Pilih palet yang tepat

Pertimbangkan untuk menampilkan raster yang berisi proporsi penduduk berusia 18 hingga 24 tahun. Artinya, nilai 0 menunjukkan tidak ada orang dalam sel grid yang berusia 18–24, dan nilai 1 menunjukkan semua orang dalam sel grid berusia 18–24. Kami telah memuat prop_by_age di ruang kerja Anda jika Anda ingin melihatnya.

Palet warna mana yang paling sesuai?

Latihan ini merupakan bagian dari kursus

Memvisualisasikan Data Geospasial di R

Latihan interaktif langsung

Ubah teori menjadi aksi dengan salah satu latihan interaktif kami

Latihan ini merupakan bagian dari kursus

Memvisualisasikan Data Geospasial di R

SkillTag.level.intermediateSkillTag.label

4.6+

Mulai Kursus Gratis

Kita akan mulai dengan menampilkan beberapa data spasial — penjualan properti di sebuah kota kecil di AS — menggunakan ggplot2 dan memperkenalkan Anda pada paket ggmap sebagai cara cepat untuk menambahkan konteks spasial ke plot Anda. Kita akan membahas apa yang membuat data spasial itu istimewa dan memperkenalkan jenis-jenis umum data spasial yang akan kita gunakan sepanjang kursus.

Exercise 1: Pengantar data spasial Exercise 2: Mengambil peta latar belakang Exercise 3: Menggabungkan semuanya Exercise 4: Wawasan melalui estetika Exercise 5: Opsi get_map() dan ggmap() yang berguna Exercise 6: Peta yang berbeda Exercise 7: Memanfaatkan kekuatan ggplot2 Exercise 8: Alternatif yang cepat Exercise 9: Jenis umum data spasial Exercise 10: Menggambar poligon Exercise 11: Peta koroplet Exercise 12: Data raster sebagai heatmap

Anda bisa melangkah jauh dengan data spasial yang disimpan dalam data frame, tetapi akan lebih mudah jika disimpan dalam objek spasial khusus. Pada bab ini kami akan memperkenalkan Anda pada kelas objek spasial yang disediakan oleh paket sp, khususnya untuk data titik dan poligon. Anda akan belajar cara menelusuri dan melakukan subset pada objek-objek ini dengan menjelajahi peta dunia. Imbalan dari mempelajari kelas-kelas objek ini: kami akan memperlihatkan paket tmap yang memerlukan objek spasial sebagai masukan, namun membuat pembuatan peta menjadi sangat mudah! Anda akan menutup bab ini dengan membuat peta populasi dunia.

Exercise 1: Pengenalan objek sp Exercise 2: Mari melihat sebuah objek spasial Exercise 3: Apa isi sebuah objek spasial?Exercise 4: Objek spasial yang lebih rumit Exercise 5: sp dan S4 Exercise 6: Menelusuri hierarki Exercise 7: Lebih jauh menyelami hierarki Exercise 8: Lebih banyak kelas dan metode sp Exercise 9: Subset berdasarkan indeks Exercise 10: Mengakses data dalam objek sp Exercise 11: Subset berdasarkan atribut data Exercise 12: tmap, paket yang bekerja dengan objek sp Exercise 13: Pengenalan tmap Exercise 14: Membangun plot secara bertahap (layer)Exercise 15: Mengapa Greenland terlihat begitu besar?Exercise 16: Menyimpan plot tmap

Meskipun paket sp menyediakan beberapa kelas untuk data raster, paket raster menyediakan kelas yang lebih bermanfaat. Anda akan diperkenalkan pada kelas-kelas ini beserta kelebihannya lalu belajar cara menampilkannya. Contoh-contohnya melanjutkan tema populasi dari Bab 2, tetapi Anda akan melihat himpunan data dengan detail yang jauh lebih halus, baik secara spasial maupun demografis. Pada paruh kedua bab ini Anda akan mempelajari tentang warna — bagian penting dari tampilan visual apa pun, dan sangat penting untuk peta.

Exercise 1: Paket raster Exercise 2: Apa itu objek raster?Exercise 3: Beberapa metode yang berguna Exercise 4: Objek yang lebih rumit Exercise 5: Paket yang menggunakan objek Raster Exercise 6: Skala warna Exercise 7: Pilih palet yang tepat

Latihan Saat Ini

Exercise 8: Menambahkan palet warna kontinu kustom ke plot ggplot2 Exercise 9: Palet kustom di tmap Exercise 10: Lebih lanjut tentang skala warna Exercise 11: Contoh skala interval Exercise 12: Contoh skala divergen Exercise 13: Contoh kualitatif

Dalam bab ini Anda akan mengikuti pembuatan sebuah visualisasi dari berkas data spasial mentah hingga menambahkan kredit pada peta. Sepanjang proses, Anda akan belajar cara membaca data spasial ke dalam R, lebih jauh tentang proyeksi dan sistem referensi koordinat, cara menambahkan data tambahan ke objek spasial, serta beberapa kiat untuk memoles peta Anda.

Exercise 1: Membaca data spasial Exercise 2: Membaca shapefile Exercise 3: Membaca berkas raster Exercise 4: Mengambil data menggunakan sebuah paket Exercise 5: Sistem referensi koordinat Exercise 6: Menggabungkan data dari CRS/proyeksi yang berbeda Exercise 7: Mengonversi dari satu CRS/proyeksi ke yang lain Exercise 8: Menambahkan data ke objek spasial Exercise 9: Cara yang keliru Exercise 10: Memeriksa kecocokan data Exercise 11: Menggabungkan atribut data Exercise 12: Plot pertama Exercise 13: Memoles peta Exercise 14: Menyeleksi subset neighborhoods Exercise 15: Menambahkan label lingkungan Exercise 16: Merapikan legenda dan beberapa penyesuaian akhir Exercise 17: Ringkasan