De raster-package

Georuimtelijke data visualiseren in R

Charlotte Wickham

Assistant Professor at Oregon State University

Dataframes zijn niet ideaal voor ruimtelijke data

head(preds)

        lon      lat predicted_price
1 -123.3168 44.52539        258936.2
2 -123.3168 44.52740        257258.4
3 -123.3168 44.52940        255543.1
4 -123.3168 44.53141        253791.0
5 -123.3168 44.53342        252002.4
6 -123.3168 44.53542        250178.7

Geen CRS-info
Inefficiënte opslag
Inefficiënte weergave

Een betere structuur voor rasterdata

Datamatrix + info over raster + CRS

De raster-package

sp biedt enkele rasterklassen:
- SpatialGrid, SpatialPixels, SpatialGridDataFrame, SpatialPixelsDataFrame
Maar raster is beter:
- Gemakkelijker rasters importeren
- Grote rasters worden niet in geheugen geladen
- Functies voor rasterbewerkingen
Gebruikt ook S4 en biedt waar passend dezelfde functies

raster biedt printmethodes voor sp-objecten

library(sp)
countries_spdf

Een object van klasse "SpatialPolygonsDataFrame"
Slot "data":
                      name iso_a3 population         gdp                  region
1              Afghanistan    AFG   28400000    22270.00  
2                   Angola    AGO   12799293   110300.00  
3                  Albania    ALB    3639453    21810.00  
...
Slot "proj4string":
CRS-argumenten:
 +proj=longlat +datum=WGS84 +no_defs +ellps=WGS84 +towgs84=0,0,0

raster biedt printmethodes voor sp-objecten

library(raster)
countries_spdf

class       : SpatialPolygonsDataFrame 
features    : 177 
extent      : -180, 180, -90, 83.64513  (xmin, xmax, ymin, ymax)
coord. ref. : +proj=longlat +datum=WGS84 +no_defs +ellps=WGS84 ...
variables   : 6
names       :        name, iso_a3, population,         gdp, 
min values  : Afghanistan,    -99,        140,       16.00, 
max values  :    Zimbabwe,    ZWE, 1338612970, 15094000.00, ...

Laten we oefenen!

Georuimtelijke data visualiseren in R