Získávání dat pomocí balíčku

Načítání prostorových dat ze souboru je jeden ze způsobů, jak je dostat do R – existují ale také balíčky, které poskytují běžně používaná prostorová data. Například balíček rnaturalearth nabízí data z Natural Earth, zdroje vysoce kvalitních map světa zahrnujících pobřežní linie, státy i osídlená místa. Ostatně právě odtud pocházela data z 2. kapitoly.

Budeš zkoumat mediánový příjem na úrovni census tractů v New York County (neboli Manhattanu), k čemuž ale budeš nejdřív potřebovat hranice těchto tractů. Balíček tigris v R umožňuje snadno stahovat a importovat shapefily na základě geografických celků amerického sčítání lidu. Pro stažení hranic tractů použiješ funkci tracts(), ale tigris nabízí i funkce states(), counties(), places() a mnoho dalších, které odpovídají různým úrovním geografických jednotek definovaných Censusem.

Pojďme získat prostorová data pro tracty.

Toto cvičení je součástí kurzu

Vizualizace geoprostorových dat v R

Pokyny k cvičení

Zavolej tracts() s argumenty state = "NY", county = "New York" a cb = TRUE. Výsledek ulož do proměnné nyc_tracts.
Použij funkci summary() na nyc_tracts a ověř, že vrácený objekt je SpatialPolygonsDataFrame.
Vykresli nyc_tracts pomocí plot(), abys zkontroloval/a obsah dat.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

library(sp)
library(tigris)

# Call tracts(): nyc_tracts


# Call summary() on nyc_tracts


# Plot nyc_tracts

Upravit a spustit kód

Toto cvičení je součástí kurzu

Vizualizace geoprostorových dat v R

SkillTag.level.intermediateSkillTag.label

4.6+

Začněte kurz zdarma

Rovnou se pustíme do vizualizace prostorových dat – konkrétně prodejů nemovitostí v malém americkém městě – pomocí ggplot2. Představíme ti také balíček ggmap jako rychlý způsob, jak do grafů přidat prostorový kontext. Povíme si, co dělá prostorová data výjimečnými, a seznámíme tě s nejběžnějšími typy prostorových dat, se kterými budeme v kurzu pracovat.

Exercise 1: Úvod do prostorových dat Exercise 2: Stažení podkladové mapy Exercise 3: Dáme to dohromady Exercise 4: Pochopení dat skrze estetiku Exercise 5: Užitečné možnosti funkcí get_map() a ggmap()Exercise 6: Různé typy map Exercise 7: Využití silných stránek ggplot2 Exercise 8: Rychlá alternativa Exercise 9: Běžné typy prostorových dat Exercise 10: Kreslení polygonů Exercise 11: Choropletová mapa Exercise 12: Rastrová data jako heatmapa

S prostorovými daty uloženými v datových rámcích toho lze zvládnout hodně, ale práce se výrazně zjednoduší, pokud jsou uložena ve speciálních prostorových objektech. V této kapitole se seznámíš s třídami prostorových objektů z balíčku sp, zejména pro bodová a polygonová data. Na příkladu mapy světa se naučíš tyto objekty prozkoumávat a filtrovat. Odměnou za zvládnutí těchto tříd bude balíček tmap, který prostorové objekty vyžaduje jako vstup, ale vytváření map s ním je skutečně snadné! Kapitolu zakončíš vytvořením mapy světové populace.

Exercise 1: Seznámení s objekty sp Exercise 2: Podívejme se na prostorový objekt Exercise 3: Co se skrývá uvnitř prostorového objektu?Exercise 4: Složitější prostorový objekt Exercise 5: sp a S4 Exercise 6: Procházení hierarchie Exercise 7: Ještě hlouběji do králičí nory Exercise 8: Další třídy a metody sp Exercise 9: Vytváření podmnožin pomocí indexu Exercise 10: Přístup k datům v objektech sp Exercise 11: Výběr podmnožiny podle atributů dat Exercise 12: tmap – balíček pro práci s objekty sp Exercise 13: Úvod do tmap Exercise 14: Postupné sestavování grafu po vrstvách Exercise 15: Proč je Grónsko tak velké?Exercise 16: Uložení grafu z balíčku tmap

Zatímco balíček sp nabízí určité třídy pro rastrová data, balíček raster poskytuje třídy užitečnější. Seznámíš se s nimi, zjistíš, jaké mají výhody, a naučíš se je zobrazovat. Příklady navazují na téma populace z 2. kapitoly, tentokrát se ale podíváš na podrobnější datové sady – jak prostorově, tak demograficky. V druhé části kapitoly se budeme věnovat barvám, které jsou nezbytnou součástí každé vizualizace, a pro mapy platí obzvlášť.

Exercise 1: Balíček raster Exercise 2: Co je to rastrový objekt?Exercise 3: Užitečné metody Exercise 4: Složitější objekt Exercise 5: Balíček pro práci s rastrovými objekty Exercise 6: Barevné škály Exercise 7: Vyber správnou paletu Exercise 8: Přidání vlastní spojité barevné palety do grafů ggplot2 Exercise 9: Vlastní paleta v tmap Exercise 10: Více o barevných škálách Exercise 11: Příklad intervalové škály Exercise 12: Příklad divergentní škály Exercise 13: Příklad s kvalitativní paletou

V této kapitole projdeš celým procesem tvorby vizualizace – od surových prostorových souborů až po přidání popisku ke hotové mapě. Cestou se naučíš načítat prostorová data do R, dozvíš se více o projekcích a souřadnicových referenčních systémech, zjistíš, jak k prostorovému objektu přidat další data, a získáš tipy na finální úpravy map.

Exercise 1: Načítání prostorových dat Exercise 2: Načtení shapefile Exercise 3: Načtení rastrového souboru Exercise 4: Získávání dat pomocí balíčku

Aktuální cvičení

Exercise 5: Souřadnicové referenční systémy Exercise 6: Sloučení dat z různých CRS/projekcí Exercise 7: Převod mezi souřadnicovými referenčními systémy a projekcemi Exercise 8: Přidávání dat do prostorových objektů Exercise 9: Špatný přístup Exercise 10: Kontrola shody dat Exercise 11: Spojování datových atributů Exercise 12: První vizualizace Exercise 13: Vylepšení mapy Exercise 14: Výběr čtvrtí Exercise 15: Přidání popisků čtvrtí Exercise 16: Úpravy legendy a závěrečné doladění Exercise 17: Závěrečné shrnutí