1
library(sf)
library(rio)
library(tidyverse)

Reproduzindo os exemplos do help da função sf::st_join():

a= st_sf(a = 1:3,
      geom = st_sfc(st_point(c(1,1)), 
                    st_point(c(2,2)),
                    st_point(c(3,3))))

b = st_sf(a = 11:14,
          geom = st_sfc(st_point(c(10,10)), 
                        st_point(c(2,2)), 
                        st_point(c(2,2)), 
                        st_point(c(3,3))))
> a
Simple feature collection with 3 features and 1 field
Geometry type: POINT
Dimension:     XY
Bounding box:  xmin: 1 ymin: 1 xmax: 3 ymax: 3
CRS:           NA
  a        geom
1 1 POINT (1 1)
2 2 POINT (2 2)
3 3 POINT (3 3)
> b
Simple feature collection with 4 features and 1 field
Geometry type: POINT
Dimension:     XY
Bounding box:  xmin: 2 ymin: 2 xmax: 10 ymax: 10
CRS:           NA
   a          geom
1 11 POINT (10 10)
2 12   POINT (2 2)
3 13   POINT (2 2)
4 14   POINT (3 3)

Adicionalmente, criei outros dois datasets que são cópias dos dois primeiros:

c = a
d = b

Quando tento fazer o st_join() para os datasets "a" e "c", o resultado é o mesmo dataset. O que é esperado, já que são as mesmas geometrias.

st_join(a, c)

Simple feature collection with 3 features and 2 fields
Geometry type: POINT
Dimension:     XY
Bounding box:  xmin: 1 ymin: 1 xmax: 3 ymax: 3
CRS:           NA
  a.x a.y        geom
1   1   1 POINT (1 1)
2   2   2 POINT (2 2)
3   3   3 POINT (3 3)

No entanto, quando tento fazer o mesmo com os datasets "b" e "d", o resultado é diferente:

st_join(b,d)

Simple feature collection with 6 features and 2 fields
Geometry type: POINT
Dimension:     XY
Bounding box:  xmin: 2 ymin: 2 xmax: 10 ymax: 10
CRS:           NA
    a.x a.y          geom
1    11  11 POINT (10 10)
2    12  12   POINT (2 2)
2.1  12  13   POINT (2 2)
3    13  12   POINT (2 2)
3.1  13  13   POINT (2 2)
4    14  14   POINT (3 3)

O resultado não deveria ser o mesmo dataset "b"?

Essa dúvida surgiu, na verdade, quando estava trabalhando com esse dataset

Depois de carregar o dataset:

dataset_raw <- import("dataset.xlsx", setclass = "tibble")

head(dataset_raw)

# A tibble: 6 x 3
     v1 longitude latitude
  <dbl>     <dbl>    <dbl>
1    40     -44.8    -15.3
2    66     -44.8    -15.3
3    56     -44.8    -15.3
4    33     -44.8    -15.3
5    53     -44.8    -15.3
6    90     -44.8    -15.3

... e de convertê-lo para a classe "sf":

dataset_sf_1 <- dataset_raw %>% 
  st_as_sf(coords = c("longitude","latitude"), crs = 4674)

head(dataset_sf_1)

Simple feature collection with 6 features and 1 field
Geometry type: POINT
Dimension:     XY
Bounding box:  xmin: -44.82357 ymin: -15.28923 xmax: -44.82344 ymax: -15.28918
Geodetic CRS:  SIRGAS 2000
# A tibble: 6 x 2
     v1              geometry
  <dbl>           <POINT [°]>
1    40 (-44.82357 -15.28918)
2    66 (-44.82351 -15.28921)
3    56 (-44.82351 -15.28921)
4    33 (-44.82351 -15.28921)
5    53 (-44.82351 -15.28921)
6    90 (-44.82344 -15.28923)

... criei uma cópia do mesmo:

dataset_sf_2 <- dataset_sf_1

Foi então que verifiquei que embora cada um tenha 2699 linhas (já que um é a cópia do outro)...

dim(dataset_sf_1)

[1] 2699    2



dim(dataset_sf_2)

[1] 2699    2

... quando faço o st_join a quantidade de linhas pula para 17147

st_join(dataset_sf_1, dataset_sf_2)

Simple feature collection with 17147 features and 2 fields
Geometry type: POINT
Dimension:     XY
Bounding box:  xmin: -44.82357 ymin: -15.31984 xmax: 0 ymax: 0
Geodetic CRS:  SIRGAS 2000
# A tibble: 17,147 x 3
    v1.x              geometry  v1.y
 * <dbl>           <POINT [°]> <dbl>
 1    40 (-44.82357 -15.28918)    40
 2    66 (-44.82351 -15.28921)    66
 3    66 (-44.82351 -15.28921)    56
 4    66 (-44.82351 -15.28921)    33
 5    66 (-44.82351 -15.28921)    53
 6    56 (-44.82351 -15.28921)    66
 7    56 (-44.82351 -15.28921)    56
 8    56 (-44.82351 -15.28921)    33
 9    56 (-44.82351 -15.28921)    53
10    33 (-44.82351 -15.28921)    66
# ... with 17,137 more rows

Em suma: como fazer adequadamente o join de datasets do tipo "sf"?

1 Resposta 1

3

Note que b possui dois pontos com mesmas coordenadas (pontos 2 e 3), mas com atributos diferentes (valores do campo a):

   a          geom
1 11 POINT (10 10)
2 12   POINT (2 2)
3 13   POINT (2 2)
4 14   POINT (3 3)

Ao fazer a união de b e sua cópia usando o algoritmo padrão (st_intersects), são criados pontos com as combinações dos valores. Note os valores de a.x e a.y dos pontos 2, 2.1, 3 e 3.1:

    a.x a.y          geom
1    11  11 POINT (10 10)
2    12  12   POINT (2 2)
2.1  12  13   POINT (2 2)
3    13  12   POINT (2 2)
3.1  13  13   POINT (2 2)
4    14  14   POINT (3 3)

Pode usar a opção largest = TRUE para manter apenas os valores maiores:

st_join(b, d, largest = TRUE)
#> Simple feature collection with 4 features and 2 fields
#> geometry type:  POINT
#> dimension:      XY
#> bbox:           xmin: 2 ymin: 2 xmax: 10 ymax: 10
#> CRS:            NA
#>   a.x a.y          geom
#> 1  11  11 POINT (10 10)
#> 2  12  12   POINT (2 2)
#> 3  13  12   POINT (2 2)
#> 4  14  14   POINT (3 3)

Ou indicar um algoritmo mais adequado para sua situação, por exemplo st_overlaps:

st_join(b, d, st_overlaps)
#> Simple feature collection with 4 features and 2 fields
#> geometry type:  POINT
#> dimension:      XY
#> bbox:           xmin: 2 ymin: 2 xmax: 10 ymax: 10
#> CRS:            NA
#>   a.x a.y          geom
#> 1  11  NA POINT (10 10)
#> 2  12  NA   POINT (2 2)
#> 3  13  NA   POINT (2 2)
#> 4  14  NA   POINT (3 3)

A melhor opção depende dos seus dados e de seus objetivos. Veja os Detalhes na ajuda de sf::geos_binary_pred.

1
  • Perfeito @Carlos Eduardo Lagosta. Muito obrigado pelos esclarecimentos
    – itamar
    Commented 11/08/2022 às 11:41

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 .