Manateeではメルマガ会員を募集中！

テーマ

地理データをRで可視化する方法について考えます。
中でも基本の表現方法であるコロプレス図について各種パッケージの使用法、見え方を比較します。

0 コロプレス図について

コロプレス図は、エリア別の集計データ元に地図を色塗り分けして表現する手法です。集計データに色を割り当てるため、“どのように色を割り当てるか”の方針を決める必要があります。

具体的には、以下のような方針が挙げられます。

　・ 連続値に対して割り当て
　・ 階級区分に対して割り当て
　・ 等分法
　　- 等間隔法
　　- 最適区分法
　　- 各種クラスター分析による階級 ...and more

連続値として扱う場合は、集計データにそのまま連続色を割り当てますが階級区分を用いる場合は、集計データをある基準をもってグループに分割し、分割したグループに対して色を割り当てます。

たとえば、身近な例として等間隔法を挙げると

各地域別チョコレート消費額が最小値1000円、最大値7999円の集計データに対して "1000円ごとに"分割して"1000～1999円","2000～2999円",･･･,"7000～7999"の7階級に分割し, その階級それぞれに色を割り当てる

となります。

1 準備

1.1 データ

描画のために、今回は札幌市中央区の小地域データを使用します。下記e-statのページから、対象となる地域･調査年度･形式などを選択します。
今回はデータをシェープファイルとしてダウンロードしました。

e-stat(統計GIS) 国勢調査/平成22年度/男女別人口総数及び世帯総数/世界測地系

 

ダウンロードしたシェープファイルを読み込みます。
今回のようなデータは緯度経度情報を元にエリアがポリゴン化されたもの(Polygon)＋人口・世帯などの集計情報(Data)の構成となっており、R言語ではSpatialPoygonDataframeと呼ばれる形式で取り扱うことができます。

file<-"C:/Users/kudo_w/SkyDrive/Document/1_manaty/A002005212010DDSWC01101/h22ka01101.shp"
#データの準備
pj<-CRS("+proj=longlat +datum=WGS84") #緯度経度なので+projにlonglatを指定
Chuo<- maptools::readShapePoly(file,proj4string = pj)
#SpatialPolygonDataframeとして読み込み

読み込まれたデータを確認します。
SpatialPoygonDataframeは「data.frame」と「Polygon」を合わせたリスト構造です。
データ部は@data、polygon部は@polygonでアクセスすることができます。

#データ部の下から10レコードを表示
Chuo@data %>% tail(.) %>% kable()

#ポリゴン部一つ目を表示
Chuo@polygons[1]

 

[[1]]
An object of class "Polygons"
Slot "Polygons":
[[1]]
An object of class "Polygon"
Slot "labpt":
[1] 141.32838  43.08521

Slot "area":
[1] 3.785358e-06

Slot "hole":
[1] FALSE

Slot "ringDir":
[1] 1

Slot "coords":
          [,1]     [,2]
 [1,] 141.3281 43.08649
 [2,] 141.3285 43.08619
 [3,] 141.3289 43.08591
 [4,] 141.3293 43.08563
 [5,] 141.3299 43.08519
 [6,] 141.3299 43.08519
 [7,] 141.3299 43.08505
 [8,] 141.3299 43.08463
 [9,] 141.3291 43.08455
[10,] 141.3286 43.08450
[11,] 141.3281 43.08445
[12,] 141.3277 43.08440
[13,] 141.3272 43.08434
[14,] 141.3271 43.08480
[15,] 141.3271 43.08511
[16,] 141.3271 43.08517
[17,] 141.3271 43.08527
[18,] 141.3274 43.08561
[19,] 141.3274 43.08563
[20,] 141.3278 43.08615
[21,] 141.3279 43.08623
[22,] 141.3281 43.08649



Slot "plotOrder":
[1] 1

Slot "labpt":
[1] 141.32838  43.08521

Slot "ID":
[1] "0"

Slot "area":
[1] 3.785358e-06

元データをそのまま展開するとデータ部に含まれる変数が24と多く、表形式で把握するには見にくいので、今回使用する以下のものに整理してデータ部に入れ直します。

　・ MOJI = 各小地域名称
　・ lng = 小地域代表点(X)
　・ lat = 小地域代表点(Y)
　・ KEY_CODE = ユニークキー
　・ JINKO = 各小地域内人口
　・ SETAI = 各小地域内世帯数

#lng,latに代表点を格納
Chuo.d<- data.frame(MOJI=Chuo@data$MOJI,
                    X_CODE=Chuo@data$X_CODE,
                    Y_CODE=Chuo@data$Y_CODE,
                    KEY_CODE=Chuo@data$KEY_CODE,
                    JINKO=Chuo@data$JINKO,
                    SETAI=Chuo@data$SETAI)
Chuo@data <- Chuo.d
Chuo@data %>% tail(.) %>% kable(.,format="markdown")

見通しがよくなったのでこれを描画していきます。

2 描画

2.0 描画概要

「1 準備」で用意したSpatialPoygonDataframeを基に、以下4つのパッケージを使用してコロプレス図を描画していきます。
手元のRにインストールされていない場合は、install.packages関数でインストール可能です。

　・ ggplot2パッケージ
　・ leafletパッケージ
　・ plotパッケージ
　・ choroplethrパッケージ

2.1 ggplot2パッケージによるコロプレス図

2.1.1 連続値

まずggplot2パッケージで描画していきます。
現在データはSpatialPoygonDataframeとなっているので、前処理としてfortify()を使用してdata.frameへの変換と整形を行いました。

#フォントファミリーの指定
#メイリオを"MEI"というfamilyとして定義
windowsFonts(MEI=windowsFont("Meiryo"))

#Polygon部の情報をdata.frameに変換
map_df<-ggplot2::fortify(Chuo)

 

Regions defined for each Polygons

 

map_df %>% head(.,10) %>% knitr::kable(.,format="markdown")

#PolygonとData部の紐づけ
map_join<-data.frame(id=as.numeric(row.names(Chuo@data))-1,Chuo@data)
map_join$id<-as.character(map_join$id)

map_df<- dplyr::left_join(map_df,map_join,by="id") #JOIN
map_df %>% head(.,10) %>% knitr::kable(.,format="markdown")

#連続値
ggplot(map_df,aes(x=long,y=lat,group=group,fill=JINKO))+
  geom_polygon()+
  scale_fill_continuous(low="#fee0d2",high = "Red")+
  ggtitle("札幌市中央区小地域別人口")+
  theme(plot.title=element_text(size = rel(2),family = "MEI"))+
  coord_map("polyconic")

2.1.2 離散値:等間隔法

次に離散化での表現です。

Manateeではメルマガ会員を募集中！