CrimeMap, LondonR and a Book Review. In preparation for my LondonR talk in March, I am polishing up my CrimeMap (see previous blog post here and here) in my spare time.
Thanks to Chris Beeley and Packt, I won a free e-copy of Chris Beeley’s book following his great talk about Shiny web app during the last LondonR meeting. Convert IP addresses to geolocation, latitude and longitude etc etc. Whoa!
Now this is cool. It turns out there is a database at freegeoip.net which you can query for the location of a particular IP address. And as it has a neat little API for batches of IPs, you can get R to fetch them en masse. That’s exactly what Heuristic Andrew has just done with a function that uses the rjson package to pull down data from the JSON version of the database. If you wanted to run a lot of these, you could compile your own local version of the database provided you have a Python interpreter, as described on the GitHub page. You know, I’m not sure that really is Kingston University’s servers. I couldn’t resist playing around with it. So, lesson 1: don’t trust the Google Map search on the home page.
The choroplethr package for R. At Trulia we deal with a lot of spatial information: housing markets vary dramatically from one part of the country to another, as do the demographics of each region.
Being able to visualize these regional differences helps us to understand them. Choropleth maps are a useful way to visualize this kind of information. In a choropleth, regions are colored based on some metric, such as which presidential candidate a state voted for. Easy data maps with R: the choroplethr package. Computing Maritime Routes in R. R, cartographie, suite.
Billet publié le 08/11/2010 Comment obtenir rapidement cette carte représentant le taux brut de natalité dans divers pays d’Europe, en 2009 : Il faut tout d’abord disposer de données (issues de Eurostat) et d’un fichier shapefile — trouvé sur le site de la Commission européenne par François “Politbistro” B. — (Voici le tout dans une archive zippée : maps.zip) Voici le code.
Somme toute, ce n’est pas un code très lourd pour générer une aussi jolie carte (les couleurs auraient pu être mieux choisies, ainsi que les intervalles, mais tout ceci est grandement modifiable). Ce qui est compliqué, c’est d’associer les données dont on dispose et le fichier shapefile. J’ai colorié en gris les pays pour lesquels les données manquent. Cartographie avec R, “tutoriel” Début de cartographie avec R. Billet publié le 14/07/2008 R, le logiciel libre de statistiques, peut être étendu au traitement de données spatiales, et il arrive même à générer des cartes.
La plupart des exemples que j’ai trouvés en ligne concernent l’utilisation de fichiers de type shapefile .shp, j’avais besoin d’un outil plus simple. Le package “maps” qui contient une carte des départements français, semblait un point de départ intéressant. Ce billet a pour but d’aider d’autres novices qui souhaiteraient produire des choses similaires à ceci : Les deux cartes ci-dessus ont été produites avec R et le paquet “maps”. Le principal problème, à mon avis, avec la géo-statistique, c’est l’établissement du lien entre le fond de carte et les données. Install.packages("maps") library(maps) france<-map(database="france") L’objet “france” est composé de descriptifs des polygones départements : $x (longitudes) et $y ; d’une description de la zone : $range ; et des noms des départements : $names. Résultats du second tour: ma première choroplèthe avec R. Article en français French elections - my first choropleth with R : Many journalists say that the electoral campaigns are becoming "data campaigns".
Résultats du second tour: nature du vote vs distance au littoral. Article en français French elections: nature of votes versus distance to the coast : In the previous post, we saw how to make a simple choropleth of votes.
Here, I detail how to create a dataviz combining a map and a standard xy plot to visualize the relation that exists between the nature of votes and the distance to the coast. A good opportunity to use a very interesting R library: spatstat. Dans le précédent post, nous avons vu comment ajouter les résultats du vote à de la donnée spatialisée afin d'aboutir à une petite choroplèthe des résultats: Avant de réaliser l'article sur la réalisation d'une carte isarithmique et de partir en week-end prolongé :), je vous propose ici un petit article sur une méthode de représentation graphique de la relation existant entre la nature des votes et la distance séparant chaque commune au littoral. Pour cela, dans un premier temps, il faut télécharger le trait de côte disponible sur le site du Service Hydrographique et Océanique de la Marine: Première réunion 8/2/2012 : bases de données SQLite et cartographie. Datavisualization.ch Selected Tools.