空的区县匹配最邻近的点

**注意：**地图创建要使用标准地图，那个有2901个区县，而county0907只有2900个区县。

步骤：
1、百度——查找距离最近的点
或者链接：传送门
2、打开arcgis导入空的区县的中心点以及包含中国的大的点文件，如下图

zxd：区县的中心点文件
111Export_Output：nc提取数值后展示的点
3、分析工具——领域分析——生成近邻表



其中NEAR_FID就是离空的区县中心点最近的点了，如何查看

如图，86671就是朝阳区，离东城区和西城区最近的点

注意：
（1）输入要素是中心点；邻近要素是大的点文件（nc提取展示的点），选择近查找最近的要素，选择反的话就是大的文件了，注意
（2）注意的是这儿坐标系要一致，如何保持一致，只需要图层右击——导出数据——导出数据框，这样的话坐标系就保持一致了，如图

4、找到最近的点后，然后就是进行连接了，此处连接步骤是：
（1）中心点（zxd）、查找的最近距离的csv（jin1263）都新建一个字段，记得要FID+1，这一步是为了获得FID_county(空的区县的)。在zxd上通过FID（FID+1字段）连接jin1263，此时，就有了区县信息以及FID_county（用于分组合区县，之前不缺的区县的合并分组字段）
ps：其实也可以直接近领分析，这样就直接区县和市等几个字段和NEAR_FID匹配在一块了，就是没有FID_county(空的区县的)

然后打开属性表把该文件导出为csv数据（如kong_county.csv）。
注意： 这一步非常重要，因为有的区县最近点是一个（如东城区、西城区最近点是86671），此时连接数据的时候，只会连接第一个区县（如东城区），这样的点不是很多也就会遗漏20多个。所以此时要用代码进行查找匹配，在R中用merge函数来做这个匹配查找NEAR_FID 所对应的pm2.5的值

5、merge（）函数 匹配空的区县所对应的PM2.5值（nc中提取的值）
步骤：
（1）首先新建一个NEAR_FID（要和提取的PM2.5一样多），回头在代码中用于和PM2.5值合并做后续merge匹配合并

这个p就是PM2.5的值（nc中提取的经纬度所对应的值）

在给定一个中心点所对应的缺的区县的NEAR_FID ,在这里我同时给出了空区县的FID_county,

下面就是敲代码运行了，如下：

代码：

fun <- function(input,output){
  
  bb <-  dir(input)
  cd <-  paste(input,bb,sep = "")
  
  NEAR_FID1 <- read.csv("路径/NEAR_FID.csv",header = T)
  zxd_NEAR_FID_county <- read.csv("路径/zxd_NEAR_FID_model.csv",header = T)
  
  for (i in 1:length(cd)){
    #先读取NEAR_FID并合并PM2.5值
    pm_25 <- read.csv(cd[i],header = T)
    
    #合并NEAR_FID和pm2.5
    NEAR_FID1_pm25 <- cbind(NEAR_FID1,pm_25)
    
    
    #使用merge函数合并并提取空的区县所对应的PM2.5值
    merge_result <- merge(zxd_NEAR_FID_county,NEAR_FID1_pm25,all = F)
    
    #修改文件名
    dd <- substring(cd[i],nchar(cd[i])-13)
    
    filename <- paste(output,dd,sep="")
    write.csv(merge_result,filename,row.names = F)
    
    print(i)
  }
}

通过上述代码就可以跑出来198个空的区县所对应的PM2.5值了，结果见下图

在下面就是这些小时值文件跑到日均上面，跑完日均后就可以将2703个区县和198个区县合并并排序输出了。

合并并排序的代码：

fun <- function(input1,input2,output){
  bb <- dir(input1)
  cd <- paste(input1,bb,sep="")
  cc <- dir(input2)
  cdd <- paste(input2,cc,sep = "")
  
  for (i in 1:length(cd)){
    Nokong_county <- read.csv(cd[i],header = T)
    kong_county <- read.csv(cdd[i],header = T)
    
    #合并成2901个区县
    hb <- rbind(Nokong_county,kong_county)
    
    #将合并后的2901个区县按照FID_county排序输出
    hb_order <- hb[order(hb$FID_county),]
    
    dd <- substring(cd[i],nchar(cd[i])-11)
    #写入文件
    filename = paste(output,dd,sep="")
    write.csv(hb_order,filename,row.names = F)
    print(i)
  }
  print("successful!")
}

这样的话一个空气污染数据集就做完了。以后也可以这样来提取，但是还是直接是R里面那个定义坐标系的代码跑效果最好。