Encore plus loin dans le terrier du lapin

Dans le dernier exercice, le SpatialPolygonsDataFrame contenait une liste de Polygons dans son slot polygons, et chacun de ces objets Polygons avait aussi un slot Polygons. Donc, beaucoup de polygones… mais vous n’êtes pas encore au bout de la hiérarchie !

Jetons un nouveau coup d’œil au 169e élément du slot Polygons de countries_spdf. Exécutez ce code de l’exercice précédent :

one <- countries_spdf@polygons[[169]]
str(one, max.level = 2)

Le slot Polygons contient une liste de 10 éléments. Quels sont ces objets ? Continuons à creuser…

Cet exercice fait partie du cours

<cours>Visualiser des données géospatiales avec R</cours>

Instructions de l’exercice

Appelez str() avec max.level = 2 sur le slot Polygons de one.
Appelez str() avec max.level = 2 sur le 6e élément du slot Polygons de one. Voyez-vous quelque chose qui ressemble à des données spatiales ?
Appelez plot() sur le slot coords du 6e élément du slot Polygons de one. Reconnaissez-vous les données que contient cet objet ?

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

one <- countries_spdf@polygons[[169]]

# str() with max.level = 2, on the Polygons slot of one


# str() with max.level = 2, on the 6th element of the one@Polygons


# Call plot on the coords slot of 6th element of one@Polygons

Modifier et exécuter le code

Cet exercice fait partie du cours

<cours>Visualiser des données géospatiales avec R</cours>

IntermédiaireNiveau de compétence

4.6+

Commencer le cours gratuitement

Nous allons commencer en affichant des données spatiales — des ventes immobilières dans une petite ville américaine — avec ggplot2, et nous vous présenterons le package ggmap comme moyen rapide d’ajouter un contexte spatial à vos graphiques. Nous verrons ce qui rend les données spatiales particulières et présenterons les types courants de données spatiales que nous utiliserons tout au long du cours.

Exercise 1: Introduction aux données spatiales Exercise 2: Récupérer une carte d’arrière-plan Exercise 3: Tout rassembler Exercise 4: Comprendre grâce aux esthétiques Exercise 5: Options utiles de get_map() et ggmap()Exercise 6: Différentes cartes Exercise 7: Tirer parti des atouts de ggplot2 Exercise 8: Une alternative rapide Exercise 9: Types courants de données spatiales Exercise 10: Tracer des polygones Exercise 11: Carte choroplèthe Exercise 12: Données raster sous forme de carte thermique

Vous pouvez aller loin avec des données spatiales stockées dans des data frames, mais c’est plus simple si elles sont conservées dans des objets spatiaux dédiés. Dans ce chapitre, nous vous présenterons les classes d’objets spatiaux fournies par le package sp, en particulier pour les données de points et de polygones. Vous apprendrez à explorer et à sous-ensemble ces objets en travaillant sur une carte du monde. Récompense à la clé : nous vous montrerons le package tmap, qui exige des objets spatiaux en entrée, mais rend la création de cartes très facile ! Vous terminerez en réalisant une carte de la population mondiale.

Exercise 1: Introduction aux objets sp Exercise 2: Découvrons un objet spatial Exercise 3: Que contient un objet spatial ?Exercise 4: Un objet spatial plus complexe Exercise 5: sp et S4 Exercise 6: Parcourir la hiérarchie Exercise 7: Encore plus loin dans le terrier du lapin

Exercice actuel

Exercise 8: Plus de classes et de méthodes sp Exercise 9: Sous-ensembles par index Exercise 10: Accéder aux données dans les objets sp Exercise 11: Sous-ensemble basé sur des attributs de données Exercise 12: tmap, un package qui fonctionne avec des objets sp Exercise 13: Introduction à tmap Exercise 14: Construire un graphique par couches Exercise 15: Pourquoi le Groenland est-il si grand ?Exercise 16: Enregistrer un graphique tmap

Le package sp propose quelques classes pour les données raster, mais le package raster offre des classes plus pratiques. Vous découvrirez ces classes et leurs avantages, puis apprendrez à les afficher. Les exemples poursuivent le thème de la population du chapitre 2, mais avec des jeux de données beaucoup plus détaillés, à la fois spatialement et démographiquement. Dans la deuxième partie du chapitre, vous aborderez la couleur — un élément essentiel de toute visualisation, et particulièrement important pour les cartes.

Exercise 1: Le package raster Exercise 2: Qu’est-ce qu’un objet raster ?Exercise 3: Quelques méthodes utiles Exercise 4: Un objet plus complexe Exercise 5: Un package qui utilise des objets Raster Exercise 6: Échelles de couleurs Exercise 7: Choisir la bonne palette Exercise 8: Ajouter une palette de couleurs continue personnalisée aux graphiques ggplot2 Exercise 9: Palette personnalisée dans tmap Exercise 10: Pour aller plus loin sur les échelles de couleurs Exercise 11: Exemple d’échelle par intervalles Exercise 12: Exemple d’échelle divergente Exercise 13: Un exemple qualitatif

Dans ce chapitre, vous suivrez la création d’une visualisation depuis des fichiers de données spatiales bruts jusqu’à l’ajout d’un crédit sur une carte. Au passage, vous apprendrez à lire des données spatiales dans R, à mieux comprendre les projections et systèmes de référence de coordonnées, à ajouter des données supplémentaires à un objet spatial, ainsi que quelques astuces pour peaufiner vos cartes.

Exercise 1: Importer des données spatiales Exercise 2: Lecture d’un shapefile Exercise 3: Lire un fichier raster Exercise 4: Obtenir des données avec un package Exercise 5: Systèmes de référence de coordonnées Exercise 6: Fusionner des données avec des SCR/projections différents Exercise 7: Conversion d’un SCR/projection à un autre Exercise 8: Ajouter des données à des objets spatiaux Exercise 9: La mauvaise méthode Exercise 10: Vérifier la correspondance des données Exercise 11: Fusionner des attributs de données Exercise 12: Un premier tracé Exercise 13: Peaufiner une carte Exercise 14: Filtrer les quartiers Exercise 15: Ajouter des étiquettes de quartiers Exercise 16: Nettoyer la légende et quelques derniers ajustements Exercise 17: Conclusion