使用R和ggmap创建的地图图
它是data.gov开放数据项目的一部分。结果确实很整洁，但这让我思考-我们在数据集中具有经度和纬度，那么为什么不创建一些地理图呢？  
你们都知道我很喜欢漂亮的数据可视化，而且我只知道这样做的包装：GGMAP！ggmap软件包扩展了令人惊奇的ggplot核心功能，以实现空间和地理可视化。  
让我们开始吧！
1）设置R
2）安装和加载软件包
R程序包包含可用于执行分析的R数据功能和代码的组合。我们需要在您的环境中安装和加载它们，以便以后可以调用它们。
＃安装相关的库-一次执行
install.packages（“ lubridate”）
install.packages（“ ggplot2”）
install.packages（“ ggmap”）
install.packages（“ data.table”）
install.packages（“ ggrepel”）
install.packages（“ dplyr”）
＃加载相关的库-每次执行一次
库（润滑）
库（ggplot2）
库（ggmap）
图书馆（dplyr）
库（data.table）
图书馆（ggrepel）
3）加载数据文件并分配变量
而不是从data.gov网站加载该数据集的权利， 我已经决定要预先下载和采样数据为你所有。基于地图的图形可能需要一段时间才能呈现，并且我们不想将此问题与大量数据组合在一起。可以按以下步骤A加载生成的数据集。  
在步骤B中，我找到了一个网站，概述了他们对西雅图最危险的城市的看法。我认为将这些数据放在实际的911元数据之上以测试这些社区实际看到多少危险犯罪会很有趣。
#A）下载主要犯罪事件数据集
事件= fread（'https://raw.githubusercontent.com/lgellis/MiscTutorial/master/ggmap/i2Sample.csv'
#B）按照以下方式下载西雅图最危险的城市的额外数据集：
＃https ://housely.com/dangerous-neighborhoods-seattle/
n <-fread（'https://raw.githubusercontent.com/lgellis/MiscTutorial/master/ggmap/n.csv'，stringsAsFactors = FALSE）
＃创建一些颜色变量供以后绘制图形
col1 =“＃011f4b”
col2 =“＃6497b1”
col3 =“＃b3cde0”
col4 =“＃CC0000”
4）转换变量
我们将进行一些快速的转换以计算年份，然后将年份的子集细分为2017年和2018年。然后，我们将筛选出所有缺少数据的行。最后，我们创建了一个展示标签，用于在房屋网站评论中标记危险街区时使用。
＃将年份添加到事件数据框中
事件$ ymd <-mdy_hms（Event.Clearance.Date）
事件$ year <-年（incidents $ ymd）
＃仅使用2017年和2018年数据创建更易管理的数据框架
i2 <-events [year> = 2017＆year <= 2018，]
＃仅包括完整的案例
i2 [complete.cases（i2），]
＃为n个数据框（危险邻域）创建显示标签
n $ label <-paste（排名，位置，sep =“-”）
5）开始制作地图！
贴图1：按组对事件发生进行颜色编码
在此地图中，我们仅创建了名为p的ggmap对象，其中包含西雅图的Google地图。然后，我们添加一个经典的ggplot图层（geom_point），以绘制i2数据集中的所有行。
## 1）创建一个绘制了所有犯罪地点的地图。  
p <-ggmap（get_googlemap（center = c（lon = -122.335167，lat = 47.608013），
                    缩放= 11，比例= 2，
                    maptype ='terrain'，
                    颜色='颜色'））
p + geom_point（aes（x =经度，y =纬度，颜色= Initial.Type.Group），数据= i2，大小= 0.5）+
  主题（legend.position =“ bottom”）
贴图2：使用一种具有透明度的颜色发生的事件
在最后一张地图中，看到事件的密度有点棘手，因为所有图形化的点都彼此重叠。在这种情况下，我们将使数据全部变为一种颜色，并将设置alpha变量，该变量将使点透明。这有助于显示绘制的点的密度。  
还要注意，我们可以重复使用第一步“ p”中创建的基础地图来绘制新地图。
## 2）通过使用alpha使点透明来处理大量人口。
p + geom_point（aes（x =经度，y =纬度），颜色= col1，数据= i2，alpha = 0.25，大小= 0.5）+
  主题（legend.position =“ none”）
题库