R - 如何在特定轮廓内找到点 [英] R - How to find points within specific Contour

问题描述

我使用kde2d（MASS）在纬度和经度数据上创建密度图。我想知道原始数据中的哪些点位于特定轮廓内。

我使用两种方法创建90％和50％轮廓。我想知道哪些点在90％轮廓内，哪些点在50％轮廓内。 90％轮廓中的点将包含50％轮廓内的所有点。最后一步是找到90％轮廓内不在50％轮廓内的点（我不一定需要此步骤的帮助）。

 ＃bw = 2 cols（lat和lon）和363 rows 
＃两个版本的数据： 
＃将理想地使用第二个版本（使用ggplot2）
 
＃版本1（不使用ggplot2）
库（MASS）
x < -  bw $ lon 
y< -bw $ lat 
 dens< -kde2d（x，y，n = 200）
 
＃绘制等高线
 prob< -c （0.9,0.5）
 dx <-diff（dens $ x [1：2]）
 dy < -  diff（dens $ y [1：2]）
 sz< - 分类（密码$ z）
 c1 < -  cumsum（sz）* dx * dy 
 levels < -  sapply（prob，function（x）{
 approx（c1，sz， （x，y）
轮廓（dens，levels = levels，labels = prob，add = T）
 
 
 $） code> 

这里是第2版 - 使用ggplot2。理想情况下，我希望使用此版本查找90％和50％轮廓内的点。

 ＃version 2（with ggplot2）
 getLevel<  -  function（x，y，prob）{
 kk < -  MASS :: kde2d（x，y）
 dx < -  diff（kk $ x [1：2]）
 dy < -  diff（kk $ y [1： 2]）
 sz<  -  sort（kk $ z）
 c1<  -  cumsum（sz）* dx * dy 
 approx（c1，sz，xout = 1  -  prob）$ y 
} 
 
＃90和50％等值线
 L90 < -  getLevel（bw $ lon，bw $ lat，0.9）
 L50 < -  getLevel（ bw $ lon，bw $ lat，0.5）
 
 kk < -  MASS :: kde2d（bw $ lon，bw $ lat）
 dimnames（kk $ z）<  -  list kk $ x，kk $ y）
 dc < - 熔化（kk $ z）
 
p < -  ggplot（dc，aes（x = Var1，y = Var2））+ geom_tile （aes（fill = value））
 + geom_contour（aes（z = value），breaks = L90，color =red）
 + geom_contour（aes（z = value），breaks = L50，颜色=黄色）
 + ggtitle（BW的90（红色）和50（黄色）轮廓）
  

我绘制了绘制所有纬度和经度点以及90％和50％等高线的图。我只想知道如何提取90％和50％轮廓线内的精确点。

我试图找到z值（来自kde2d的密度图）与每行lat和lon值相关，但没有运气。我也在想，我可以在数据中添加一个ID列来标记每行，然后在使用 melt（）后以某种方式传输。然后，我可以简单地对具有与我想要的每个轮廓相匹配的z值的数据进行子集化，并根据ID列来查看它们与原始BW数据进行比较的经纬度和纬度。

以下是我正在谈论的内容：

注意：这些代码大部分来自其他问题。大声喊出所有捐助者！

谢谢！


$ ##交互检查点
plot（bw）
identify（bw $ lon，bw $ lat，labels = paste（（，round（bw $ lon，2），，，round（bw $ lat，2），）））

##多边形中的点
库（sp）
dens <-kde2d（x，y，n = 200，lims = c（c（-73，-70），c （-13，-12）））＃不剪切轮廓
ls < - contourLines（dens，level = levels）
inner < - point.in.polygon（bw $ lon， bw $ lat，ls [[2]] $ x，ls [[2]] $ y）
out < - point.in.polygon（bw $ lon，bw $ lat，ls [[1]] $ x，ls [[1]] $ y）

##地块
bw $地区< - 因子（内+出）
图（经纬度， =区域，data = bw，pch = 15）
轮廓（dens，levels = levels，labels = prob，add = T）


I am creating density plots with kde2d (MASS) on lat and lon data. I would like to know which points from the original data are within a specific contour.

I create 90% and 50% contours using two approaches. I want to know which points are within the 90% contour and which points are within the 50% contour. The points in the 90% contour will contain all of those within the 50% contour. The final step is to find the points within the 90% contour that are not within the 50% contour (I do not necessarily need help with this step).

# bw = data of 2 cols (lat and lon) and 363 rows
# two versions to do this: 
# would ideally like to use the second version (with ggplot2)

# version 1 (without ggplot2) 
library(MASS)
x <- bw$lon
y <- bw$lat
dens <- kde2d(x, y, n=200)

# the contours to plot
prob <- c(0.9, 0.5)
dx <- diff(dens$x[1:2])
dy <- diff(dens$y[1:2])
sz <- sort(dens$z)
c1 <- cumsum(sz) * dx * dy 
levels <- sapply(prob, function(x) { 
    approx(c1, sz, xout = 1 - x)$y
})
plot(x,y)
contour(dens, levels=levels, labels=prob, add=T)

And here is version 2 - using ggplot2. I would ideally like to use this version to find the points within the 90% and 50% contours.

# version 2 (with ggplot2)
getLevel <- function(x,y,prob) { 
    kk <- MASS::kde2d(x,y)
    dx <- diff(kk$x[1:2])
    dy <- diff(kk$y[1:2])
    sz <- sort(kk$z)
    c1 <- cumsum(sz) * dx * dy
    approx(c1, sz, xout = 1 - prob)$y
}

# 90 and 50% contours
L90 <- getLevel(bw$lon, bw$lat, 0.9)
L50 <- getLevel(bw$lon, bw$lat, 0.5)

kk <- MASS::kde2d(bw$lon, bw$lat)
dimnames(kk$z) <- list(kk$x, kk$y)
dc <- melt(kk$z)

p <- ggplot(dc, aes(x=Var1, y=Var2)) + geom_tile(aes(fill=value)) 
+ geom_contour(aes(z=value), breaks=L90, colour="red")
+ geom_contour(aes(z=value), breaks=L50, color="yellow")
+ ggtitle("90 (red) and 50 (yellow) contours of BW")

I create the plots with all of the lat and lon points plotted and 90% and 50% contours. I simply want to know how to extract the exact points that are within the 90% and 50% contours.

I have tried to find the z values (the elevation of the density plots from kde2d) that are associated with each row of lat and lon values but had no luck. I was also thinking I could add an ID column to the data to label each row and then somehow transfer that over after using melt(). Then I could simply subset the data that has values of z that match each contour I want and see which lat and lon they are compared to the original BW data based on the ID column.

Here is a picture of what I am talking about:

I want to know which red points are within the 50% contour (blue) and which are within the 90% contour (red).

Note: much of this code is from other questions. Big shout-out to all those who contributed!

Thank you!

解决方案

You can use point.in.polygon from sp

## Interactively check points
plot(bw)
identify(bw$lon, bw$lat, labels=paste("(", round(bw$lon,2), ",", round(bw$lat,2), ")"))

## Points within polygons
library(sp)
dens <- kde2d(x, y, n=200, lims=c(c(-73, -70), c(-13, -12)))  # don't clip the contour
ls <- contourLines(dens, level=levels)
inner <- point.in.polygon(bw$lon, bw$lat, ls[[2]]$x, ls[[2]]$y)
out <- point.in.polygon(bw$lon, bw$lat, ls[[1]]$x, ls[[1]]$y)

## Plot
bw$region <- factor(inner + out)
plot(lat ~ lon, col=region, data=bw, pch=15)
contour(dens, levels=levels, labels=prob, add=T)

这篇关于R - 如何在特定轮廓内找到点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！