👇🏾 🛀🏾 💆🏾 आर: बढ़े हुए यूरोपीय भाग के साथ रूस का हॉरपलेट मानचित्र 🏞️ 📋 ✏️

मुख्य बात के बारे में संक्षेप में: हाल ही में पोस्ट इन्फोटंका पढ़ा। मैं तात्याना मिस्युटिना की वेबसाइट पर चढ़ गया और एक बढ़े हुए यूरोपीय भाग के साथ रूस के एक डरावने नक्शे पर जासूसी की। और वास्तव में, एक बहुत अच्छा विचार है। आसानी से, स्पष्ट रूप से। मैं खुद को उसी ग्राफ़ के लिए R के तहत एक टेम्पलेट बनाना चाहता था। आखिरकार, अच्छे विचारों को विभाजन द्वारा प्रचारित किया जाना चाहिए?

वैश्विक प्रशासनिक क्षेत्रों की वेबसाइट से हम रूस के क्षेत्रों की सीमाओं के बहुभुज लेते हैं। आर के लिए बस एक देशी प्रारूप है। डेटा को SpatialPolygonsDataFrame के रूप में लोड किया जाता है।

हम फ़ाइल लोड करते हैं, जो है उसे खींचने की कोशिश करें:

rusdf <- load('RUS_adm1.RData') plot(gadm)

यह ऐसी अजीब बात है:

सिद्धांत रूप में, सब कुछ सही है। हमने किसी भी अनुमान का उपयोग नहीं किया, निर्देशांक के संदर्भ में सब कुछ सत्य प्रतीत होता है। लेकिन "चुची बिखेरना" शर्मनाक है। बेशक, सबसे सही समाधान उन बहुभुजों के लिए एक बेलनाकार प्रक्षेपण का उपयोग करना होगा जो पहले से मौजूद हैं। चुकोटका "इकट्ठा" होगा, लेकिन 180 देशांतर मध्याह्न रेखा के साथ सीमा बनी रहेगी और दिखाई देगी। और रैंगल के द्वीप पर, और चुकोटका स्वायत्त ऑक्रग। जाहिर है, एक बहुभुज में त्रुटियों के कारण, वे कनेक्ट नहीं होते हैं। बहुत बुरा। इसलिए, देशांतर सीमा को 180 डिग्री से अधिक करने का निर्णय लिया गया। हाँ, "युद्ध में पाई की संख्या चार तक पहुँच सकती है।"

 for(i in 1:length(gadm@polygons)){ for(j in 1:length(gadm@polygons[[i]]@Polygons)){ gadm@polygons[[i]]@Polygons[[j]]@coords[,1]<- sapply(gadm@polygons[[i]]@Polygons[[j]]@coords[,1], function(x){ if(x < 0){ x<-359.999+x } else{x} }) } }

कुछ पहले से ही कम है। लेकिन यह क्या है? चिता क्षेत्र, अगिंस्की बरात, कोर्याक और कोमी-पर्म्यक स्वायत्त ओक्रग्स। एक साल के लिए यह हमारे यार्ड में कैसा है? 2003 या 2013? सामान्य तौर पर, हमें रूसी संघ के घटक संस्थाओं के प्रशासनिक एकीकरण की प्रक्रिया शुरू करनी चाहिए। हम पुराने क्षेत्रों को रखेंगे, बस मामले में। संग्रहीत डेटा को विज़ुअलाइज़ करने के लिए अचानक उपयोगी है।

 # Zabaikalsky krai (Chitinskaya obl. + Aginskiy Buryatskiy AOk) united.reg[united.reg == 2 | united.reg == 13] <- 91 united.reg <- as.character(united.reg) rus.map <- unionSpatialPolygons(gadm, united.reg) # Returning old regions (before unioning) old.regions <- list() old.regions <- c(old.regions, Polygons(gadm[gadm$ID_1==2,]@polygons[[1]]@Polygons, ID = '2')) old.regions <- c(old.regions, Polygons(gadm[gadm$ID_1==13,]@polygons[[1]]@Polygons, ID = '13')) rus.map <- SpatialPolygons(c(slot(rus.map,'polygons'), old.regions))

क्षेत्रों के एकीकरण के बाद, पुरानी सीमाओं के स्थल पर कुछ स्थानों पर, गैर-चौराहे के कारण कलाकृतियां बनती हैं। हम बहुभुज के छोटे क्षेत्र और पैरामीटर छेद (फ़ंक्शन क्लीन. बॉर्डर्स) के अनुसार कलाकृतियों को फ़िल्टर करते हैं। मानचित्र की तैयारी के साथ, यह सब प्रतीत होता है।

आप आंकड़ों के साथ एक तालिका लोड कर सकते हैं और आकर्षित कर सकते हैं।

तालिका उन क्षेत्रों की आईडी दिखाती है, जिनके लिए बहुभुजों को आंकड़ों के साथ जोड़ा जाएगा। पुराने क्षेत्र हैं, और अभी मौजूद हैं। रेंडरिंग के लिए बहुभुजों का चयन डेटा कॉलम के अनुसार होता है: यदि "एनए" सांख्यिकी क्षेत्र में है, तो फेडरेशन का यह विषय बिल्कुल भी प्रस्तुत नहीं किया गया है; यदि आंकड़े "शून्य" हैं, तो क्षेत्र को धूसर कर दिया गया है। मानचित्र के शेष रंगों को RColorBrewer पट्टियों का उपयोग करके कॉन्फ़िगर किया गया है। यहां आप पैलेट के प्रकार का चयन कर सकते हैं: (1) एक ही रंग के शेड्स - साइन की गंभीरता दिखाते हुए, या (2) डाइवर्जिंग - प्लस (एक रंग, जैसे हरा या माइनस (दूसरा रंग, उदा। लाल) में औसत मान से विचलन।

