Визуализация графика Hexabin в R

оить гексабин с набором данных u Изучение

В этой статье мы увидим, как визуализировать шестигранный график на языке программирования R.

Карта Hexabin использует шестиугольники, чтобы разделить область на несколько частей и назначить каждому цвет. Графическая область (которая может быть географическим положением) разделена на множество шестиугольников, количество точек данных в каждом из которых подсчитывается и отображается цветовым градиентом.

Эта диаграмма используется для отображения плотности, а шестиугольная форма позволяет легко создавать смежные области при разделении пространства на отдельные части.

Загрузите данные по этой ссылке. Эти данные хранят данные о полигонах штатов США.

Basic Hexabin Map

Чтобы построить гексабин с набором данных us_states_hexgrid для этого, мы создадим фрейм данных из этого набора данных, а затем нанесем пространственные данные.

р

# R library
library(tidyverse) # handle the data
library(geojsonio) # handle the geojson data
library(RColorBrewer) # for color palette
library(rgdal) # handling the spatial data
# load the geospatial data
us_data <- geojson_read("us_states_hexgrid.geojson",  what = "sp")
# polygon spatial data
us_data@data = us_data@data %>%
  mutate(google_name = gsub(" \\(United States\\)", "", google_name))
# plot the basic Hexabin Map
plot(us_data)

Выход:

оить гексабин с набором данных u

Слияние данных с картограммой

Hexabin используется для построения графиков рассеяния с данными высокой плотности, и здесь мы объединим данные с пространственными объектами из файла geojson, а затем построим гексабин с помощью ggplot.

R

# R library
library(tidyverse) # handle the data
library(geojsonio) # handle the geojson data
library(RColorBrewer) # for color palette
library(rgdal) # handling the spatial data
# load the geospatial data
us_data <- geojson_read("us_states_hexgrid.geojson",
                        what = "sp")
# polygon spatial data
us_data@data = us_data@data %>%
  mutate(google_name = gsub(" \\(United States\\)",
                            "", google_name))
# library to convert data to a tidy data
library(broom)
us_data@data = us_data@data %>% mutate(
  google_name = gsub(" \\(United States\\)",
                     "", google_name))
us_data_fortified <- tidy(us_data,
                          region = "google_name")
# getting the US state Marriage data
/holtzy/R-graph-gallery/master/DATA/State_mariage_rate.csv",
                   sep = ",", na.strings="---", header = T)
# extracting the data sequence
data %>%
  # getting the data for year 2015
  ggplot( aes(x = y_2015)) +
  # preparing the histogram
  geom_histogram(bins = 10, fill='#69b3a2', color='white')
# merging the data with the spatial features from geojson file
us_data_fortified <- us_data_fortified %>%
  left_join(. , data, by=c("id"="state"))
# preparing a choropleth map
ggplot() +
  geom_polygon(data = us_data_fortified, aes(
    fill =  y_2015, x = long, y = lat, group = group)) +
  scale_fill_gradient(trans = "log") +
  coord_map()

Выход:

Читайте также:  Как использовать Ubuntu Livepatch?

ется для построения графиков рассея

Оцените статью
bestprogrammer.ru
Добавить комментарий

Adblock
detector