLon / 2）* math.sin（dLon / 2）* math.cos（lat1_rad）* math.cos（lat2_rad）
c = 2 * m ath.atan2（math.sqrt（a），math.sqrt（1-a））;
dist = earth_radius_km * c
return dist

def bounding_box（src，neighbors）：
neighbors.append（src）
＃nw = NorthWest se =东南
nw_lat = -360
nw_lng = 360
se_lat = 360
se_lng = -360

（y，x）邻居：
if y> nw_lat：nw_lat = y
如果x> se_lng：se_lng = x

if y< se_lat：se_lat = y
如果x < nw_lng：nw_lng = x

＃添加一些填充物
pad = 0.5
nw_lat + =填充物
nw_lng - =填充物
se_lat - =填充物
se_lng + = pad

＃适用于r的map（）函数
return（se_lat，nw_lat，nw_lng，se_lng）
$ b $ def sitesDist（site1，site2 ）：
＃只是一个助手在
下面的短列表理解返回dist（site1 [0]，site1 [1]，site2 [0]，site2 [1]）$ ​​b
$ b def load_site_data（）：
全局fname
sites = defaultdict（元组）
$ b $ data = open（fname，encoding =latin-1）
data.readline （）＃skip header
for line in data：
line = line [： - 1]
slots = line.split（\ t）
lat = float（ slot [0]）
lng = float（slots [1]）$ ​​b $ b lat_rad = lat * math.pi / 180.0
lng_rad = lng * math.pi / 180.0
sites [ （lat，lng）] =（lat，lng）＃（lat_rad，lng_rad）
返回地点

def main（）：
sites_dict = {}
sites = load_site_data（）
用于站点中的站点：$ b​​ $ b＃为每个站点将其放入字典中，其值为邻居数组
sites_dict [site] = [x for site in site如果x！= site和sitesDist（site，x）< threshhold_dist]

结果= {}
用于网站站点：$ b​​ $ bj = len（sites_dict [网站]）
如果j> = threshhold_locations：
bbox结果中的coord = bounding_box（site，sites_dict [site]）
results [coord] = coord

：
yx =ylim = c（％s，％s ），xlim = c（％s，％s）％（results [bbox]）＃（se_lat，nw_lat，nw_lng，se_lng）
print（'map（county，plot = T，fill = T ，col = palette（），％s）'％yx）
rect ='rect（％s，％s，％s，％s，col = c（red））'％（results [bbox [b]] [2]，结果[bbox] [0]，结果[bbox] [3]，结果[bbox] [2]）
print（rect）
print（）

main（）


以下是一个TSV文件示例（site.tsv）

  LAT LONG 
 36.3312 -94.1334 
 36.6828 -121.791 
 37.2307 -121.96 
 37.3857  - 122.026 
 37.3857 -122.026 
 37.3857 -122.026 
 37.3895 -97.644 
 37.3992 -122.139 
 37.3992 -122.139 
 37.402 -122 .078 
 37.402 -122.078 
 37.402 -122.078 
 37.402 -122.078 
 37.402 -122.078 
 37.48 -122.144 
 37.48 -122.144 
 37.55 126.967 
  

使用我的数据集，我的python脚本的输出显示在美国地图上。

  rect（-74.989,39.7667，-73.0419,41.5209，col = c（red ））
 rect（-123.005,36.8144，-121.392,38.3672，col = c（green））
 rect（-78.2422,38.2474，-76.3,39.9282，col = c（blue ））
  

---

添加于2013-05-01 for Yacob

---

这两行为您提供了全面的目标......

  map（county，plot = T）
 rect（-122.644,36.7307，-121.46,37.98，col = c（red））
  

如果您想缩小地图的一部分，可以使用 ylim 和 xlim

  map（county ，plot = T，ylim = c（36.7307,37.98），xlim = c（-122.644，-121.46））
＃或者用于更多着色，但选择其中一个或另一个map（country）命令
 map（county，plot = T，fill = T，col = palette（），ylim = c（36.7307,37.98），xlim = c（-122.644，-121.46））
 rect（ - 122.644,36.7307，-121.46,37.98，col = c（red））
  

您将要使用'世界'地图...

  map（world，plot = T）
  

我已经使用了下面发布的python代码很久了，所以我将尽我所能来帮助你。

  threshhold_dist是边界框的大小，即：地理区域
 theshhold_location是在
边界框中所需的经纬度/点数，以便它被视为一个群集。 
  

这是一个完整的例子。 TSV文件位于pastebin.com上。我还包含一个由R生成的图像，其中包含所有rect（）命令的输出。

 ＃pyclusters.py 
＃May-02-2013 
＃-John Taylor 
 
＃latlng.tsv位于http://pastebin.com/cyvEdx3V 
＃使用 RAW Paste Data来保存制表符
 
从集合中导入数学
 import defaultdict 
 
＃另请参见：http://www.geomidpoint.com/example .html 
＃参见：http://www.movable-type.co.uk/scripts/latlong.html 
 
 to_rad = math.pi / 180.0＃convert lat or lng to弧度
 fname =latlng.tsv＃文件格式：LAT\tLONG 
 threshhold_dist = 20＃根据您的需要调整
 threshhold_locations = 20＃群集中最少需要的位置数量$ b （经纬度）：
x = math.cos（lat） * math.sin（lng）
z = math.sin（lat）
 return（x，y，z）
 
 def cart2corrd（x，y ，z）：
 lon = math.atan2（y，x）
 hyp = math.sqrt（x * x + y * y）
 lat = math.atan2（z，hyp） 
 return（lat，lng）
 
 def dist（lat1，lng1，lat2，lng2）：
全局to_rad，earth_radius_km 
 
 dLat =（lat2 -lat1）* to_rad 
 dLon =（lng2-lng1）* to_rad 
 lat1_rad = lat1 * to_rad 
 lat2_rad = lat2 * to_rad 
 
a = math.sin（dLat / 2）* math.sin（dLat / 2）+ math.sin（dLon / 2）* math.sin（dLon / 2）* math.cos（lat1_rad）* math.cos（lat2_rad）
c = 2 * math.atan2（math.sqrt（a），math.sqrt（1-a））; 
 dist = earth_radius_km * c 
 return dist 
 
 def bounding_box（src，neighbors）：
 neighbors.append（src）
＃nw = NorthWest se =东南
 nw_lat = -360 
 nw_lng = 360 
 se_lat = 360 
 se_lng = -360 
 
（y，x）邻居：
 if y> nw_lat：nw_lat = y 
如果x> se_lng：se_lng = x 
 
 if y< se_lat：se_lat = y 
如果x < nw_lng：nw_lng = x 
 
＃添加一些填充物
 pad = 0.5 
 nw_lat + =填充物
 nw_lng  -  =填充物
 se_lat  -  =填充物
 se_lng + = pad 
 
 #print（answer：）
 #print（nw lat，lng：％s％s％（nw_lat，nw_lng））$ b $适用于r的map（）函数
 return（se_lat，nw_lat，nw_lng，％s，％s，％s）％b 
 $ se_lng）
 
 def sitesDist（site1，site2）：
＃只是一个帮助短缺的列表comprehensioin低于
 return dist（site1 [0]，site1 [1]，site2 [ 0），site2 [1]）$ ​​b 
 $ b def load_site_data（）：
全局fname $ b $ sites = defaultdict（元组）
 $ b data = open（fname ，编码=latin-1）
 data.readline（）＃跳过标题
用于数据中的行：
 line =行[： -  1] 
 slots =行。 split（\ t）
 lat = float（slots [0]）
 lng = float（slots [1]）$ ​​b $ b lat_rad = lat * math.pi / 180.0 
 lng_rad = lng *数学.pi / 180.0 
 sites [（lat，lng）] =（lat，lng）＃（lat_rad，lng_rad）
返回地点
 
 def main（）：
 color_list =（red，blue，green，yellow，orange，brown，pink，purple）
 color_idx = 0 
 sites_dict = { } 
 sites = load_site_data（）
为站点中的站点：$ b​​ $ b＃为每个站点放在一个词典中，它的值是一个邻居数组
 sites_dict [site] = [ x for site in if if！= site and sitesDist（site，x）< threshhold_dist] 
 $ b print（）
 print（'map（state，plot = T）'）＃或使用：县而不是州
 print（ ）
 
 
结果= {} 
在站点中的站点：$ b​​ $ bj = len（sites_dict [site]）
如果j> = threshhold_locations：
 $ co $ = b 
 
 
 
 
 
 
 $ ，％s），xlim = c（％s，％s）％（results [bbox]）＃（se_lat，nw_lat，nw_lng，se_lng）
 
＃important！ 
＃如果你想为每个群集分配一个映射，取消注释这一行
 #print（'map（county，plot = T，fill = T，col = palette（），％s）' ％yx）
 len（color_list）== color_idx：
 color_idx = 0 
 rect ='rect（％s，％s，％s，％s，col = c（％yx）结果[bbox] [2]，结果[bbox] [0]，结果[bbox] [3]，结果[bbox] [1]，颜色列表[color_idx]）
 color_idx + = 1 
 print（rect）
 print（）
 
 
 main（）
  

I have a R data.frame containing longitude, latitude which spans over the entire USA map. When X number of entries are all within a small geographic region of say a few degrees longitude & a few degrees latitude, I want to be able to detect this and then have my program then return the coordinates for the geographic bounding box. Is there a Python or R CRAN package that already does this? If not, how would I go about ascertaining this information?

解决方案

I was able to combine Joran's answer along with Dan H's comment. This is an example ouput:

The python code emits functions for R: map() and rect(). This USA example map was created with:

map('state', plot = TRUE, fill = FALSE, col = palette())

and then you can apply the rect()'s accordingly from with in the R GUI interpreter (see below).

import math
from collections import defaultdict

to_rad = math.pi / 180.0   # convert lat or lng to radians
fname = "site.tsv"        # file format: LAT\tLONG
threshhold_dist=50         # adjust to your needs
threshhold_locations=15    # minimum # of locations needed in a cluster

def dist(lat1,lng1,lat2,lng2):
    global to_rad
    earth_radius_km = 6371

    dLat = (lat2-lat1) * to_rad
    dLon = (lng2-lng1) * to_rad
    lat1_rad = lat1 * to_rad
    lat2_rad = lat2 * to_rad

    a = math.sin(dLat/2) * math.sin(dLat/2) + math.sin(dLon/2) * math.sin(dLon/2) * math.cos(lat1_rad) * math.cos(lat2_rad)
    c = 2 * math.atan2(math.sqrt(a), math.sqrt(1-a)); 
    dist = earth_radius_km * c
    return dist

def bounding_box(src, neighbors):
    neighbors.append(src)
    # nw = NorthWest se=SouthEast
    nw_lat = -360
    nw_lng = 360
    se_lat = 360
    se_lng = -360

    for (y,x) in neighbors:
        if y > nw_lat: nw_lat = y
        if x > se_lng: se_lng = x

        if y < se_lat: se_lat = y
        if x < nw_lng: nw_lng = x

    # add some padding
    pad = 0.5
    nw_lat += pad
    nw_lng -= pad
    se_lat -= pad
    se_lng += pad

    # sutiable for r's map() function
    return (se_lat,nw_lat,nw_lng,se_lng)

def sitesDist(site1,site2): 
    #just a helper to shorted list comprehension below 
    return dist(site1[0],site1[1], site2[0], site2[1])

def load_site_data():
    global fname
    sites = defaultdict(tuple)

    data = open(fname,encoding="latin-1")
    data.readline() # skip header
    for line in data:
        line = line[:-1]
        slots = line.split("\t")
        lat = float(slots[0])
        lng = float(slots[1])
        lat_rad = lat * math.pi / 180.0
        lng_rad = lng * math.pi / 180.0
        sites[(lat,lng)] = (lat,lng) #(lat_rad,lng_rad)
    return sites

def main():
    sites_dict = {}
    sites = load_site_data()
    for site in sites: 
        #for each site put it in a dictionary with its value being an array of neighbors 
        sites_dict[site] = [x for x in sites if x != site and sitesDist(site,x) < threshhold_dist] 

    results = {}
    for site in sites: 
        j = len(sites_dict[site])
        if j >= threshhold_locations:
            coord = bounding_box( site, sites_dict[site] )
            results[coord] = coord

    for bbox in results:
        yx="ylim=c(%s,%s), xlim=c(%s,%s)" % (results[bbox]) #(se_lat,nw_lat,nw_lng,se_lng)
        print('map("county", plot=T, fill=T, col=palette(), %s)' % yx)
        rect='rect(%s,%s, %s,%s, col=c("red"))' % (results[bbox][2], results[bbox][0], results[bbox][3], results[bbox][2])
        print(rect)
        print("")

main()

Here is an example TSV file (site.tsv)

LAT     LONG
36.3312 -94.1334
36.6828 -121.791
37.2307 -121.96
37.3857 -122.026
37.3857 -122.026
37.3857 -122.026
37.3895 -97.644
37.3992 -122.139
37.3992 -122.139
37.402  -122.078
37.402  -122.078
37.402  -122.078
37.402  -122.078
37.402  -122.078
37.48   -122.144
37.48   -122.144
37.55   126.967

With my data set, the output of my python script, shown on the USA map. I changed the colors for clarity.

rect(-74.989,39.7667, -73.0419,41.5209, col=c("red"))
rect(-123.005,36.8144, -121.392,38.3672, col=c("green"))
rect(-78.2422,38.2474, -76.3,39.9282, col=c("blue"))

---

Addition on 2013-05-01 for Yacob

---

These 2 lines give you the over all goal...

map("county", plot=T )
rect(-122.644,36.7307, -121.46,37.98, col=c("red"))

If you want to narrow in on a portion of a map, you can use ylim and xlim

map("county", plot=T, ylim=c(36.7307,37.98), xlim=c(-122.644,-121.46))
# or for more coloring, but choose one or the other map("country") commands
map("county", plot=T, fill=T, col=palette(), ylim=c(36.7307,37.98), xlim=c(-122.644,-121.46))
rect(-122.644,36.7307, -121.46,37.98, col=c("red"))

You will want to use the 'world' map...

map("world", plot=T )

It has been a long time since I have used this python code I have posted below so I will try my best to help you.

threshhold_dist is the size of the bounding box, ie: the geographical area
theshhold_location is the number of lat/lng points needed with in
    the bounding box in order for it to be considered a cluster.

Here is a complete example. The TSV file is located on pastebin.com. I have also included an image generated from R that contains the output of all of the rect() commands.

# pyclusters.py
# May-02-2013
# -John Taylor

# latlng.tsv is located at http://pastebin.com/cyvEdx3V
# use the "RAW Paste Data" to preserve the tab characters

import math
from collections import defaultdict

# See also: http://www.geomidpoint.com/example.html
# See also: http://www.movable-type.co.uk/scripts/latlong.html

to_rad = math.pi / 180.0  # convert lat or lng to radians
fname = "latlng.tsv"      # file format: LAT\tLONG
threshhold_dist=20        # adjust to your needs
threshhold_locations=20   # minimum # of locations needed in a cluster
earth_radius_km = 6371

def coord2cart(lat,lng):
    x = math.cos(lat) * math.cos(lng)
    y = math.cos(lat) * math.sin(lng)
    z = math.sin(lat)
    return (x,y,z)

def cart2corrd(x,y,z):
    lon = math.atan2(y,x)
    hyp = math.sqrt(x*x + y*y)
    lat = math.atan2(z,hyp)
    return(lat,lng)

def dist(lat1,lng1,lat2,lng2):
    global to_rad, earth_radius_km

    dLat = (lat2-lat1) * to_rad
    dLon = (lng2-lng1) * to_rad
    lat1_rad = lat1 * to_rad
    lat2_rad = lat2 * to_rad

    a = math.sin(dLat/2) * math.sin(dLat/2) + math.sin(dLon/2) * math.sin(dLon/2) * math.cos(lat1_rad) * math.cos(lat2_rad)
    c = 2 * math.atan2(math.sqrt(a), math.sqrt(1-a)); 
    dist = earth_radius_km * c
    return dist

def bounding_box(src, neighbors):
    neighbors.append(src)
    # nw = NorthWest se=SouthEast
    nw_lat = -360
    nw_lng = 360
    se_lat = 360
    se_lng = -360

    for (y,x) in neighbors:
        if y > nw_lat: nw_lat = y
        if x > se_lng: se_lng = x

        if y < se_lat: se_lat = y
        if x < nw_lng: nw_lng = x

    # add some padding
    pad = 0.5
    nw_lat += pad
    nw_lng -= pad
    se_lat -= pad
    se_lng += pad

    #print("answer:")
    #print("nw lat,lng : %s %s" % (nw_lat,nw_lng))
    #print("se lat,lng : %s %s" % (se_lat,se_lng))

    # sutiable for r's map() function
    return (se_lat,nw_lat,nw_lng,se_lng)

def sitesDist(site1,site2): 
    # just a helper to shorted list comprehensioin below 
    return dist(site1[0],site1[1], site2[0], site2[1])

def load_site_data():
    global fname
    sites = defaultdict(tuple)

    data = open(fname,encoding="latin-1")
    data.readline() # skip header
    for line in data:
        line = line[:-1]
        slots = line.split("\t")
        lat = float(slots[0])
        lng = float(slots[1])
        lat_rad = lat * math.pi / 180.0
        lng_rad = lng * math.pi / 180.0
        sites[(lat,lng)] = (lat,lng) #(lat_rad,lng_rad)
    return sites

def main():
    color_list = ( "red", "blue", "green", "yellow", "orange", "brown", "pink", "purple" )
    color_idx = 0
    sites_dict = {}
    sites = load_site_data()
    for site in sites: 
        #for each site put it in a dictionarry with its value being an array of neighbors 
        sites_dict[site] = [x for x in sites if x != site and sitesDist(site,x) < threshhold_dist] 

    print("")
    print('map("state", plot=T)') # or use: county instead of state
    print("")


    results = {}
    for site in sites: 
        j = len(sites_dict[site])
        if j >= threshhold_locations:
            coord = bounding_box( site, sites_dict[site] )
            results[coord] = coord

    for bbox in results:
        yx="ylim=c(%s,%s), xlim=c(%s,%s)" % (results[bbox]) #(se_lat,nw_lat,nw_lng,se_lng)

        # important!
        # if you want an individual map for each cluster, uncomment this line
        #print('map("county", plot=T, fill=T, col=palette(), %s)' % yx)
        if len(color_list) == color_idx:
            color_idx = 0
        rect='rect(%s,%s, %s,%s, col=c("%s"))' % (results[bbox][2], results[bbox][0], results[bbox][3], results[bbox][1], color_list[color_idx])
        color_idx += 1
        print(rect)
    print("")


main()

这篇关于检测地理群集的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！