अगला कदम एक बेसमैप बनाने के लिए है। बाद की सारांश तस्वीर बस इस मूल चार्ट के दो विचारों का एक संयोजन होगी। हम बेस चार्ट से सभी इंडेंट, बैकग्राउंड, एक्सिस लेबल और लेबल हटाते हैं।

 p <- p + theme(axis.line=element_blank(),axis.text.x=element_blank(), axis.text.y=element_blank(),axis.ticks=element_blank(), axis.title.x=element_blank(), axis.title.y=element_blank(), legend.position = 'none', panel.margin = unit(c(0,0,0,0), 'cm'), axis.ticks.margin = unit(0, 'cm'), axis.ticks.length = unit(0.001, 'cm'), plot.margin = unit(c(0,0,0,0), 'cm'), panel.grid = element_blank(), panel.background = element_blank() ) p <- p + labs(x=NULL, y = NULL)

और बहुभुज खींचने के क्रम से संबंधित एक छोटा "हैक"। SpatialPolygons से बहुभुज बनाते समय, Ggplot2 उनकी छेद की संपत्ति को ध्यान में नहीं रखता है। परिणामस्वरूप, यदि मॉस्को क्षेत्र मॉस्को के बाद खींचा जाता है, भले ही स्रोत डेटा में एक "अनन्य" छेद बहुभुज था, तो ggplot मॉस्को के क्षेत्र को क्षेत्र के रंग से भर देगा। Adygea के साथ भी यही समस्या है। इसलिए, इन दो क्षेत्रों को अंतिम रूप दिया जाता है, बाकी सभी के निर्माण के बाद।

अब एक ग्राफ से हमें दो विचार प्राप्त करने की आवश्यकता है: बढ़े हुए यूरोपीय भाग (पी 1) और बाकी देश (पी 2)। उसी चरण में, मानचित्र प्रक्षेपण (समान दूरी के साथ), "कैमरा" की स्थिति और देखने के कोण का चयन करें। हम लीजेंड को ग्राफ़ में से एक में लौटाते हैं। कॉर्ड_मैप फ़ंक्शन की सुंदरता यह है कि जब चित्र पर दिखाई देने वाले डेटा को प्रस्तुत नहीं किया जाता है और ग्राफ़ के दृश्य भाग का निर्माण करते समय इसे ध्यान में रखा जाता है। यही है, भले ही रूस के यूरोपीय और एशियाई भागों के लिए आंकड़ों की सीमा अलग हो, लेकिन किंवदंती और रंग कोडिंग में कोई विफलता नहीं होगी। मैंने "वैज्ञानिक प्रहार विधि" का उपयोग करते हुए इस ग्राफ के लिए खेतों और देखने के कोणों का चयन किया, विभिन्न विकल्पों के माध्यम से छांटा। मुझे खुशी होगी अगर कोई मुझे अधिक विश्वसनीय और दोहराए जाने वाला तरीका बताता है।

अंतिम चित्र ग्रिड लाइब्रेरी का उपयोग करके इकट्ठा किया गया है। यह आपको समग्र चित्र (व्यूपोर्ट) में व्यक्तिगत तत्वों को सम्मिलित करने के लिए क्षेत्रों को चिह्नित करने की अनुमति देता है। अब तक, "भारी" ग्राफिक्स के बिना, प्लेसहोल्डर्स की मदद से हम तत्वों को रखने के लिए एक उपयुक्त विकल्प का पता लगा लेंगे:

हम ग्राफ़ के बाएं और दाएं भागों के तराजू में अंतर दिखाने के लिए आवर्धक ग्लास का एक सरल आइकन बनाते हैं।

 magnif.glass <- function(vport){ grid.circle(x=.6,y=.6,r=.3, gp=gpar(lwd=1.5, col='grey70'), vp = vport) grid.lines(x=c(.6,.6), y=c(.5,.7), gp=gpar(lwd=1.5, col='grey70'), vp = vport) grid.lines(x=c(.5,.7), y=c(.6,.6), gp=gpar(lwd=1.5, col='grey70'), vp = vport) grid.lines(x=c(.1,.4), y=c(.1,.4), gp=gpar(lwd=1.5, col='grey70'), vp = vport) grid.lines(x=c(.1,.3), y=c(.1,.3), gp=gpar(lwd=3, col='grey70'), vp = vport) }

और हम एक टेक्स्ट लीडर को एक औसत मान या किसी अन्य विशाल और महत्वपूर्ण आंकड़े के साथ जोड़ते हैं। वह सब मालूम होता है।

परीक्षण डेटा के साथ सभी कोड GitHub पर निहित है । अंत में, समुदाय से दो प्रश्न:
1. मुझे नए मॉस्को की सीमाओं का आकार-फ़ाइल कहां मिल सकता है? मैं इस पल को अपडेट करना चाहूंगा।
2. वास्तव में क्या सुधार / सुधार की आवश्यकता है? और फिर मैं एक नकली वेल्डर हूं। मुझे बताओ?

आर: बढ़े हुए यूरोपीय भाग के साथ रूस का हॉरपलेट मानचित्र

More articles: