Implementing interactive maps using free GIS toolsLamya BOUQANZIA
The project's objective is "The Implementation of interactive maps using free GIS tools" based on new information technologies and mainly: web technologies, GIS technology, object technology especially Java/JEE that offers a wide choice in both programming and APIs such as persistence tools like JPA.
The interactive map we had to realize represents the cultural and historical heritage of the city of Fez, based on free and open source development tools.
Petit déjeuner "Les bases de la cartographie sur le Web"Makina Corpus
Du stockage de la donnée à la carte sur le Web, venez découvrir les fondements de la cartographie en ligne autour d'un café et quelques viennoiseries.
Nous vous avons présenté les fondements des SIG : comment représenter, stocker, éditer, assembler, publier les données géographiques...
Nous avons détaillé l'anatomie d'une carte moderne sur le web.
Ce petit déjeuner s'adresse à tous les curieux qui souhaitent découvrir les bases et comprendre la mécanique en abordant quelques éléments techniques !
Avec le développement des technologies intelligentes qui génèrent des quantités astronomiques de data, la visualisation des données devient indispensable. En effet, pour pouvoir analyse ses Big Data et les utiliser au mieux dans sa stratégie d’entreprise, il est essentiel de pouvoir les lire et répertorier ses informations business dans des tableaux de bord visuels.
Zoom sur la visualisation des données, sa définition et ses enjeux stratégiques.
Qu’est-ce que la visualisation des données ?
Définition
La visualisation des données (ou data visualization ou dataviz en anglais) désigne le fait de représenter visuellement ses data pour pouvoir déceler et comprendre des informations, les données brutes étant difficilement interprétables et exploitables. Ce processus se fait par des outils analytiques spécifiques et se matérialise par des tableaux (type Excel), des graphiques, des cartes visuelles ou même des infographies regroupées dans des dashboards (tableaux de bord).
En classant, segmentant et scénarisant les données visuellement, une entreprise peut déceler des informations auparavant inaccessibles en un simple coup d’œil. La visualisation des données permet donc à toute organisation de piloter son activité plus efficacement en adoptant une stratégie data-driven et agile.
Les différents types de visualisation
Lorsqu’on aborde le vaste sujet de la visualisation de la data, la première image qui vient à l’esprit est le basique graphique à courbe ou à barre ou le classique diagramme à secteurs. Certes, ces représentations sont très utiles et utilisées, mais ce ne sont pas forcément les plus adaptées pour tous les types de données.
Voici un petit tour d’horizon des représentations visuelles que vous pouvez choisir en fonction de vos besoins.
Les visualisations les plus populaires
Diagrammes en secteur
Tableau (avec textes ou nombres)
Courbe
Histogramme (graphique à barres)
Cartographie
Infographie
Frise chronologique
Les visualisations spécifiques
Graphique par aires
Boîte à moustaches
Compartimentages
Nuage de points, de mots ou de bulles
Vue circulaire
Arborescence classique ou radiale
Diagramme de Gantt
Carte de chaleur
Matrice
Cascade
Entonnoir
Réseau
Graphique polaire
Les visualisations combinées
Il existe aussi des représentations qui combinent plusieurs types de graphiques et qui peuvent se révéler très utiles pour des études Big Data analytics poussées. Par exemple, un histogramme présentant des valeurs minimales et maximales sur plusieurs périodes définies peut intégrer une courbe affichant la moyenne pour chaque période.
Un tableau de bord de visualisation complet intègre plusieurs de ces représentations visuelles afin de rendre compte d’une situation de manière exhaustive. Par exemple, pour l’analyse marketing du trafic d’un site web, il est utile de disposer à la fois de tableaux avec des entrées textes et/ou chiffrées, de diagrammes, de graphiques combinés et de courbes dans son dashboard et ses rapports.
Rappeler ou présenter les notions de base des système d'information géographique (SIG) types et formats de données géographiques, systèmes de référence...
Qu'est ce que le Système d'Information Géographique - Séances Pratiques de la 6e édition du Cours international « Atelier Paludisme » - RAKOTOMANANA Fanjasoa et RANDREMANANA Rindra
Implementing interactive maps using free GIS toolsLamya BOUQANZIA
The project's objective is "The Implementation of interactive maps using free GIS tools" based on new information technologies and mainly: web technologies, GIS technology, object technology especially Java/JEE that offers a wide choice in both programming and APIs such as persistence tools like JPA.
The interactive map we had to realize represents the cultural and historical heritage of the city of Fez, based on free and open source development tools.
Petit déjeuner "Les bases de la cartographie sur le Web"Makina Corpus
Du stockage de la donnée à la carte sur le Web, venez découvrir les fondements de la cartographie en ligne autour d'un café et quelques viennoiseries.
