原文链接：http://tecdat.cn/?p=12350
最近咱们被客户要求撰写对于空间可视化的钻研报告，包含一些图形和统计输入。
在本文中，我应用ggmap可视化纽约市的交通事故
数据来自纽约市凋谢数据。我的数据范畴是2012年至2015年。该数据跟踪车辆的类型，产生事变的街道的名称以及事变的经度和纬度坐标。两个坐标都保留为单个字符变量，称为“ LOCATION”。
在上面，我加载数据，删除所有没有地位坐标的事变，并解析LOCATION变量以获取经度和纬度坐标。我还解析日期变量以创立年份变量，并应用该变量创立两个数据集：一个数据集蕴含2013年的所有车辆事变，另一个数据集蕴含2014年的所有车辆事变。
d_clean=d[which(regexpr(',',d$LOCATION)!=-1),] comm=regexpr(',',d_clean$LOCATION)d_clean$loc=as.character(d_clean$LOCATION)d_clean$lat=as.numeric(substr(d_clean$loc,2,comm-1))d_clean$long=as.numeric(substr(d_clean$loc,comm+1,nchar(d_clean$loc)-1))d_clean$year=substr(d_clean$DATE,7,10) d_2013=d_clean[which(d_clean$year=='2013'),c('long','lat')]d_2014=d_clean[which(d_clean$year=='2014'),c('long','lat')]
接下来，我应用get_map（）查问Google Maps并获取纽约市的地图。我应用stat_density2d（）向该地图增加了一个二维密度层。我对2013年和2014年的数据都执行此操作，并应用gridExtra的grid.arrange（）并排搁置地图。
ny_plot=ggmap(get_map('New York, New York',zoom=12, maptype='terrain')) grid.arrange(plot1, plot2,nrow=1,ncol=2)
点击题目查阅往期内容
R语言在地图上绘制散点饼图可视化
左右滑动查看更多
01
02
03
04
接下来，我按行政区域绘制了2013年的事变密度。我编写了一个函数boro（），该函数会删除所有短少街道名称的观测值，并基于自治市镇（2013）子集。我将它们重叠在一起，同时增加自治市镇名称，而后在向量col_vals中为每个自治市镇调配一种色彩。我应用stat_density2d的group参数以不同的色彩别离绘制每个自治市镇的密度层。
plot4=ny_plot+ stat_density2d(data=full, geom='polygon',bins = 10, aes(x=full$long,y=full$lat,fill = Borough, alpha=..level..))+ scale_fill_manual(values=col_vals)+ #guides(fill = guide_colorbar(barwidth = 1, barheight = 12)) + scale_alpha(guide = FALSE)+ xlab(' ')+ylab(' ')+ ggtitle('NYC Vehicle Accident Density by Borough, 2013')plot4
点击文末 “浏览原文”
获取全文残缺代码数据资料。
本文选自《R语言ggmap空间可视化机动车交通事故地图》。
点击题目查阅往期内容
【视频】关联规定模型、Apriori算法及R语言开掘商店交易数据与交互可视化|数据分享
R语言空气污染数据的天文空间可视化和剖析：颗粒物2.5（PM2.5）和空气质量指数（AQI）
上海无印良品天文空间散布特色与选址策略可视化钻研
R语言空间可视化：绘制英国脱欧投票地图
R语言在地图上绘制散点饼图可视化 r语言空间可视化绘制道路交通安全事故地图
在GIS中用ggmap天文空间数据分析
tableau的骑行路线天文数据可视化
R语言推特twitter转发可视化剖析
618电商大数据分析可视化报告
用RSHINY DASHBOARD可视化美国投票记录
python主题LDA建模和t-SNE可视化
R语言高维数据的主成分pca、 t-SNE算法降维与可视化剖析案例报告
R语言动态图可视化：如何、创立具备精美动画的图
Tableau 数据可视化：探索性图形剖析新生儿死亡率数据
R语言动静可视化：制作历史寰球平均温度的累积动静折线图动画gif视频图