r - 热图中的密度计数

Question

我的热图有问题，它显示了密度水平，但没有说明密度计数。 (例如，同一区域有多少个点)。

我的数据分为更多列，但最重要的是:lat,lon。

我想要这样的东西，但带有“计数”:https://stackoverflow.com/a/24615674/5316566 , 但是，当我尝试应用他在该答案中使用的代码时，我的最大“级别”密度并不能反射(reflect)我的密度计数。(例如，我收到 7500 的 Intead 6，即使我集中了成千上万的数据) . 那是我的代码:

us_map_g_str <- get_map(location = c(-90.0,41.5,-81.0,42.7), zoom = 7)
ggmap(us_map_g_str, extent = "device") + 
geom_tile(data = data1, aes(x = as.numeric(lon), y = as.numeric(lat)), size = 0.3) + 
stat_density2d(data = data1, aes(x = as.numeric(lon), y = as.numeric(lat), fill = ..level.., alpha = ..level..), size = 0.3, bins = 10, geom = "polygon") + 
scale_fill_gradient(name= "Ios",low = "green", high = "red", trans= "exp") + 
scale_alpha(range = c(0, 0.3), guide = FALSE)

这是我得到的:

这是部分数据:

  lat       lon       tag  device
1 43.33622 -83.67445   0 iPhone5
2 43.33582 -83.69964   0 iPhone5
3 43.33623 -83.68744   0 iPhone5
4 43.33584 -83.72186   0 iPhone5
5 43.33616 -83.67526   0 iPhone5
6 43.25040 -83.78234   0 iPhone5

(“标签”栏不重要)

Answer 1

修订

我意识到我之前的回答需要修改。所以，就在这里。如果你想找出一个轮廓的每一层有多少个数据点，你实际上有很多事情要做。如果您乐于使用下面的 leaflet 选项，您的生活会轻松得多。

首先，让我们获取底特律的 map ，并创建一个示例数据框。

library(dplyr)
library(ggplot2)
library(ggmap)

mymap <- get_map(location = "Detroit", zoom = 8)

### Create a sample data
set.seed(123)
mydata <- data.frame(long = runif(min = -84, max = -82.5, n = 100),
                     lat = runif(min = 42, max = 42.7, n = 100))

现在，我们绘制一张 map 并将其保存为g。

g <- ggmap(mymap) +
     stat_density2d(data = mydata,
                    aes(x = long, y = lat, fill = ..level..),
                    size = 0.5, bins = 10, geom = "polygon")

真正的工作从这里开始。为了找出所有级别的数据点数，您需要使用 ggplot 生成的数据框。在这个数据框中，您有多边形的数据。这些多边形用于绘制水平线。您可以在下图中看到，我在 map 上绘制了三个级别。

### Create a data frame so that we can find how many data points exist
### in each level.

mydf <- ggplot_build(g)$data[[4]]

### Check where the polygon lines are. This is just for a check.

check <- ggmap(mymap) +
         geom_point(data = mydata, aes(x = long, y = lat)) +
         geom_path(data = subset(mydf, group == "1-008"), aes(x = x, y = y)) +
         geom_path(data = subset(mydf, group == "1-009"), aes(x = x, y = y)) +
         geom_path(data = subset(mydf, group == "1-010"), aes(x = x, y = y)) 

下一步是为图例重新创建一个水平向量。我们按组对数据进行分组(例如，1-010)，并使用 slice() 获取每个组的第一行。然后，取消数据分组并选择第 2 列。最后，创建一个向量 使用 unlist()。最后我们回到lev。

mydf %>%
group_by(group) %>%
slice(1) %>%
ungroup %>%
select(2) %>%
unlist -> lev

现在我们按组拆分多边形数据(即 mydf)，并为每个级别创建一个多边形。因为我们有 11 个级别(11 个多边形)，所以我们使用 lapply()。在 lapply 循环中，我们需要做的； 1) 提取经度和纬度列，2) 创建多边形，3) 将多边形转换为空间多边形，4) 分配 CRS，5) 创建一个虚拟数据框，以及 6) 创建 SpatialPolygonsDataFrames。

mylist <- split(mydf, f = mydf$group)

test <- lapply(mylist, function(x){

              xy <- x[, c(3,4)]

              circle <- Polygon(xy, hole = as.logical(NA))

              SP <- SpatialPolygons(list(Polygons(list(circle), ID = "1")))

              proj4string(SP) <- CRS("+proj=longlat +ellps=WGS84")

              df <- data.frame(value = 1, row.names = "1")

              circleDF <- SpatialPolygonsDataFrame(SP, data = df)

            })

现在我们回到原始数据。我们需要做的是将数据框转换为 SpatialPointsDataFrame。这是因为我们需要对数据进行子集化并找出每个多边形(每个级别)中存在多少个数据点。首先，从你的 data.frame 中获取 long 和 lat。确保顺序是经度/纬度。

xy <- mydata[,c(1,2)]

然后，我们创建 SPDF (SpatialPolygonsDataFrame)。您希望在空间多边形和空间点数据之间具有相同的 proj4string。

spdf <- SpatialPointsDataFrame(coords = xy, data = mydata,
                               proj4string = CRS("+proj=longlat +ellps=WGS84"))

然后，我们使用每个多边形对数据 (mydata) 进行子集化。

ana <- lapply(test, function(y){

              mydf <- as.data.frame(spdf[y, ])

            })

数据点在不同层级重叠；我们有重复。首先，我们尝试找出每个级别的唯一数据点。我们在ana中绑定(bind)数据框，创建一个数据框，就是foo1。我们还创建了一个数据框，我们希望在其中找到唯一数量的数据点。我们确保 foo1 和 foo2 之间的列名完全相同。使用 setdiff() 和 nrow()，我们可以找到每个级别中唯一的数据点数。

total <- lapply(11:2, function(x){

                foo1 <- bind_rows(ana[c(11:x)])
                foo2 <- as.data.frame(ana[x-1])
                names(foo2) <- names(foo1)
                nrow(setdiff(foo2, foo1))               
              })

最后，我们需要找到最内层的数据点数，即第 11 层。我们在 ana 中选择第 11 层的数据帧并创建一个数据帧并统计行数。

 bob <- nrow(as.data.frame(ana[11]))
 out <- c(bob,unlist(total))

 ### check if total is 100
 ### sum(out)
 ### [1] 100

我们将反转的 out 指定为 lev 的名称。这是因为我们想要显示图例中每个级别存在多少个数据点。

 names(lev) <- rev(out)

现在我们准备好添加图例了。

 final <- g +
          scale_fill_continuous(name = "Total",
                                guide = guide_legend(),
                                breaks = lev)

 final

传单选项

如果使用 leaflet 包，则可以对具有不同缩放比例的数据点进行分组。 Leaflet 统计了某些区域的数据点，并用圆圈表示数字，如下图所示。放大得越多，传单将数据点分解成小组的次数就越多。就工作量而言，这要轻得多。此外，您的 map 是交互式的。这可能是更好的选择。

library(leaflet)
leaflet(mydf) %>%
addTiles() %>%
addMarkers(clusterOptions = markerClusterOptions())