Nous vous avons présenté les fondements des SIG : comment représenter, stocker, éditer, assembler, publier les données géographiques...
Nous avons détaillé l'anatomie d'une carte moderne sur le web.
Ce petit déjeuner s'adresse à tous les curieux qui souhaitent découvrir les bases et comprendre la mécanique en abordant quelques éléments techniques !
Avec le développement des technologies intelligentes qui génèrent des quantités astronomiques de data, la visualisation des données devient indispensable. En effet, pour pouvoir analyse ses Big Data et les utiliser au mieux dans sa stratégie d’entreprise, il est essentiel de pouvoir les lire et répertorier ses informations business dans des tableaux de bord visuels.
Zoom sur la visualisation des données, sa définition et ses enjeux stratégiques.
Qu’est-ce que la visualisation des données ?
Définition
La visualisation des données (ou data visualization ou dataviz en anglais) désigne le fait de représenter visuellement ses data pour pouvoir déceler et comprendre des informations, les données brutes étant difficilement interprétables et exploitables. Ce processus se fait par des outils analytiques spécifiques et se matérialise par des tableaux (type Excel), des graphiques, des cartes visuelles ou même des infographies regroupées dans des dashboards (tableaux de bord).
En classant, segmentant et scénarisant les données visuellement, une entreprise peut déceler des informations auparavant inaccessibles en un simple coup d’œil. La visualisation des données permet donc à toute organisation de piloter son activité plus efficacement en adoptant une stratégie data-driven et agile.
Les différents types de visualisation
Lorsqu’on aborde le vaste sujet de la visualisation de la data, la première image qui vient à l’esprit est le basique graphique à courbe ou à barre ou le classique diagramme à secteurs. Certes, ces représentations sont très utiles et utilisées, mais ce ne sont pas forcément les plus adaptées pour tous les types de données.
Voici un petit tour d’horizon des représentations visuelles que vous pouvez choisir en fonction de vos besoins.
Les visualisations les plus populaires
Diagrammes en secteur
Tableau (avec textes ou nombres)
Courbe
Histogramme (graphique à barres)
Cartographie
Infographie
Frise chronologique
Les visualisations spécifiques
Graphique par aires
Boîte à moustaches
Compartimentages
Nuage de points, de mots ou de bulles
Vue circulaire
Arborescence classique ou radiale
Diagramme de Gantt
Carte de chaleur
Matrice
Cascade
Entonnoir
Réseau
Graphique polaire
Les visualisations combinées
Il existe aussi des représentations qui combinent plusieurs types de graphiques et qui peuvent se révéler très utiles pour des études Big Data analytics poussées. Par exemple, un histogramme présentant des valeurs minimales et maximales sur plusieurs périodes définies peut intégrer une courbe affichant la moyenne pour chaque période.
Un tableau de bord de visualisation complet intègre plusieurs de ces représentations visuelles afin de rendre compte d’une situation de manière exhaustive. Par exemple, pour l’analyse marketing du trafic d’un site web, il est utile de disposer à la fois de tableaux avec des entrées textes et/ou chiffrées, de diagrammes, de graphiques combinés et de courbes dans son dashboard et ses rapports.
Rappeler ou présenter les notions de base des système d'information géographique (SIG) types et formats de données géographiques, systèmes de référence...
Qu'est ce que le Système d'Information Géographique - Séances Pratiques de la 6e édition du Cours international « Atelier Paludisme » - RAKOTOMANANA Fanjasoa et RANDREMANANA Rindra
SP SIG : Système d'Information Géographique - Conférence du 4e édition du Cours international « Atelier Paludisme » - Fanjasoa RAKOTOMANANA - Institut Pasteur de Madagascar - fanja@pasteur.mg
Session Alt.net Paris du 15 juin chez Octo, animée par Yann Schwartz.
Au menu de cette session :
Principes du map/reduce : définition, à quoi ça sert
Une implémentation en C# pour comprendre
Utilisation du map reduce en NoSQL
Un serveur dédié map-reduce : Hadoop
hadoop : mapreduce et filesystem distribué
mapreduce de base
pig latin (un langage semi procédural – à la linq – au dessus de mapreduce)
Conclusion : pour quoi utiliser mapreduce dans vos traitements
Juste un vieux cours que j'ai découvert dans mes archives et qui pourrait être très utiles à ceux qui travaillent toujours avec ArcMap ou ceux commencent avec les SIG.
