Chapter 13 geographic visualization
지리정보를 시각화하는 방법을 살펴보겠습니다. 제가 참고한 파일은 아래와 같습니다. 정말 감사드립니다.
| 저자 | URL |
|---|---|
| lee minho | https://lumiamitie.github.io/r/visualization/leaflet-in-R/ |
| 토리 | https://m.blog.naver.com/PostView.nhn?blogId=hss2864&logNo=221645854030&proxyReferer=https:%2F%2Fwww.google.com%2F |
13.1 데이터 다운 로드
데이터는 아래의 사이트에서 다운로드 합니다. 원데이터를 사이트에 가서 받아 보시는 것을 추천드립니다. 바쁘신 분은 2020년 5월 업데이트된 파일을 제 구글드라이브에 링크해놓았으니 참고하시기 바랍니다. 즉, 둘중 하나만 받으시면 되겠습니다.
| 데이터 소스 | url |
|---|---|
| 원데이터 | http://data.nsdi.go.kr/dataset/12942 |
| jinhaslab | https://drive.google.com/file/d/1LR0KwE6Y3DwGMpqw2TIXsw5s0GCUft2Q/view?usp=sharing |
원하는 곳에 저장하면 되겠습니다. 그리고 경로를 잘 기억해야 합니다. 저는 아래와 같이 data/gis에 저장했습니다.
shp file
library(rgdal)
library(tidyverse)
library(ggplot2)
library(raster)
library(DT)
dat <- shapefile('data/gis/Z_NGII_N3A_G0010000.shp')
dat_d <- fortify(dat)데이터를 살펴보겠습니다.long와 lat가 있습니다. 위도 경도입니다. 지도의 좌표입니다.
dat_d %>%
slice(1:100) %>%
DT::datatable()## Warning in instance$preRenderHook(instance): It seems your data is too big
## for client-side DataTables. You may consider server-side processing: https://
## rstudio.github.io/DT/server.html다운로드 받고 불러온 파일을 가지고 시각화 해보도록 하겠습니다.
dat %>%
ggplot() +
geom_polygon(aes(x=long, y=lat, group=group),
fill='white', color='grey')
그런데 아래의 표를 보면 0~16까지 번호가 있습니다. 우리나라 17개 도를 표시한 것 같은데 0이 무엇인지 1이 무엇인지 나와있지 않습니다. 어떻게 알아보면 될까요?
dat_d %>%
group_by(id) %>%
count() %>%
arrange(as.numeric(id)) %>%
datatable()우선 지역 데이터와 열지수 데이터를 가져와서 어떻게 지역을 맵핑해보도록 하겠습니다. 아래는 기상 데이터를 저장해 놓은 것을 가져오기 위한 데이터베이스 연결입니다. 상기 과정 및 서버 설정은 R and database에서 다루게 됩니다.
# db connect -------
con <-connect(dbms = "postgresql",
connectionString =
paste0("jdbc:postgresql://",
rstudioapi::askForPassword("Server address"),
"/ocdm"),
user=rstudioapi::askForPassword("Database user"),
password=rstudioapi::askForPassword("Database password"))## Connecting using PostgreSQL driver저는 이와 같은 DB가 연결되어 있습니다.
location_lkup <- dbGetQuery(con,
"SELECT region_id, region_name FROM heat.location_lkup") %>%
unique()
location_lkup## region_id region_name
## 1 11 서울
## 3 26 부산
## 4 27 대구
## 6 28 인천
## 9 29 광주
## 10 30 대전
## 11 31 울산
## 12 36 세종
## 13 41 경기
## 18 42 강원
## 33 43 충북
## 38 44 충남
## 44 45 전북
## 54 46 전남
## 70 47 경북
## 84 48 경남
## 98 49 / 50 제주그렇다면 0-16까지 번호로 되어 있는 id 와 기상정보에 있는 region_id 를 어떻게 정리할 지를 고민해 보도록 하겠습니다.
우선 0번은 어느 지역일까요? 아래와 같이하면 0 번은 제주도라는 것을 알 수 있습니다. 여기서 id == '0' 를 통해 알아본 것입니다. id가 0이면 TRUE, 아니면 FALSE라고 인식하게 되므로, TRUE인 파란색이 id ==0 으로 저장되어 있음을 알 수 있습니다.
dat_d %>%
ggplot() +
geom_polygon(aes(x=long, y=lat,
group=group, fill=id == '0'))
이에 location_lkup을 업데이트 할 수 있을 것 같습니다.
location_lkup <- location_lkup %>%
mutate(id = case_when(
region_name == '제주' ~ 0
))그러면 나머지도 알아보도록 하겠습니다.
