如何在R语言中识别数据集边界点的坐标？

方法1：用基础包的凸包提取凸形边界 #

凸包是提取数据集外围点的经典方法，适合处理凸形区域的边界识别，R基础包自带的chull()函数就能实现：

操作步骤：

1. 准备你的数据集（假设数据框为df，包含X和Y两列）
2. 计算凸包点的索引
3. 提取并整理边界点

# 替换为你的实际19行数据集
df <- data.frame(
  X = c(1.2, 2.5, 3.1, 4.8, 5.3, 6.7, 7.2, 8.9, 9.1, 1.5, 2.8, 3.5, 4.2, 5.7, 6.2, 7.8, 8.3, 9.5, 0.9),
  Y = c(5.1, 6.3, 4.8, 7.2, 5.5, 6.8, 4.2, 5.9, 3.7, 7.5, 8.1, 6.2, 8.5, 7.1, 5.3, 3.8, 4.5, 2.9, 6.7)
)

# 计算凸包点的索引
hull_indices <- chull(df$X, df$Y)
# 提取边界点（chull会重复第一个点以闭合凸包，可按需去重）
boundary_points <- df[hull_indices, ]
boundary_points <- boundary_points[!duplicated(boundary_points), ]

# 可视化验证
plot(df$X, df$Y, pch = 16, col = "gray", main = "凸包边界点识别")
points(boundary_points$X, boundary_points$Y, pch = 16, col = "orange")
lines(boundary_points$X, boundary_points$Y, col = "orange", lwd = 2)

方法2：用Alpha形状识别凹形边界 #

如果你的橙色区域是凹形，凸包无法捕捉内部凹陷的边界，可以用alphashape包实现更贴合的边界识别：

# 安装并加载包
install.packages("alphashape")
library(alphashape)

# 计算alpha形状，alpha值需根据数据调整（越小越贴合凹形）
ashape_obj <- ashape(df, alpha = 0.8)
# 提取边界点
boundary_points_ashape <- df[ashape_obj$edges$ind[, 1], ]

# 可视化验证
plot(df$X, df$Y, pch = 16, col = "gray", main = "Alpha形状边界点识别")
points(boundary_points_ashape$X, boundary_points_ashape$Y, pch = 16, col = "orange")
lines(ashape_obj, col = "orange", lwd = 2)

注意：alpha参数需要根据你的数据调整——值越大，形状越接近凸包；值越小，越能捕捉细微的凹陷边界，可通过多次尝试找到合适的数值。

内容的提问来源于stack exchange，提问作者Nivi