2

我有相对大量的坐标,我想获取人口普查区(除了 FIPS 代码)。call_geolocator_latlon我知道我可以使用(如此处所做)查找单个纬度/经度对,但这对于我的目的来说似乎不切实际,因为该函数发出对人口普查局 API 的一次调用,我想这需要很长时间才能在我的〜200,000双上运行。

有没有更快的方法来做到这一点,也许是通过使用函数下载每个州的 shapefileblock_groups并从那里映射从纬度/经度到人口普查区?

4

2 回答 2

5

这不使用tigris,但sf::st_within()用于检查重叠区域的点数据框。

我在tidycensus这里使用将加利福尼亚州的地图放入 R 中。

library(sf)

ca <- tidycensus::get_acs(state = "CA", geography = "tract",
              variables = "B19013_001", geometry = TRUE)

现在模拟一些数据:

bbox <- st_bbox(ca)

my_points <- data.frame(
  x = runif(100, bbox[1], bbox[3]),
  y = runif(100, bbox[2], bbox[4])
  ) %>%
  # convert the points to same CRS
  st_as_sf(coords = c("x", "y"),
           crs = st_crs(ca))

我在这里做了 100 分才能得到ggplot()结果,但是 1e6 的重叠计算速度很快,在我的笔记本电脑上只需几秒钟。

my_points$tract <- as.numeric(st_within(my_points, ca)) # this is fast for 1e6 points

结果:

head(my_points) # tract is the row-index for overlapping census tract record in 'ca'

# but part would take forever with 1e6 points
library(ggplot2)

ggplot(ca) +
  geom_sf() +
  geom_sf(data = my_points, aes(color = is.na(tract)))

ca 地图演示

于 2018-09-09T23:01:04.980 回答
3

上面的答案很好。要获取人口普查区 ID,您还可以使用st_join(). 区域 ID 的 NA 是位于加利福尼亚边界框内但不与州本身相交的那些点。

library(tigris)
library(tidyverse)
library(sf)

ca_tracts <- tracts("CA", class = "sf") %>%
  select(GEOID, TRACTCE)

bbox <- st_bbox(ca_tracts)

my_points <- data.frame(
  x = runif(200000, bbox[1], bbox[3]),
  y = runif(200000, bbox[2], bbox[4])
) %>%
  # convert the points to same CRS
  st_as_sf(coords = c("x", "y"),
           crs = st_crs(ca_tracts))

my_points_tract <- st_join(my_points, ca_tracts)

> my_points_tract
Simple feature collection with 200000 features and 2 fields
geometry type:  POINT
dimension:      XY
bbox:           xmin: -124.4819 ymin: 32.52888 xmax: -114.1312 ymax: 42.0095
epsg (SRID):    4269
proj4string:    +proj=longlat +datum=NAD83 +no_defs
First 10 features:
         GEOID TRACTCE                   geometry
1  06025012400  012400 POINT (-114.6916 33.42711)
2         <NA>    <NA> POINT (-118.4255 41.81896)
3  06053990000  990000 POINT (-121.8154 36.22736)
4  06045010200  010200 POINT (-123.6909 39.70572)
5         <NA>    <NA> POINT (-116.9055 37.93532)
6  06019006405  006405  POINT (-119.511 37.09383)
7  06049000300  000300  POINT (-120.7215 41.3392)
8         <NA>    <NA> POINT (-115.8916 39.32392)
9  06023990100  990100 POINT (-124.2737 40.14106)
10 06071008901  008901  POINT (-117.319 35.62759)
于 2018-09-10T15:21:59.967 回答