在R中的一个位置处理许多点

debugcn 发表于 Dev

施洛姆

我对R中的数据处理有疑问。我有两个数据集。两者都是最初的.csv文件。我准备了两个示例数据集：

为了尽可能减少工作量，需要相应的R代码进行加载和可视化。

# Read csv files
# check pastebin links and save content to persons.csv and city.csv.
persons_dataframe = read.csv("persons.csv", header = TRUE)
city_dataframe = read.csv("city.csv", header = TRUE)
# plot them on a map
# load used packages
library(RgoogleMaps)
library(ggplot2)
library(ggmap)
library(sp)

persons_ggplot2 <- persons_dataframe
city_ggplot2 <- city_dataframe
gc <- geocode('new york, usa')
center <- as.numeric(gc)  
G <- ggmap(get_googlemap(center = center, color = 'color', scale = 4, zoom = 10, maptype = "terrain", frame=T), extent="panel")
G1 <- G + geom_point(aes(x=POINT_X, y=POINT_Y ),data=city_dataframe, shape = 22, color="black", fill = "yellow", size = 4) + geom_point(aes(x=POINT_X, y=POINT_Y ),data=persons_dataframe, shape = 8, color="red", size=2.5)
plot(G1)

结果，我得到了一张地图，可以对所有城市和人进行可视化处理。
我的问题：所有人只分布在这三个城市。

我的问题：

一个更笼统的问题：这对R是一个问题吗？
我想创建像气泡图这样的东西，它可以可视化一个位置上的人数。像：在城市A中有20个人，在城市B中有5个人。在城市A的头寸应该比城市B更大。
我想创建一个标签，该标签指出某个位置上的人数。我已经尝试过使用ggplo2geom_text选项实现这一点，但是我无法弄清楚如何对某个位置的所有点求和并将其写入标签。
一种更理论的方法（也许我稍后再讲）：我想创建密度图/聚类图之类的东西，该图显示了人数最多的区域。我已经搜索了一些可以使用的软件包。建议使用的是SpatialEpi，spatstat和DCluster。我的问题：我是否需要人与某个物体（比如说超市）之间的距离来进行聚类分析？

希望这些不是太多问题。
任何帮助深表感谢。提前致谢！

顺便说一句：准备包含示例数据集的问题有更好的帮助吗？我应该将文件上传到某个地方还是pastebin方式可以吗？

相同的

您可以通过计算每个城市中的数字并将点的大小映射到计数中来创建气泡图：

library(plyr)
persons_count <- count(persons_dataframe, vars = c("city", "POINT_X", "POINT_Y"))

G + geom_point(aes(x=POINT_X, y=POINT_Y, size=freq),data=persons_count, color="red")

您可以将计数映射到点的面积，这也许可以更好地了解相对大小：

G + geom_point(aes(x=POINT_X, y=POINT_Y, size=freq),data=persons_count, color="red") +
    scale_size_area(breaks = unique(persons_count$freq))

您可以添加频率标签，尽管在大小比例图例中这有点多余：

G + geom_point(aes(x=POINT_X, y=POINT_Y, size=freq),data=persons_count, color="red") +
    geom_text(aes(x = POINT_X, y=POINT_Y, label = freq), data=persons_count) +
    scale_size_area(breaks = unique(persons_count$freq))

您无法使用示例数据真正绘制密度，因为您只有三个点。但是，如果您有更多细粒度的位置信息，则可以使用stat_density2dggplot2中的函数来计算和绘制密度。

本文收集自互联网，转载请注明来源。

如有侵权，请联系[email protected] 删除。