5

No link https://1drv.ms/u/s!AlYjgC4yFDHArHtSiuUbju12gZHO é possível encontrar um dataset em csv sobre irradiação solar no Brasil. A coluna the_geom_4326 representa as longitudes e latitudes de um polígono, que representa um grid de irradiação solar. Ou seja, dentro desse grid, ocorrem os valores de irradiação solar dispostos nas demais colunas. Eu gostaria de extrair esses valores e colocar em colunas separadas, formando o total de 8 novas colunas, com os nomes

  • Grid1_Long
  • Grid1_Lat
  • Grid2_Long
  • Grid2_Lat
  • Grid3_Long
  • Grid3_Lat
  • Grid4_Long
  • Grid4_Lat

Alguma dica de como manusear esses valores? O problema é que nem sempre esses valores tem um padrão de números de carácteres.

1
  • Não consigo acessar este link, pois minha rede é bloqueada. Consegue colcoar algumas linhas do banco de dados? 30/09/2016 às 12:59

2 Respostas 2

1

Não consegui resolver este problema no R. Entretanto, ele pode ser resolvido facilmente no terminal do Linux ou do Mac, utilizando ferramentas que já vem instaladas por padrão:

cat swera_ghi_inpe_hi_res.csv | awk 'BEGIN {FS=","}; {print $3" "$4" "$5" "$6" "$7}' | 
sed s/"\"POLYGON (("//g | sed s/"))\""//g | sed s/"  "/" "/g | tail -n +2 > 
LongLat.dat

Os comandos que utilizei foram:

  • cat para ler o conteúdo do arquivo csv na tela do computador

  • awk para imprimir apenas o conteúdo das colunas dos polígonos

  • vários sed para remover conteúdos indesejados, como as strings "POLYGON ((, ))\" e dois espaços em sequência

  • tail para não considerar o cabeçalho do arquivo original

  • > para salvar o resultado no arquivo LongLat.dat

Agora basta ler o arquivo LongLat.dat dentro do R e combinar com os dados anteriores:

dados <- read.csv(file="swera_ghi_inpe_hi_res.csv")

LongLat <- read.table(file="LongLat.dat", sep=" ", header=FALSE)
names(LongLat) <- c("Grid1_Long", "Grid1_Lat", "Grid2_Long", "Grid2_Lat", 
"Grid3_Long", "Grid3_Lat", "Grid4_Long", "Grid4_Lat", "Grid5_Long", "Grid5_Lat")

dados <- cbind(dados, LongLat)

Perceba que acabei encontrando polígonos de 5 lados, e não de 4 como na pergunta original. Tem que ver o motivo disso aí.

1
  • Infelizmente não possuo nem Linux nem Mac. A última informação do polígono é igual a primeira, pois polígonos em GIS são definidos como sendo o último ponto igual ao primeiro para "fechar" o polígono.
    – morebru
    2/10/2016 às 21:26
1

Segue uma solução apenas em R.

Não é tão curta quanto a que usa as ferramentas do terminal, mas funciona. Fiz os passos separados também para ficar mais claro.

# Lendo os dados
dat <- read.csv("swera_ghi_inpe_hi_res.csv", stringsAsFactors=FALSE)

# Removendo da coluna tudo que não é informação útil: texto e parêntesis
dat$the_geom_4326 <- gsub("[A-Z]|(\\s\\(\\()|(\\)\\))", "", dat$the_geom_4326)

#Separando os valores pela ocorrência de vírgula e espaço
poly <- strsplit(x = dat$the_geom_4326, ",?\\s")

#Transformando texto em números
poly <- lapply(poly, as.numeric)

#Transformando a lista em matriz depois em data.frame
mat <- as.data.frame(do.call(rbind, poly))

#Colocando os nomes das colunas
colnames(mat) <- paste0(paste0("Grid", rep(1:5, each = 2)), c("_Long", "_Lat"))

#Juntando com os dados iniciais.
dat2 <- cbind(dat, mat)

Apenas a título de curiosidade, uma forma em pipe de fazer a mesma coisa seria a seguinte:

library(magrittr)
dat <- read.csv("swera_ghi_inpe_hi_res.csv", stringsAsFactors=FALSE) 

dat2 <- dat %>%
  .$the_geom_4326 %>%
  gsub("[A-Z]|(\\s\\(\\()|(\\)\\))", "", .) %>%
  strsplit(",?\\s") %>% 
  lapply(as.numeric) %>%
  do.call(rbind, .) %>% 
  as.data.frame %>%
  set_colnames(paste0(paste0("Grid", rep(1:5, each = 2)), c("_Long", "_Lat"))) %>%
  cbind(dat, .)

Você deve fazer log-in para responder a esta pergunta.

Esta não é a resposta que você está procurando? Pesquise outras perguntas com a tag .