作者:黄天元,复旦大学博士在读,热爱数据科学与开源工具(R),致力于利用数据科学迅速积累行业经验优势和科学知识发现,涉猎内容包括但不限于信息计量、机器学习、数据可视化、应用统计建模、知识图谱等,著有《R语言高效数据处理指南》(《R语言数据高效处理指南》(黄天元)【摘要 书评 试读】- 京东图书)。知乎专栏:R语言数据挖掘。邮箱:huang.tian-yuan@qq.com.欢迎合作交流。https://zhuanlan.zhihu.com/p/283199848zhuanlan.zhihu.com
这个帖子接着上次在HopeR:R语言空间数据分析(六):空间点分布特征中使用的例子,继续进行拓展,来解释量化空间自相关的几种系数及其实现。这里,我们先载入英国选区的地理边界数据:
# 数据读入
LondonWards
# 观察坐标系
st_crs(LondonWards)
# 可视化
tmap_mode("view")
# 选取数据子集
BluePlaquesSub
tm_shape(LondonWards) +
tm_polygons(col = NA, alpha = 0.5) +
tm_shape(BluePlaquesSub) +
tm_dots(col = "blue")
然后,我们需要对地理信息进行数据操作,首先让选区信息与名人故居做连接,然后我们对选区名称进行计数(事实上是计算每个选区内有多少名人故居),再利用st_area函数来计算选区面积,有了面积还可以对故居密度进行计算。最后,我们选出我们需要的一些变量。实现代码如下:
points_sf_joined %
st_join(BluePlaquesSub)%>%
add_count(WardName)%>%
#calcualte area
mutate(area=st_area(.))%>%
#then density of the points per ward
mutate(density=n/area)%>%</