Слайды выступления Александра Матрунича на конференции "Открытые ГИС" 17 ноября 2012 г. в Москве. Грамматика графики - подход к визуализации статистических данных, позволяющий перейти к содержательной части графика и не отвлекаться второстепенные детали, которые создаются автоматически. Ggplot2 - расширение Хэдли Викхэма для среды статистической обработки данных R, реализующее концепцию грамматики графики. Для создания графика в ggplot2 пользователь указывает исходный массив данных, сопоствляет переменным из массива подходящие средства графического представления (такими могут быть положение по вертикали и горизонтали, размер, цвет заливки, цвет обводки, форма и др.), выбирает тип геометрического объекта (например, точка, прямоугольник, линия, изолиния, ящик с усами и пр.), и при необходимости устанавливает способ статистического преобразования данных, тип координатной системы. Ggmap - расширение Дэвида Кахли для R, "заточенное" под создание картограмм и основанное на ggplot2. В качестве положения по вертикали и горизонтали в ggmap зафиксированы широта и долгота, в качестве проекции - Меркатор. Ggmap упрощает процесс визуализации пространственных данных, минимизируя усилия пользователя под установке географической подложки для своего графика. В качестве подложки могут быть выбраны слои из сервиса Google Maps, OpenStreetMap, CloudMade.

1. Создание картограмм на принципах
грамматики графики
С помощью R-расширения ggmap
Александр Матрунич

2. 24 района Псковской области

3. > ggplot(data,
aes(x =
area_km2, y =
population_201
0)) +
geom_point()

4. > ggplot(data,
aes(x =
area_km2, y =
population_2010
)) +
geom_point()
> ggplot(data,
aes(x =
area_km2, y =
population_2010
)) +
stat_identity()

5. > ggplot(data,
aes(x =
area_km2, y =
population_2010
)) +
stat_identity()
> ggplot(data,
aes(area_km2,
population_2010
)) +
geom_point()

6. > ggplot(data,
aes(area_km2,
population_2010
)) +
geom_point()
>
qplot(area_km2,
population_2010
, data = data,
geom = 'point')

7. > ggplot(data,
aes(area_km2,
population_2010)
) +
geom_smooth()

8. > ggplot(data,
aes(area_km2,
population_2010)
) +
geom_smooth()
> ggplot(data,
aes(area_km2,
population_2010)
) +
geom_smooth() +
geom_point()

9. > ggplot(data,
aes(area_km2,
population_2010))
+ geom_smooth()
> ggplot(data,
aes(area_km2,
population_2010))
+ geom_smooth() +
geom_point()
> ggplot(data,
aes(area_km2,
population_2010,
size =
crop_product)) +
geom_point()

10. > ggplot(data,
aes(area_km2,
population_2010,
size =
crop_product)) +
geom_point()
> ggplot(data,
aes(area_km2,
population_2010,
size =
crop_product,
color =
retail_mln_rub)) +
geom_point()

11. 100 прекрасных мертвецов
tkachi.com/100_prekrasnih_mertvetsov.jsp

12. > head(builds)
x y start_date end_date start_develop2 use1
1 30.29113 59.93009 NA 2006 NA laboratory
2 30.35050 59.91288 1840 2005 2008 residential
3 30.28010 59.92663 1865 2004 NA residential
4 30.38010 59.92752 1878 2005 2007 residential
5 30.29055 59.90604 1902 2007 NA residential
6 30.28252 59.93762 1835 2005 2008 residential

13. spbmap <-
qmap('Санкт-
Петербург', zoom
= 12, source =
'osm', colour =
'bw')
spbmap +
geom_point(data
= builds, aes(x
= x, y = y,
colour =
start_date, size
= start_date))

14. spbmap +
geom_point(data
= builds, aes(x
= x, y = y,
colour =
start_date, size
= start_date))
spbmap +
stat_bin2d(data
= builds, aes(x
= x, y = y),
alpha = .5, bins
= 15,
colour='black')

15. spbmap +
stat_bin2d(data
= builds, aes(x
= x, y = y),
alpha = .5, bins
= 15,
colour='black')
spbmap +
stat_density2d(d
ata = builds,
aes(x = x, y =
y, fill =
..level.., alpha
= ..level..),
geom =
'polygon')

16. spbmap +
stat_density2d(d
ata = builds,
aes(x = x, y =
y, fill =
..level.., alpha
= ..level..),
geom =
'polygon') +
facet_wrap( ~
use)

17. Что дальше?
●ggmap: Google как основа
● Геокодирование
● Маршруты
●ggsubplot

18. ●www.r-project.org
●www.ggplot2.org
●sites.google.com/site/davidkahle/ggmap
Александр Матрунич
www.matrunich.com