Tracer les données d'un fichier csv sur une carte R, en soulignant leur origine différente

Question

Je suis nouveau en utilisant R et je trouve très difficile de tracer ces données J'ai déjà obtenu ma carte (en utilisant rworldmap). Voici les 2 lignes de code que j'ai utilisé:

library(rworldmap) 
newmap <- getMap(resolution = "low") 
plot(newmap) 
plot(newmap, xlim = c(-180, 180), ylim = c(-90, 90), asp = 1, fill=TRUE, col="white", bg="lightblue",) 

Ensuite, je l'ai fait comme suit pour afficher le contenu de mon fichier .csv

coordinates <- read.csv("seqmap.csv", header=T, fill=T, col.names=c("ID CODE", "latitude", "longitude", "sample nature", "seq.methods"), row.names=NULL) 
head(coordinates) 

Maintenant, voici le problème: I veulent comme polygone:

SQUARE pour la nature de l'échantillon = sédiments

CIRCLE pour la nature de l'échantillon = eau

Et comme la couleur de remplissage pour le polygone choisi

1) ROUGE pour seq.methods = Illumina

2) BLEU pour seq.methods = 454

3) VERT pour seq.methods = ion torrent

4) JAUNE pour seq.methods = Sanger

a titre d'exemples: pour un échantillon de sédiment séquencée avec Illumina: un squa re avec le rouge comme couleur de remplissage

Pour un échantillon d'eau séquencée avec 454: un cercle bleu comme couleur de remplissage

Je suis stucked à ce point et avec ma connaissance, je sens que je ne peux pas aller plus loin :( au lien suivant, vous pouvez trouver le fichier .csv https://www.dropbox.com/s/t812lf6xgc0d6kf/seqmap.csv?dl=0

Nous vous remercions d'avance pour toute aide et désolé pour toute erreur de grammaire/orthographe, l'anglais est pas ma langue maternelle :)

Answer 1

Si vous pouvez vivre avec des caractères au lieu de polygones, vous pouvez vouloir essayer comme ceci:

library(rworldmap) 
newmap <- getMap(resolution = "low") 
download.file("https://www.dropbox.com/s/t812lf6xgc0d6kf/seqmap.csv?dl=1", csv <- tempfile(fileext = ".csv")) 
coordinates <- read.csv(csv, header=T, fill=T, sep=";", col.names=c("ID CODE", "latitude", "longitude", "sample nature", "seq.methods"), row.names=NULL) 

pdf(pdffile <- tempfile(fileext = ".pdf"), width = 80, height = 40) 
plot(newmap, xlim = c(-180, 180), ylim = c(-90, 90), asp = 1, fill=TRUE, col="white", bg="lightblue",) 

with(coordinates, 
    points(x=longitude, y=latitude, cex=.5, # reduce symbol size a bit 
      col=adjustcolor(c("Illumina"="red", "454"="blue", "ion torrent"="green", "Sanger"="yellow")[as.character(seq.methods)], alpha.f = .5), 
      pch=c("sediment"=15, "water"=19)[as.character(sample.nature)] 
    ) 
) 
dev.off() 
shell.exec(pdffile) # open pdf doc on windows to zoom/pan easily... 

Answer 2

Comme vos points de données sont répartis partout dans le monde, il peut être difficile de distinguer les points sur la carte lorsque vous tracez tout dans une carte. Comme alternative, vous pouvez créer une intrigue à facettes avec un gros plan pour plusieurs parties du monde.Je propose les étapes suivantes:

1: lire les données et assurez-vous qu'ils ont la bonne classe:

coordinates <- read.csv2("seqmap.csv", header=T, fill=T, 
         col.names=c("ID.CODE", "latitude", "longitude", "sample.nature", "seq.methods"), 
         row.names=NULL) 
coordinates$latitude <- as.numeric(as.character(coordinates$latitude)) 
coordinates$longitude <- as.numeric(as.character(coordinates$longitude)) 

2: charge les bibliothèques nécessaires:

library(ggplot2) 
library(ggmap) 
library(grid) 
library(gridExtra) 

3: Créez des groupes de points et attribuez des valeurs de cluster aux points:

km <- kmeans(coordinates[,c("longitude","latitude")], centers = 6) 
coordinates$cluster <- km$cluster 

4: Obtenez les cartes pour les différents groupes:

