or
Den här övningen är en del av kursen
Vi börjar direkt med att visualisera rumslig data – fastighetsförsäljningar i en liten amerikansk stad – med hjälp av ggplot2. Därefter introduceras paketet ggmap som ett smidigt sätt att lägga till rumsligt sammanhang i dina diagram. Vi går igenom vad som gör rumslig data speciell och presenterar de vanligaste datatyperna som används i kursen.
Du kommer långt med rumslig data lagrad i dataramar, men det underlättar om den lagras i specialiserade rumsliga objekt. I det här kapitlet introduceras de objektklasser som paketet sp tillhandahåller, med fokus på punkt- och polygondata. Du lär dig att utforska och filtrera dessa objekt med hjälp av en världskarta. Som belöning för att du lärt dig om dessa objektklasser får du bekanta dig med paketet tmap – det kräver rumsliga objekt som indata men gör det enkelt att skapa kartor. Kapitlet avslutas med att du skapar en karta över världens befolkning.
Paketet sp erbjuder vissa klasser för rasterdata, men paketet raster tillhandahåller mer användbara klasser. Du introduceras till dessa klasser och deras fördelar, och lär dig sedan att visualisera dem. Exemplen fortsätter med befolkningstema från kapitel 2, men med betydligt mer detaljerade datamängder – både rumsligt och demografiskt. I kursens andra hälft behandlas färg, som är en viktig del av all datavisualisering och särskilt betydelsefull för kartor.
I det här kapitlet följer du hela processen från råa rumsliga datafiler till en färdig karta med källhänvisning. På vägen lär du dig att läsa in rumslig data i R, mer om projektioner och koordinatsystem, hur du lägger till ytterligare data i ett rumsligt objekt samt tips för att finslipa dina kartor.
Aktuell övning