Système d’Information Géographique et Télédétection: généralités - Travaux Pratiques du 8e édition du Cours international « Atelier Paludisme » - RAKOTOMANANA Fanjasoa - Madagascar - fanja@pasteur.mg
Système d’Information Géographique et Télédétection: généralités - Conférence de la 8e édition du Cours international « Atelier Paludisme » - RAKOTOMANANA Fanjasoa et RANDREMANANA Rindra
Similaire à Introduction à la cartographie avec R (20)
Système d’Information Géographique et Télédétection: généralités
Introduction à la cartographie avec R
1. Éléments de cartographie sous R
Éléments de cartographie sous R
RUG INSEE
Joël Gombin
CURAPP - UPJV
11 octobre 2012
2. Plan
1 Quelques éléments sur la cartographie
2 La cartographie dans R
3 Importer des données géographiques
4 Manipuler des objets spatiaux
5 Cartes choroplèthes
6 Représenter des effectifs
7 Représenter une variable catégorielle
8 Quelques subtilités supplémentaires...
3. Éléments de cartographie sous R
Quelques éléments sur la cartographie
Introduction : notions de base de cartographie
Carte raster
Carte composée de pixels : par exemple une photo satellite. L’information
est représentée par la couleur du pixel, lui-même porteur d’une
information géographique (coordonnées x et y).
Carte vectorielle
Carte composée d’éléments : points, lignes, courbes, polygones... Ces
éléments constituent en eux-même une information géographique (ils ont
des coordonnées), à laquelle on peut ajouter une information
supplémentaire (par exemple en coloriant un polygone).
4. Éléments de cartographie sous R
Quelques éléments sur la cartographie
Notions de base de cartographie
Si on s’en tient aux cartes vectorielles, seules traitées ici, pour faire une
carte il faut :
un fond de carte (dans un format vectoriel : une simple image ne
suffit pas) (généralement associé à une projection, permettant le
passage d’une sphère à un plan. E.g. : Mercator).
des données se rapportant aux objets de cette carte
un identifiant commun à ces deux ensembles.
5. Plan
1 Quelques éléments sur la cartographie
2 La cartographie dans R
3 Importer des données géographiques
4 Manipuler des objets spatiaux
5 Cartes choroplèthes
6 Représenter des effectifs
7 Représenter une variable catégorielle
8 Quelques subtilités supplémentaires...
6. Éléments de cartographie sous R
La cartographie dans R
La cartographie dans R
Dans R, les cartes sont des objets dotés d’une structure complexe. Il
existe plusieurs approches, mais la plus répandue consiste à utiliser la
classe d’objets SpatialPolygonsDataFrame. C’est le package sp qui
définit cette classe, qui contient aussi bien des données géographiques
(coordonnées des éléments) que des données sur ces objets.
Une bonne pratique consiste à séparer les donnnées portant sur les
éléments (coordonnées mais aussi identifiants, par exemple) et celles
qu’on souhaite cartographier dans deux objets distincts.
Par ailleurs, le package ggplot2 propose également une fonction pour
représenter des cartes raster ou choroplèthes (geom_map()), mais est lent
et peu souple pour cette tâche. Il semble toutefois que le choix de la
projection soit plus aisé.
7. Éléments de cartographie sous R
La cartographie dans R
Les outils du package rgrs
Dans le cadre de cette introduction, je vais présenter essentiellement les
outils du package rgrs développé par Julien Barnier. Ils sont à la fois
faciles à utiliser et relativement puissants. Une fois la logique assimilée, il
sera aisé d’aller plus loin si nécessaire.
library(rgrs) library(sp) library(maptools)
8. Plan
1 Quelques éléments sur la cartographie
2 La cartographie dans R
3 Importer des données géographiques
4 Manipuler des objets spatiaux
5 Cartes choroplèthes
6 Représenter des effectifs
7 Représenter une variable catégorielle
8 Quelques subtilités supplémentaires...
9. Éléments de cartographie sous R
Importer des données géographiques
Importer des données géographiques
Il existe de nombreux formats de données cartographiques, mais le plus
répandu est le shapefile. Une carte est contenue dans un ensemble de
fichiers portant tous le même nom mais dotés d’extensions différentes
(.shp, .dbf, .prj...).
library(rgdal)
picardie <- readOGR("donnees/", "picardie")
## OGR data source with driver: ESRI Shapefile
## Source: "donnees/", layer: "picardie"
## with 2291 features and 18 fields
## Feature type: wkbPolygon with 2 dimensions
picardie$STATUT <- as.factor(iconv(picardie$STATUT, from = "latin1", to = "utf8")) ## traitement de problèmes d'encodage
picardie$codeINSEE <- as.character(picardie$INSEE_COM)
10. Plan
1 Quelques éléments sur la cartographie
2 La cartographie dans R
3 Importer des données géographiques
4 Manipuler des objets spatiaux
5 Cartes choroplèthes
6 Représenter des effectifs
7 Représenter une variable catégorielle
8 Quelques subtilités supplémentaires...
11. Éléments de cartographie sous R
Manipuler des objets spatiaux
Avoir des informations sur une carte et la représenter
summary(picardie)
require(sp)
plot(picardie)
12. Éléments de cartographie sous R
Manipuler des objets spatiaux
Manipuler une carte
Une carte est donc un objet de type SpatialPolygonsDataFrame. Il
contient plusieurs ensemble de données ; généralement, le seul qu’on
manipule directement est le slot @data, qui contient les données sur les
objets géographiques.