즉, 아래와 같이 id 를 매치하였습니다. 마지막으로 제주를 49/50을 4950으로 변경하였습니다.
| region_id | region_name | id | |
|---|---|---|---|
| 1 | 4950 | 제주 | 0 |
| 2 | 48 | 경남 | 1 |
| 3 | 47 | 경북 | 2 |
| 4 | 46 | 전남 | 3 |
| 5 | 45 | 전북 | 4 |
| 6 | 44 | 충남 | 5 |
| 7 | 43 | 충북 | 6 |
| 8 | 42 | 강원 | 7 |
| 9 | 41 | 경기 | 8 |
| 10 | 36 | 세종 | 9 |
| 11 | 31 | 울산 | 10 |
| 12 | 30 | 대전 | 11 |
| 13 | 29 | 광주 | 12 |
| 14 | 28 | 인천 | 13 |
| 15 | 27 | 대구 | 14 |
| 16 | 26 | 부산 | 15 |
| 17 | 11 | 서울 | 16 |
그림을 그릴 자료인 dat_d 에
여기서 제공드리지는 못하지만 특정 데이터에서 열사병으로 병원에 입원한 횟수를 지역별, 일별로 계산한 자료가 heat_dz 입니다. 이를 년도별 자료로 변경하여 map data 에 병합하겠습니다.
heat_dz <- heat_dz %>%
mutate(date = as.Date(date, origin = "1970-01-01") )
heat_summary <- heat_dz %>%
mutate(months = month(date), year = year(date)) %>%
group_by(region_id, year) %>%
summarize(heat = sum(heat)) %>%
mutate(date =
make_datetime(year = year,
month = 8,
day =1))이를 이용해 mm데이터를 만들었습니다.
mm <- heat_summary %>%
left_join(location_lkup, by = 'region_id') %>%
left_join(dat_d %>% mutate(id = as.numeric(id)), by = 'id')13.2 visualizaton 1
즉 dat_d 파일은 제공드렸기 때문에 갖고 계실 것이고, 여기에 지역별 정보를 합친데이터가 mm 이라고 판단하시면 될 것 입니다. 각자의 데이터를 지역별로 만들어 dat_d 합친다면 mm과 동일한 자료 구조가 될 것 입니다. mm을 갖고 그려보도록 하겠습니다.
mm %>%
filter(year %in% c(2002)) %>%
ggplot() +
geom_polygon(aes(x=long, y=lat,
group = group,
fill = heat),
color = 'grey') +
theme_minimal() 2002년 자료를 만들었습니다.
2020 korea heat
다른 년도도 반복적으로 만들어 볼수 있겠습니다.
heat_map <- function(yrs){
p<- mm %>%
filter(year %in% c(yrs)) %>%
ggplot() +
geom_polygon(aes(x=long, y=lat,
group = group,
fill = heat),
color = 'grey') +
theme_minimal() +
ggtitle(paste0('Year:', yrs)) +
scale_fill_gradientn(colours=rev(topo.colors(50)),
na.value = "transparent", breaks=c(0, 50, 100),
labels=c(0, 50,100),
limits=c(0, 100))
p
ggsave(plot = p,
filename = paste0('animation/', yrs, ".png"),
device = 'png'
)
}
seq(from = 2002, to=2015, by=1) %>%
map_df(heat_map)library(magick)
list.files(path = "animation", pattern = "*.png", full.names = T) %>%
map(image_read) %>% # reads each path file
image_join() %>% # joins image
image_animate(fps=2) %>% # animates, can opt for number of loops
image_write("animation/heat_first.gif") # write to current dir
heat korea
13.3 visualization 2
shinyapp 을 통해 시각화를 할 수 있습니다. 간단한 shinyapp을 이용해 보겠습니다. shinyapp은 shinyapp 쳅터에 설명이 있습니다.
library(shiny)
yrs =c(2002:2015)
shinyApp(
ui = fluidPage(
selectInput("yrs", "Year:",
choices = unique(yrs)),
plotOutput("map_korea")
),
server = function(input, output) {
output$map_korea = renderPlot({
hh <- image_read(paste0('animation/', input$yrs, '.png'))
plot(hh)
})
},
options = list(height = 500)
)