空间数据分析与r语言实践_R语言空间数据分析（一）：总论

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。

HopeR：R语言空间数据分析（零）：总目录​zhuanlan.zhihu.com

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：

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)

同时可以进行可视化：

plot(shape)

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()

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")

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。