> km$centers 
    longitude latitude 
1 -156.7000 71.37000 
2 -88.3875 28.82875 
3 -39.0700 -17.65200 
4 139.3400 35.88667 
5 94.4150 -67.29500 
6 -64.5000 32.17000 

map1 <- get_map(location = c(lon = -156.7, lat = 71.37), zoom = 7) 
map2 <- get_map(location = c(lon = -88.3875, lat = 28.82875), zoom = 9) 
map3 <- get_map(location = c(lon = -39.07, lat = -17.652), zoom = 9) 
map4 <- get_map(location = c(lon = 139.34, lat = 35.88667), zoom = 8) 
map5 <- get_map(location = c(lon = 94.415, lat = -67.295), zoom = 4) 
map6 <- get_map(location = c(lon = -64.5, lat = 32.17), zoom = 10) 

5: Créer les cartes et les stocker sous forme d'objets:

p1 <- ggmap(map1) + 
    geom_point(data=coordinates[coordinates$cluster==1,], aes(x=longitude, y=latitude, shape=sample.nature, fill=seq.methods), size=3) + 
    scale_shape_manual(values=c("sediment"=21,"water"=22)) + 
    scale_fill_manual(values=c("Illumina"="red")) + 
    guides(shape=FALSE, fill=FALSE) + 
    ggtitle("Alaska") 

p2 <- ggmap(map2) + 
    geom_point(data=coordinates[coordinates$cluster==2,], aes(x=longitude, y=latitude, shape=sample.nature, fill=seq.methods), size=3) + 
    scale_shape_manual(values=c("sediment"=21,"water"=22)) + 
    scale_fill_manual(values=c("Illumina"="red","ion torrent"="green")) + 
    guides(shape=FALSE, fill=FALSE) + 
    ggtitle("New Orleans") 

p3 <- ggmap(map3) + 
    geom_point(data=coordinates[coordinates$cluster==3,], aes(x=longitude, y=latitude, shape=sample.nature, fill=seq.methods), size=3) + 
    scale_shape_manual(values=c("water"=22)) + 
    scale_fill_manual(values=c("454"="blue")) + 
    guides(shape=FALSE, fill=FALSE) + 
    ggtitle("Brazil") 

p4 <- ggmap(map4) + 
    geom_point(data=coordinates[coordinates$cluster==4,], aes(x=longitude, y=latitude, shape=sample.nature, fill=seq.methods), size=3) + 
    scale_shape_manual(values=c("sediment"=21)) + 
    scale_fill_manual(values=c("454"="blue")) + 
    guides(shape=FALSE, fill=FALSE) + 
    ggtitle("Japan") 

p5 <- ggmap(map5) + 
    geom_point(data=coordinates[coordinates$cluster==5,], aes(x=longitude, y=latitude, shape=sample.nature, fill=seq.methods), size=3) + 
    scale_shape_manual(values=c("water"=22)) + 
    scale_fill_manual(values=c("Sanger"="yellow")) + 
    guides(shape=FALSE, fill=FALSE) + 
    ggtitle("Antartica") 

p6 <- ggmap(map6) + 
    geom_point(data=coordinates[coordinates$cluster==6,], aes(x=longitude, y=latitude, shape=sample.nature, fill=seq.methods), size=3) + 
    scale_shape_manual(values=c("water"=22)) + 
    scale_fill_manual(values=c("454"="blue","Illumina"="red")) + 
    guides(shape=FALSE, fill=FALSE) + 
    ggtitle("Bermuda") 

6: Créer une légende séparée:

p0 <- ggplot(data=coordinates, aes(x=longitude, y=latitude, shape=sample.nature, fill=seq.methods, color=seq.methods)) + 
    geom_point(size=4) + 
    scale_shape_manual("Sample:",values=c("sediment"=21,"water"=22)) + 
    scale_fill_manual("Method:",values=c("454"="blue","Illumina"="red","ion torrent"="green","Sanger"="yellow")) + 
    scale_color_manual("Method:",values=c("454"="blue","Illumina"="red","ion torrent"="green","Sanger"="yellow")) + 
    theme(legend.key=element_rect(fill=NA)) 

# function to extract the legend (borrowed from: https://github.com/hadley/ggplot2/wiki/Share-a-legend-between-two-ggplot2-graphs) 
g_legend<-function(a.gplot){ 
    tmp <- ggplot_gtable(ggplot_build(a.gplot)) 
    leg <- which(sapply(tmp$grobs, function(x) x$name) == "guide-box") 
    legend <- tmp$grobs[[leg]] 
    return(legend)} 

legend <- g_legend(p0) 
lwidth <- sum(legend$width) 

7: Créer le tracé final avec:

grid.arrange(arrangeGrob(p1, p2, p3, p4, p5, p6, ncol=2), 
      legend, widths=unit.c(unit(1, "npc") - lwidth, lwidth), nrow=1) 

qui donne le résultat suivant: