问题描述
here my R code link about coords of municipalita dataset with coords of stops
我有2个数据集：
- 城市公交车站的网络（每个车站都有经度和纬度），然后导入数据集
st_as_sf。 - 城市之乡。我已经使用sf库导入了shapefile，该库的格式与止损数据集相同。
我得到的是：
st_geos_binop（“ intersects”，x，y，稀疏=稀疏，prepared =准备，错误： st_crs（x）== st_crs（y）不正确
这是我的代码：
# MUNICIPALITA --------------
library("rgdal")
library("raster")
library("sf")
#in questo file provo leggere con la libreria sp e non sf i file shape
#f=system.file("C:/Users/CELESTE/Desktop/ambiti_amm/A_SCOM.shp",package = "sf")
municipalita=shapefile("C:/Users/CELESTE/Desktop/ambiti_amm/A_SCOM.shp")
municipalita_df=as.data.frame(municipalita)
municipalita_df=municipalita_df[,-c(3:5,8:20)]
point.in.polygon()
municipalita_sf=st_as_sf(municipalita,crs = 4326)
municipalita_sp=as_Spatial(municipalita_sf)
class(municipalita)
municipalita$SCOM_COD=as.numeric(municipalita$SCOM_COD)
municipalita$A_SCOM_TY=as.numeric(municipalita$A_SCOM_TY)
municipalita=subset(municipalita,municipalita[,1]==6)
m=as.data.frame(m)
municipalita=municipalita[,-1]
municipalita=municipalita[-c(2,3,5,7:9),]
m=st_as_sf(municipalita)
mappa_municipalita=mapview(m)
mappa_municipalita
colnames(m)[1]="Quartieri"
colnames(m)[2]="ID_quartiere"
colnames(m)[3]="ID_municipalita"
mapview(m,zcol = "Quartieri")
mapview(m,zcol="ID_quartiere")
mapview(m,zcol="ID_municipalita")
colnames(m$)
class(valori_unici_sp)
##########################
install.packages("spatialEco")
library("spatialEco")
pip=point.in.poly(valori_unici_sp,municipalita_sp)
解决方法
在无法访问数据的情况下很难100％确定，但是似乎您没有为valori_unici_sp对象分配CRS（或者，如果您没有这样做，则不是EPSG：4326 shapefile）。
请注意：
- 在进行多边形点操作时，两个对象都需要在同一个CRS中（在我的情况下为4326），但是只要两个对象都相同，任何方法都可以。这种不匹配是您问题的根本原因
- 我建议您使用
sf::st_join()通过设置left = FALSE将点链接到多边形，这意味着联接操作将不是单面的（在SQL语言中为左联接），而是过滤（在SQL中的内部联接）说话）
有关可解决您的用例的示例，请考虑以下代码；它使用nc.shp shapefile（在所有{sf}安装中都可用）和三个半随机的北卡罗来纳州城市。然后将这些引用链接到shapefile以获得县数据。
library(sf)
# included with sf package
shape <- st_read(system.file("shape/nc.shp",package="sf")) %>%
st_transform(4326)
# three semi random cities
cities <- data.frame(name = c("Raleigh","Greensboro","Wilmington"),x = c(-78.633333,-79.819444,-77.912222),y = c(35.766667,36.08,34.223333)) %>%
st_as_sf(coords = c("x","y"),crs = 4326)
# the action is here!
result <- st_join(cities,shape,left = F)
# check the structure of outcome
result
Simple feature collection with 3 features and 15 fields
geometry type: POINT
dimension: XY
bbox: xmin: -79.81944 ymin: 34.22333 xmax: -77.91222 ymax: 36.08
geographic CRS: WGS 84
name AREA PERIMETER CNTY_ CNTY_ID NAME FIPS FIPSNO CRESS_ID BIR74 SID74 NWBIR74 BIR79 SID79
1 Raleigh 0.219 2.130 1938 1938 Wake 37183 37183 92 14484 16 4397 20857 31
2 Greensboro 0.170 1.680 1903 1903 Guilford 37081 37081 41 16184 23 5483 20543 38
3 Wilmington 0.042 0.999 2238 2238 New Hanover 37129 37129 65 5526 12 1633 6917 9
NWBIR79 geometry
1 6221 POINT (-78.63333 35.76667)
2 7089 POINT (-79.81944 36.08)
3 2100 POINT (-77.91222 34.22333)