Un objeto más complejo

El paquete raster proporciona el objeto RasterLayer, pero también un par de objetos más complejos: RasterStack y RasterBrick. Estos dos objetos están pensados para almacenar muchos rásteres, todos con la misma extensión y dimensiones (también llamados rásteres de varias bandas o de varias capas).

Puedes pensar en RasterLayer como una matriz, pero los objetos RasterStack y RasterBrick se parecen más a arreglos tridimensionales. Una cosa adicional que necesitas saber para manejarlos es cómo indicar una capa concreta.

Puedes usar $ o el subconjunto [[ sobre un RasterStack o RasterBrick para extraer una capa y obtener un nuevo objeto RasterLayer. Por ejemplo, si x es un RasterStack, x$layer_name o x[["layer_name"]] devolverán un RasterLayer con solo la capa llamada layer_name.

Vamos a ver un objeto RasterStack llamado pop_by_age que cubre la misma zona que pop, pero que ahora contiene capas de población desglosadas en varios grupos de edad.

Este ejercicio forma parte del curso

Visualización de datos geoespaciales en R

Instrucciones del ejercicio

Imprime pop_by_age. ¿Puedes ver los nombres de todas las capas?
Extrae la capa under_1 usando el subconjunto [[.
Representa la capa under_1 pasando tu código de la instrucción anterior a plot().

ejercicio interactivo práctico

Prueba este ejercicio completando este código de ejemplo.

# Print pop_by_age


# Subset out the under_1 layer using [[


# Plot the under_1 layer

Editar y ejecutar código

Este ejercicio forma parte del curso

Visualización de datos geoespaciales en R

IntermedioNivel de habilidad

4.6+

Empieza el curso gratis

Empezaremos visualizando algunos datos espaciales —ventas de propiedades en un pequeño pueblo de EE. UU.— usando ggplot2, y te presentaremos el paquete ggmap como una forma rápida de añadir contexto espacial a tus gráficos. Hablaremos de qué hace especiales a los datos espaciales y te presentaremos los tipos comunes de datos espaciales con los que trabajaremos a lo largo del curso.

Exercise 1: Introducción a los datos espaciales Exercise 2: Obtener un mapa de fondo Exercise 3: Juntándolo todo Exercise 4: Información a través de las estéticas Exercise 5: Opciones útiles de get_map() y ggmap()Exercise 6: Mapas diferentes Exercise 7: Aprovecha las fortalezas de ggplot2 Exercise 8: Una alternativa rápida Exercise 9: Tipos comunes de datos espaciales Exercise 10: Dibujar polígonos Exercise 11: Mapa coroplético Exercise 12: Datos ráster como un mapa de calor

Puedes avanzar mucho con datos espaciales almacenados en data frames, pero la vida es más fácil si se guardan en objetos espaciales específicos. En este capítulo te presentaremos las clases de objetos espaciales que ofrece el paquete sp, especialmente para datos de puntos y polígonos. Aprenderás a explorar y filtrar estos objetos trabajando con un mapa del mundo. La recompensa por aprender sobre estas clases de objetos: te mostraremos el paquete tmap, que requiere objetos espaciales como entrada, pero facilita muchísimo crear mapas. Terminarás elaborando un mapa de la población mundial.

Exercise 1: Introducción a los objetos de sp Exercise 2: Echemos un vistazo a un objeto espacial Exercise 3: ¿Qué hay dentro de un objeto espacial?Exercise 4: Un objeto espacial más complejo Exercise 5: sp y S4 Exercise 6: Recorriendo la jerarquía Exercise 7: Más y más profundo Exercise 8: Más clases y métodos de sp Exercise 9: Subconjuntar por índice Exercise 10: Acceder a datos en objetos sp Exercise 11: Filtrado basado en atributos de los datos Exercise 12: tmap, un paquete que funciona con objetos sp Exercise 13: Introducción a tmap Exercise 14: Construir un gráfico por capas Exercise 15: ¿Por qué Groenlandia es tan grande?Exercise 16: Guardar un gráfico de tmap

Aunque el paquete sp proporciona algunas clases para datos ráster, el paquete raster ofrece clases más útiles. Te presentaremos estas clases y sus ventajas y, después, aprenderás a mostrarlas. Los ejemplos continúan con el tema de población del Capítulo 2, pero verás conjuntos de datos mucho más detallados, tanto espacial como demográficamente. En la segunda mitad del capítulo aprenderás sobre el color: una parte esencial de cualquier visualización, y especialmente importante en los mapas.

Exercise 1: El paquete raster Exercise 2: ¿Qué es un objeto ráster?Exercise 3: Algunos métodos útiles Exercise 4: Un objeto más complejo

Ejercicio actual

Exercise 5: Un paquete que usa objetos Raster Exercise 6: Escalas de color Exercise 7: Elige la paleta adecuada Exercise 8: Añadir una paleta de color continua personalizada a gráficos de ggplot2 Exercise 9: Paleta personalizada en tmap Exercise 10: Más sobre las escalas de color Exercise 11: Un ejemplo de escala de intervalos Exercise 12: Un ejemplo de escala divergente Exercise 13: Un ejemplo cualitativo

En este capítulo seguirás la creación de una visualización desde archivos espaciales en bruto hasta añadir un crédito en un mapa. Por el camino, aprenderás a leer datos espaciales en R, más sobre proyecciones y sistemas de referencia de coordenadas, cómo añadir datos adicionales a un objeto espacial y algunos consejos para pulir tus mapas.

Exercise 1: Lectura de datos espaciales Exercise 2: Leer un shapefile Exercise 3: Leer un archivo ráster Exercise 4: Obtener datos usando un paquete Exercise 5: Sistemas de referencia de coordenadas Exercise 6: Combinar datos con distintos CRS/proyecciones Exercise 7: Convertir de un CRS/proyección a otro Exercise 8: Añadir datos a objetos espaciales Exercise 9: La forma incorrecta Exercise 10: Comprobar que los datos coinciden Exercise 11: Combinar atributos de datos Exercise 12: Tu primer gráfico Exercise 13: Pulir un mapa Exercise 14: Filtrar los vecindarios Exercise 15: Añadir etiquetas de barrios Exercise 16: Ajustar la leyenda y los últimos retoques Exercise 17: Cierre