作者：黄天元

HopeR：R语言空间数据分析（零）

最近对空间分析比较感兴趣，所以准备开始系统学习一下R中的空间数据挖掘。国外资料已经非常多，知难行易，一点一点夯实基础。主要资料如下：

CASA0005 Geographic Information Systems and Science

Spatial Data Science

Geocomputation with R

Geodesic geometry

下面做一个简单的上手案例，就是读取shape格式文件，然后进行观察和可视化。一般来说，shape格式文件需要有三个文件，才能够成为一个完整的整体（分别是".shp", ".shx"与 ".dbf"文件，具体参考shapefile文件_百度百科）。我们演示的原始文件来自于：https://github.com/andrewmaclachlan/CASA0005repo/tree/master/prac10_data/statistical-gis-boundaries-london/ESRI，分别是以下3个文件：




R语言创建空间权重矩阵 r语言空间统计分析_R语言创建空间权重矩阵


我把它们放在data目录下，实现代码如下：


library(pacman)
p_load(sf)

shape <- st_read("data/London_Borough_Excluding_MHW.shp")


这样，就可以把shape格式的文件读入到R中，现在放到shape变量中了。它本质上是一个带有元信息的数据框，可以用summary来观察它的数据结构：


summary(shape)


R语言创建空间权重矩阵 r语言空间统计分析_数据科学_02


同时可以进行可视化：


plot(shape)


R语言创建空间权重矩阵 r语言空间统计分析_空间数据分析与r语言实践_03


我们可以看到，如果是分类变量，那么就会利用不同的离散颜色做区分；如果是数值变量，则会自动调用冷暖色调来做数值区分。此外，如果属性中只有缺失值，那么地理空间中将会是一片空白（如SUB_2009）。我们也可以只提取其地理属性（边界），然后进行可视化：


shape %>% 
  st_geometry() %>%
  plot()


R语言创建空间权重矩阵 r语言空间统计分析_ci_04


tmap包提供了较好的可视化功能，不过包的加载可能会花费一些时间。比如，我们来对HECTARES变量进行可视化：


p_load(tmap)
tmap_mode("plot")
qtm(shape,fill = "HECTARES")


R语言创建空间权重矩阵 r语言空间统计分析_空间数据分析与r语言实践_05


这里图例位置显然安排不合理，但是以后再来提如何修改这些细节。