names(picardie@data)
## [1] "ID_GEOFLA" "CODE_COMM" "INSEE_COM" "NOM_COMM" "STATUT"
## [6] "X_CHF_LIEU" "Y_CHF_LIEU" "X_CENTROID" "Y_CENTROID" "Z_MOYEN"
## [11] "SUPERFICIE" "POPULATION" "CODE_CANT" "CODE_ARR" "CODE_DEPT"
## [16] "NOM_DEPT" "CODE_REG" "NOM_REGION" "codeINSEE"
summary(picardie@data$NOM_DEPT)
## AISNE OISE SOMME
## 816 693 782
13. Éléments de cartographie sous R
Manipuler des objets spatiaux
Manipuler une carte
De plus, on manipule une carte comme n’importe quel dataframe :
somme <- picardie[picardie@data$CODE_DEPT == "80", ]
Le package sp offre de plus des outils pour facilement manipuler
plusieurs couches cartographiques (par exemple étudier l’intersection de
plusieurs ensembles d’éléments géographiques).
Enfin, on sauve et charge cet objet comme n’importe quel autre :
save(picardie, file = "donnees/picardie.Rdata")
load("picardie.Rdata")
14. Éléments de cartographie sous R
Manipuler des objets spatiaux
Agréger des éléments cartographiques
On a parfois besoin de regrouper entre eux des polygones. Par exemple,
de ma carte communale, je veux tirer une carte des départements.
require(gpclib)
gpclibPermit()
## [1] TRUE
require(maptools)
dpts <- unionSpatialPolygons(picardie, IDs = picardie@data$CODE_DEPT)
plot(dpts)
15. Plan
1 Quelques éléments sur la cartographie
2 La cartographie dans R
3 Importer des données géographiques
4 Manipuler des objets spatiaux
5 Cartes choroplèthes
6 Représenter des effectifs
7 Représenter une variable catégorielle
8 Quelques subtilités supplémentaires...
16. Éléments de cartographie sous R
Cartes choroplèthes
Représenter des proportions : les cartes choroplèthes
L’intérêt d’une carte n’est généralement pas de simplement représenter
des objets géographiques mais d’y associer de l’information. Il y a de
multiples manières de le faire ; on se concentrera ici sur les cartes
choroplèthes, dans lesquelles les polygones sont coloriées en fonction de
la variable d’intérêt.
On commence par vérifier qu’on a bien un identidiant commun à nos
données et à notre carte :
load("donnees/mini_picardie.Rdata")
head(mini_picardie$CODE_COMMU)
## [1] 001 002 003 004 005 006
## 908 Levels: 001 002 003 004 005 006 007 008 009 010 011 012 013 ... 909
# Non, donc on recode :
mini_picardie$codeINSEE <- paste(as.character(mini_picardie$CODE_D_PAR), as.character(mini_picardie$CODE_COMMU),
sep = "")
17. Éléments de cartographie sous R
Cartes choroplèthes
Représenter des proportions : les cartes choroplèthes
Par facilité, on ne va travailler que sur la Somme. On utilise la fonction
carte.prop du package rgrs :
somme <- picardie[picardie@data$CODED EPT == ”80”, ]carte.prop(somme, minip icardie, varname = ”AbsIns”, sp.key =
”codeINSEE ”, data.key = ”codeINSEE ”, at = quantile(minip icardie$AbsIns, c(0, 0.25, 0.5, 0.75, 1)))
100
15.6575
13.195
10.58
0
NA
18. Éléments de cartographie sous R
Cartes choroplèthes
Paramétrer une carte choroplèthe
La fonction carte.prop prend une série d’arguments, que vous pouvez
tester.
Par ailleurs, pour le choix des couleurs, on peut s’aider du site
http://www.colorbrewer2.org. Les arguments palette.pos et
palette.neg de carte.prop prennent les noms proposés sur le site.
19. Plan
1 Quelques éléments sur la cartographie
2 La cartographie dans R
3 Importer des données géographiques
4 Manipuler des objets spatiaux
5 Cartes choroplèthes
6 Représenter des effectifs
7 Représenter une variable catégorielle
8 Quelques subtilités supplémentaires...