Un objet plus complexe

Le package raster fournit l’objet RasterLayer, mais aussi deux objets plus complexes : RasterStack et RasterBrick. Ces deux objets sont conçus pour stocker de nombreux rasters, tous avec les mêmes emprises et dimensions (aussi appelés rasters multibandes ou multicouches).

Vous pouvez voir RasterLayer comme une matrice, tandis que les objets RasterStack et RasterBrick ressemblent davantage à des tableaux à trois dimensions. Une chose supplémentaire à savoir pour les manipuler est la façon de spécifier une couche particulière.

Vous pouvez utiliser la sélection avec $ ou [[ sur un RasterStack ou un RasterBrick pour récupérer une couche et obtenir en retour un nouvel objet RasterLayer. Par exemple, si x est un RasterStack, x$layer_name ou x[["layer_name"]] renverra un RasterLayer ne contenant que la couche appelée layer_name.

Examinons un objet RasterStack appelé pop_by_age qui couvre la même zone que pop, mais contient désormais des couches pour la population, réparties en plusieurs groupes d’âge.

Cet exercice fait partie du cours

Visualiser des données géospatiales avec R

Afficher le cours

Instructions

Affichez pop_by_age. Voyez-vous les noms de toutes les couches ?
Extrayez la couche under_1 en utilisant la sélection [[.
Tracez la couche under_1 en passant votre code de l’instruction précédente à plot().

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# Print pop_by_age


# Subset out the under_1 layer using [[


# Plot the under_1 layer

Modifier et exécuter le code

Cet exercice fait partie du cours

Visualiser des données géospatiales avec R

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 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

Exercice en cours

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