[R 지리공간 데이터 분석] sf 클래스 = sfg 객체 (Geometry) + data.frame 속성 (Non-geometric attributes)

지난번 포스팅에서는 R의 sf 패키지를 사용해서

- 벡터 데이터의 기하 유형 (Geometry types of vector data)을 단순 지리특성 기하로 정의하기

- 벡터 데이터의 여러개 단순 지리특성 기하(sfg)를 하나의 단순 지리특성 칼럼(sfc) 객체로 합치기

- st_sfc() 함수로 좌표 참조 시스템(CRS, Coordinate Reference Systems) 을 설정하고 확인하기

에 대해서 소개하였습니다.

이번 포스팅에서는 앞서의 포스팅들에서 소개했던 내용을 모두 포괄하는 sf패키지의 "sf 클래스 (The sf class)" 를 만드는 방법을 소개하겠습니다.

(1) sf 패키지의 "sf 클래스(the sf class)"는 무엇인가?

(2) sf 클래스 만들기: st_sf()

(3) sf 클래스의 클래스, 기하유형, CRS 확인하기: class(), st_geometry_type(), st_crs)

(1) sf 패키지의 "sf 클래스(the sf class)"는 무엇인가?

R의 sf 패키지의 "sf 클래스(the sf class)"는 위의 그림에서 설명하는 바와 같이,

>> 지리공간 벡터 데이터 (GeoSpatial Vector Data)의 단순 지리특성 기하 (sfg, Simple feature geometry) 객체들을 리스트로 하나의 객체로 합친 단순 지리특성 칼럼 (sfc, Simple feature columns) 과,

>> 지리공간 벡터의 단순 지리특성 기하별로 속성 값 (예: 이름, 용도, 면적, 가격, 인구수, 온도, 습도 등)들을 모아놓은 data.frame 데이터 구조를

하나의 "sf 클래스" ( = sfc + data.frame) 로 합쳐 놓은 것입니다.

실제 지리공간 벡터 데이터를 분석한다고 했을 때는 sfc 객체의 기하 (Geometry) 정보와 data.frame 의 속성 (Non-geometric Attributes) 정보가 모두 있어야지, 기하 유형(점, 선, 면/다각형 등) 별로 속성 값을 분석할 수 있겠지요.

R의 sf 패키지로 지리공간 벡터 데이터 분석을 한다고 했을 때 새로운 용어가 자꾸 나오다 보니 위계 체계 (hierarchy), 자료 유형과 구조가 혼란스러울 수 있는데요, 위의 그림의 위계 체계, Input/Output 관계를 참고하시기 바랍니다.

(2) sf 클래스 만들기: st_sf()

(2-1) 기하 객체 (Geometry object)

아래의 예에서는 먼저, library(sf) 로 sf 패키지를 로딩하고, 지리공간 벡터 데이터(Vector data)의 점 기하 유형 (Point geometry types) 들로 이루어진 단순 지리특성 기하 (sfg, Simple feature geometry) 객체를 만들어 보겠습니다.

다음으로 st_sfc() 함수를 사용하여 앞서 만든 3개의 점(points) 단순 지리특성 기하(sfg) 객체를 하나의 단순 지리특성 칼럼 (sfc, Simple feature columns) 객체로 합치고, 이때 좌표 참조 시스템(CRS, Coordinate Reference Systems) 은 EPSG 코드 정의를 사용해서 WGS84 (World Geodetic System 1984) 인 crs = 4326 을 설정해주겠습니다.

library(sf) ## (1) sfg(Simple feature geometry) object ## points: the coordinate of (longitude, latitude) seoul_point_sfg_1 = st_point(c(127.059, 37.511)) seoul_point_sfg_2 = st_point(c(127.063, 37.512)) seoul_point_sfg_3 = st_point(c(127.073, 37.516)) ## (2) sfc(Simple feature columns) object seoul_points_sfc = st_sfc(seoul_point_sfg_1, seoul_point_sfg_2, seoul_point_sfg_3,                           crs = 4326) # EPSG code, WGS84 seoul_points_sfc # Geometry set for 3 features # geometry type:  POINT # dimension:      XY # bbox:           xmin: 127.059 ymin: 37.511 xmax: 127.073 ymax: 37.516 # geographic CRS: WGS 84 # POINT (127.059 37.511) # POINT (127.063 37.512) # POINT (127.073 37.516)

(2-2) 비기하 data.frame 속성 (data.frame Non-geometry Attributes)

이번에는 서울의 COEX, GBC(현대자동차 Global Business Center), JansilStadium(잠실 종합 운동장) 의 3개 POI (Point of Interest)별 면적(area)과 가격(price) 속성(Attributes) 정보를 가지는 data.frame을 만들어보겠습니다. (아래 속성 데이터 값은 모두 그냥 가짜로 입력한 예시 값입니다.)

