R 编程是一种用于统计计算和数据可视化的免费开源语言。 统计学家将它用于从探索性分析、数据挖掘到绘图的所有事情。
但最近，GIS 用户正在利用其功能进行更专业的统计分析和数据操作。 尽管 ArcGIS 和 QGIS 大多是基于 Python 的， 但它们都有与 R 一起使用的扩展。本文将教您如何将 R 编程与 GIS 集成的基础知识。
除此之外，我们还将讨论如何同时使用 R 和 GIS 来帮助进行数据收集、 数据处理和建模。
R 在 GIS 中的使用正在增长，因其增强了统计、 数据可视化和空间分析的能力。以下是一些经常需要使用 R 的重要字段。
数据可视化—通过利用 ggplot2 等软件包， GIS 用户主要使用 R 进行统计分析和绘制数据。 有各种映射和数据可视化包，如 tmap 和 ggplot2。 如果您已经熟悉这些工具，那么它们对于可视化来说相当简单。
表操作—可以使用 Python 和 R 执行一些强大的表操作。 但是不能低估 R 中可用的一些包。例如， 像 dplyr 这样的工具使用起来很直观，并且为数据操作提供了灵活性。
数据支持—R 不仅支持时空数组（数据立方体）， 还支持 tidycensus 等工具获取人口普查局数据。 对于任何处理政府数据的人，R 提供了一个包来帮助完成这些类型的琐碎任务。
总共有三个是 12,700 多个可用包，作为R 项目的一部分供使用， 从图形、数据管理到数据可视化。
虽然 Python 可以完成 R 可以完成的大部分工作， 但通常可在 GIS 中使用双管齐下的方法，可以用两种语言完成大部分工作， 所以通常归结为使用最舒服的语言。
虽然 R 擅长可视化和统计分析，但Python特别擅长处理文件系统、 网络、网络抓取和自动化。这就是为什么 Python 是 QGIS 和 ArcGIS 而不是 R 的默认编程语言的原因。 虽然 matplotlib 是 ggplot2 的替代品， 但一些数据分析师更喜欢其中一种。
可以同时使用 R 和 Python 来制作地图。尽管如此， 大多数都是初级的，没有像在 GIS 软件中那样自定义能力。 但它们仍然是其功能地图。对于更高级的空间分析， 有 PySal 之类的库，例如检测集群、异常值和热点。
在 GIS 工作流程中使用 R 变得越来越普遍。 无论是用于计算分析还是数据可视化，似乎总有 R 的用法。 但是如何利用 R 呢？事实证明，有几种方法可以将R连接到GIS， 以下是几种方法可在QGIS 或 ArcGIS中这样处理。
R-ArcGIS Bridge的目的是将矢量和光栅数据存储在ArcGIS中， 可直接在R中访问，并将R对象返回到ArcGIS原生数据类型中。
同时，还可以在ArcGIS中使用功能强大的空间分析和可视化工具， 无缝地往返于R。这使其成为 R 和 ArcGIS 用户在 R Notebooks 中使用的理想选择。
如果正在寻找一个开源 GIS 软件解决方案来利用 R 的开源统计语言， 那么Processing R Provider很可能是您在 QGIS 中寻找的。
该插件允许在 QGIS 中本地编写和运行 R 脚本。为了使用这个插件， 必须在机器上安装 R 并预先添加正确的 R 包。
地理空间建模环境 (GME)是 ArcGIS 的插件。不幸的是， 这个包突然下线了。请密切注意此插件， 因为开发人员在开发有用的工具套件 （例如 Hawth 的 ArcMap 工具）方面有着悠久的历史。
R 是一种用于分析大量数据的开源编程语言。它在许多领域都很流行， 包括数据科学、统计学、生物学、生态学、经济学等等。 当与GIS结合使用时，它可以成为空间分析和统计计算扩展的强大工具。