主页 / dba / 问题 / 44851
Accepted
deceze
Asked: 2013-06-20 07:23:35 +0800 CST

使用 PL/R 对几何进行聚类

  • 772

我有一个geography要聚类的点的 Postgres/PostGIS 数据库；这意味着我想按接近度对它们进行分组和计数。我在kmeans Postgresql extension上取得了第一次成功，但该算法并不是我所需要的最佳算法。我想尝试更多的算法，而 R 似乎是最好的选择。我已经设置了PL/R并且可以从 Postgres 调用 R 函数......

但是现在呢？一个返回标量的简单 R 函数没有问题，但我不确定如何在 PL/R 中处理相同的kmeans解决方案，但单独实现整个聚类算法解决方案。前面链接的kmeans扩展对我来说非常平易近人，查询如下：

    SELECT kmeans, count(*)
      FROM (
               SELECT kmeans(ARRAY[ST_X(geom), ST_Y(geom)], 5) OVER (), geom
                 FROM points
           ) AS ksub
  GROUP BY kmeans;

因为kmeans()只返回一个，int所以这对我来说很容易理解。但我不确定从哪里开始一些更复杂的R 集群解决方案。在 R 中对整个结果集进行后处理会更好SELECT r_cluster((SELECT ...))吗？我可以使用一个WINDOW函数吗？在这种情况下，我将从 R 返回什么？如何返回？

我希望看到一个 PL/R 函数声明和调用的实际代码示例，以开始这方面的工作。

-- please fill in the blanks

CREATE OR REPLACE FUNCTION r_cluster()
RETURNS ? AS $$ ? $$ LANGUAGE plr;

SELECT r_cluster(?) OVER (?) FROM points;
postgresql window-functions

1 个回答

  1. Best Answer

    经过一些实验，我得到了这个：

    -- x and y are not actually used, they just give the function its signature
CREATE FUNCTION R_cluster_dbscan(x float8, y float8, eps float8)
RETURNS int
WINDOW
STRICT
VOLATILE
LANGUAGE plr
AS $$
    if (pg.state.firstpass == TRUE) {
        pg.state.firstpass <<- FALSE
        c <- fpc::dbscan(cbind(farg1, farg2), eps, MinPts = 2, method = "hybrid", seeds = FALSE)
        assign("cluster", c$cluster, env = .GlobalEnv)
    }

    return(cluster[prownum])
$$

    此窗口函数为每一行调用一次并返回记录的簇 ID，但它使用 DBSCAN 算法仅计算一次簇并将其存储在全局变量中。它的用法如下：

      SELECT c                             AS cluster_id,
         COUNT(*)                      AS place_count,
         ST_Centroid(ST_Collect(geom)) AS center
    FROM (
             SELECT R_cluster_dbscan(ST_X(geom), ST_Y(geom), 1) OVER () AS c,
                    geom
               FROM points
         ) AS sub
GROUP BY c

    Et voilà，一个使用 PL/R 的 DBSCAN 集群实现。不确定这是否是最佳实现，但它是一个实现，希望是一些有用的示例代码。

    • 1

相关问题