Génération carte de chaleur spatiale par ggmap en R basée sur une valeur

Question

j'aimerais générer une carte choroplèthe en utilisant les points de données suivants:

• Longitude
• Latitude
• Prix

Voici le jeu de données - https://www.dropbox.com/s/0s05cl34bko7ggm/sample_data.csv?dl=0.

Je voudrais la carte pour afficher les zones où le prix est plus élevé et le prix où est plus faible. Il devrait plus probablement ressembler à ceci (exemple d'image):

Voici mon code:

library(ggmap) 

map <- get_map(location = "austin", zoom = 9) 
data <- read.csv(file.choose(), stringsAsFactors = FALSE) 
data$average_rate_per_night <- as.numeric(gsub("[\\$,]", "", 
data$average_rate_per_night)) 
ggmap(map, extent = "device") + 
stat_contour(data = data, geom="polygon", 
      aes(x = longitude, y = latitude, z = average_rate_per_night, 
fill = ..level..)) + 
scale_fill_continuous(name = "Price", low = "yellow", high = "red") 

Je reçois le message d'erreur suivant:

2: Computation failed in `stat_contour()`: 
Contour requires single `z` at each combination of `x` and `y`. 

I J'apprécie vraiment toute aide sur la façon dont cela peut être réparé ou toute autre méthode pour générer ce type de heatmap. S'il vous plaît noter que je suis intéressé dans le poids du prix, pas la densité des dossiers.

Answer 1

Si vous insistez sur l'utilisation de l'approche de contour, vous devez fournir une valeur pour tous les x possibles, y coordonnées combinaison que vous avez dans vos données. Pour ce faire, je recommande fortement de quadriller l'espace et générer des statistiques récapitulatives par poubelle.

Je joins un exemple de travail ci-dessous en fonction des données que vous avez fournies:

library(ggmap) 
library(data.table) 

map <- get_map(location = "austin", zoom = 12) 
data <- setDT(read.csv(file.choose(), stringsAsFactors = FALSE)) 

# convert the rate from string into numbers 
data[, average_rate_per_night := as.numeric(gsub(",", "", 
     substr(average_rate_per_night, 2, nchar(average_rate_per_night))))] 

# generate bins for the x, y coordinates 
xbreaks <- seq(floor(min(data$latitude)), ceiling(max(data$latitude)), by = 0.01) 
ybreaks <- seq(floor(min(data$longitude)), ceiling(max(data$longitude)), by = 0.01) 

# allocate the data points into the bins 
data$latbin <- xbreaks[cut(data$latitude, breaks = xbreaks, labels=F)] 
data$longbin <- ybreaks[cut(data$longitude, breaks = ybreaks, labels=F)] 

# Summarise the data for each bin 
datamat <- data[, list(average_rate_per_night = mean(average_rate_per_night)), 
       by = c("latbin", "longbin")] 

# Merge the summarised data with all possible x, y coordinate combinations to get 
# a value for every bin 
datamat <- merge(setDT(expand.grid(latbin = xbreaks, longbin = ybreaks)), datamat, 
       by = c("latbin", "longbin"), all.x = TRUE, all.y = FALSE) 

# Fill up the empty bins 0 to smooth the contour plot 
datamat[is.na(average_rate_per_night), ]$average_rate_per_night <- 0 

# Plot the contours 
ggmap(map, extent = "device") + 
    stat_contour(data = datamat, aes(x = longbin, y = latbin, z = average_rate_per_night, 
       fill = ..level.., alpha = ..level..), geom = 'polygon', binwidth = 100) + 
    scale_fill_gradient(name = "Price", low = "green", high = "red") + 
    guides(alpha = FALSE) 

Vous pouvez ensuite jouer avec la taille du bac et le contour binwidth pour obtenir le résultat souhaité, mais Vous pouvez également appliquer une fonction de lissage sur la grille pour obtenir un tracé de contour encore plus lisse.

Answer 2

Vous pouvez utiliser le stat_summary_2d() ou stat_summary_hex() fonction pour obtenir un résultat similaire. Ces fonctions diviser les données en bacs (définis par x et y), et ensuite les valeurs de z pour chaque bac sont résumés sur la base d'une fonction donnée. Dans l'exemple ci-dessous, j'ai choisi en moyenne une fonction d'agrégation et la carte montre essentiellement le prix moyen dans chaque bac.

Note: J'avais besoin de traiter votre variable average_rate_per_night de manière appropriée afin de le convertir en nombres (enlevé le signe $ et la virgule).

library(ggmap) 
library(data.table) 

map <- get_map(location = "austin", zoom = 12) 
data <- setDT(read.csv(file.choose(), stringsAsFactors = FALSE)) 
data[, average_rate_per_night := as.numeric(gsub(",", "", 
    substr(average_rate_per_night, 2, nchar(average_rate_per_night))))] 

ggmap(map, extent = "device") + 
    stat_summary_2d(data = data, aes(x = longitude, y = latitude, 
     z = average_rate_per_night), fun = mean, alpha = 0.6, bins = 30) + 
    scale_fill_gradient(name = "Price", low = "green", high = "red")