## (3) data.frame object with non-geometric attributes seoul_df_attrib = data.frame(   poi = c("COEX", "GBC", "JamsilStadium"), # Point of Interest   area = c(20, 25, 15),   price = c(80, 100, 50) ) seoul_df_attrib #             poi area price # 1          COEX   20    80 # 2           GBC   25   100 # 3 JamsilStadium   15    50

(2-3) sf 클래스 = sfc 기하 객체(sfc Geometry) + data.frame 속성 (Non-geometry Attributes)

마지막으로, st_sf() 함수를 사용하여 위의 (2-1)에서 정의한 벡터 데이터의 기하 정보와, (2-2)에서 정의한 비기하 속성값 data.frame (Non-geometry Attributes) 을 합쳐서 sf 클래스 (the sf class) 를 만들어보겠습니다.

## (4) sf object using st_sf() function ## : sfc object (geometry) + data.frame object (non-geometric attributes) seoul_sf = st_sf(seoul_df_attrib, # data.frame object (non-geometric attributes)                  geometry = seoul_points_sfc) # sfc object (geometry) seoul_sf # Simple feature collection with 3 features and 3 fields # geometry type:  POINT # dimension:      XY # bbox:           xmin: 127.059 ymin: 37.511 xmax: 127.073 ymax: 37.516 # geographic CRS: WGS 84 # poi area price               geometry # 1          COEX   20    80 POINT (127.059 37.511) # 2           GBC   25   100 POINT (127.063 37.512) # 3 JamsilStadium   15    50 POINT (127.073 37.516)

(3) sf 클래스의 클래스, 기하 유형, CRS 확인하기: class(), st_geometry_type(), st_crs)

sf 클래스의 클래스를 class() 함수를 사용해서 확인해보면, 기하(Geometry) 정보를 가지고 있는 "sf" 클래스 객체와 속성 정보 값을 가지고 있는 "data.frame" 클래스의 두개 클래스 객체로 구성되어 있음을 알 수 있습니다.

## check the class class(seoul_sf) # [1] "sf"         "data.frame"

st_geometry_type() 함수를 사용해서 기하 유형을 확인해보면, 이 예제에서는 점(Point) 3개로 구성되어 있음을 알 수 있습니다.

## check the geometry types st_geometry_type(seoul_sf) # [1] POINT POINT POINT # 18 Levels: GEOMETRY POINT LINESTRING POLYGON MULTIPOINT MULTILINESTRING MULTIPOLYGON ... TRIANGLE

좌표 참조 시스템(CRS, Coordinate Reference Systems)은 st_crs() 함수로 확인할 수 있는데요, 위의 (1)번에서 단순 지리특성 칼럼(sfc, Simple feature columns)을 생성할 때 crs = 4326  으로 설정을 해주었기 때문에 User input: EPSG:4326 으로 등록되어 있음을 확인할 수 있습니다.

## check the CRS st_crs(seoul_sf) # Coordinate Reference System: #   User input: EPSG:4326 # wkt: #   GEOGCRS["WGS 84", #           DATUM["World Geodetic System 1984", #                 ELLIPSOID["WGS 84",6378137,298.257223563, #                           LENGTHUNIT["metre",1]]], #           PRIMEM["Greenwich",0, #                  ANGLEUNIT["degree",0.0174532925199433]], #           CS[ellipsoidal,2], #           AXIS["geodetic latitude (Lat)",north, #                ORDER[1], #                ANGLEUNIT["degree",0.0174532925199433]], #           AXIS["geodetic longitude (Lon)",east, #                ORDER[2], #                ANGLEUNIT["degree",0.0174532925199433]], #           USAGE[ #             SCOPE["unknown"], #             AREA["World"], #             BBOX[-90,-180,90,180]], #           ID["EPSG",4326]]

이렇게 만든 sf 클래스를 대상으로 leaflet 패키지를 사용하여 웹 기반으로 상호작용하는 동적 지도를 만드는 방법은 https://rfriend.tistory.com/593 를 참조하세요.

이번 포스팅이 많은 도움이 되었기를 바랍니다.

행복한 데이터 과학자 되세요!  :-)