阿里巴巴菜鸟级数据产品经理半年回顾总结篇
干货教程:如何绘制业务流程图(二)
干货教程:如何绘制业务流程图(一)
技术贴:如何在数据库中秘密地查询隐私数据
攻略教程:信息图(infographic)是怎么做出来的?
分析师一定要看!用数据讲故事的五个步骤
技术篇:怎样玩转千万级别的数据?
北漂书生:大数据时代SEO数据如何搜集和分析
干货,从十大问题重新认识并读懂互联网
相似图片搜索、算法、识别的原理解析(下)
相似图片搜索、算法、识别的原理解析(上)
制作信息图时请遵循这10条原则
提高表格可读性的一些技巧,适用于Excel、PPT等数据报表
实用教程:如何让Excel图表更具“商务气质”?
一张数据信息图是这样制作完成的
菜鸟读财报,如何从上市公司财报中挖情报?
北大数据分析老鸟写给学弟们一封信
如何一步一步制作出高品质数据信息图?
总结:海量数据分析处理的十个方法
【实战经验】数据分析师如何了解老板真正想法?
零售业数据分析那些事儿
数据分析时l常用电子表格公式【大全】
用数据来告诉你 上市公司财报的秘密
这12个数据能 帮你搞定淘宝店铺
首席工程师揭秘:LinkedIn大数据后台是如何运作的?(四)
首席工程师揭秘:LinkedIn大数据后台是如何运作的?(三)
首席工程师揭秘:LinkedIn大数据后台是如何运作的?(二)
首席工程师揭秘:LinkedIn大数据后台是如何运作的?(一)
淘宝网店从激活到挽留,4步走玩转数据营销
文案怎样写才有意思、不空洞、打动人?
入门级扫盲贴:数据分析的步骤有哪些?
关系即数据,论社交媒体的关系转换
数据的力量,苹果教你用数据鄙视竞争对手
谁说文科生不能做数据分析?数据分析入行→技能提升→优势
产品运营数据分析——SPSS数据分组案例
如何追踪iPhone和iPad等移动设备的用户行为数据?
阿里巴巴中国站:用户满意度指标权重计算方法
广告中的AdNetwork、AdExchange、DSP、SSP、RTB和DMP是什么?
信息图制作教程:关于数值的表现
为什么大数据会如此轰动?(值得深度的文章)
多图技术贴:深入浅出解析大数据平台架构
面板数据分析中标准误的估计修正——根据Peterson (2009)的归纳
财务官、投资人、CIO看过来:给企业数据定价
推荐系统中常用算法 以及优点缺点对比
探索Weotta搜索引擎背后的大数据技术
如何识别虚假数据?
为什么我们像驯化小狗那样驯化算法
程序员必须知道的10大基础实用算法及其讲解
电子商务:最影响转化率的九大要素
如何迅速成为一名数据分析师?
想从事大数据、海量数据处理相关的工作,如何自学打基础?
如何用亚马逊弹性MapReduce分析大数据?
译文:机器学习算法基础知识
给hadoop新手的一封信:Hadoop入门自学及对就业的帮助
从入门到精通,我是这样学习算法的
小商家,从老客户身上获取的数据才更有意义
13页PPT讲述:大数据下网站数据分析应用
40页PPT详解:京东大数据基础构架与创新应用
67页PPT解密搜索引擎背后的大技术:知识图谱,大数据语义链接的基石
营销洞察力——10个营销度量指标
技术篇:前端数据之美如何展示?
董飞:美国大数据工程师面试攻略【PPT】
easel:如何制作好的信息图——来自专家的顶级技巧
大数据实操:以3D打印机为例,如何知道卖点有没有市场需求?
大数据建模 需要了解的九大形式
用户画像数据建模方法
从规划开始,公司or企业如何入手和实施大数据?
干货:商品信息数据分析和展现系统的设计与开发
高手教你用Excel制作百度迁徙数据地图
50篇干货:淘宝店/电子商务如何玩转数据分析?
精华索引:大数据实际应用案例50篇
验证最小化可行产品 (MVP) 的 15 种方法
干货:数据分析师的完整知识结构
大数据技术Hadoop面试题,看看你能答对多少?答案在后面
用SPSS做数据分析?先弄懂SPSS的基础知识吧
怎样做出优秀的扁平化设计风格PPT? 扁平化PPT设计手册#3
解答│做大数据过程中遇到的13个问题
40页PPT│社交网络发展的新动力:大数据与众包
以Amazon、豆瓣网为例,探索推荐引擎内部的秘密#1
怎样做出优秀的扁平化设计风格PPT?#2
怎样做出优秀的扁平化设计风格PPT?#1
36页PPT│大数据分析关键技术在腾讯的应用服务创新
如何丰满地做SWOT分析?
【35页PPT】TalkingData研发副总阎志涛:移动互联网大数据处理系统架构
27页PPT|以珍爱网为例,如何构建有业务价值的数据分析系统?
国外数据新闻资源分享
21页PPT重磅发布:Mariana——腾讯深度学习平台的进展与应用
从0到100——知乎架构变迁史
PPT解读:百度大数据质量保障方案探索
45页PPT|大数据环境下实现一个O2O通用推荐引擎的实践
从数据看豆瓣兴衰
深度学习系列:解密最接近人脑的智能学习机器——深度学习及并行化实现(四)
重磅推荐:129页PPT讲述移动时代创业黄金法则 via:腾讯企鹅智酷
重磅推荐:大数据工程师飞林沙的年终总结&算法数据的思考
OpenKN——网络大数据时代的知识计算引擎
大数据下城市计算的典型应用
技术贴:大数据告诉你,如何给微信公众号文章取标题?
你的QQ暴露了你的心——QQ大数据及其应用介绍PPT
如何从企业报表看企业的生存能力?
实用的大数据技巧合集
技术帝揭秘:充电宝是如何盗取你的个人隐私的?
重磅!50页PPT揭秘腾讯大数据平台与推荐应用架构
原创教程:饼图之复合饼图与双层饼图(1)
PPT:大数据时代的设计特点——不了解这个你做不了今天的设计
教程贴:如何用方程式写春联?
原创教程:如何用Excel制作简易动态对比图
深度译文:机器学习那些事
教程帖:数学之美——手把手教你用Excel画心(动态图)
董老师走进斯坦福,聊聊硅谷创业公司和大数据的事儿(附课件PPT下载)
【限时】年度钜献,108个大数据文档PDF开放下载
董飞专栏:大数据入门——大数据相关技术、Hadoop生态、LinkedIn内部实战
亿级用户下的新浪微博平台架构
一张图了解磁盘里的数据结构
浅析数据化设计思维在阿里系产品的应用
美团推荐算法实践
一个P2P创业公司有哪些部门,都是做什么的?
一个P2P平台的详细运营框架是怎样的?
机器学习中的算法——决策树模型组合之随机森林与GBDT
神经网络简史
58页PPT看懂互联网趋势,大数据/物联网/云计算/4G都有了
广点通背后的大数据技术秘密——大规模主题模型建模及其在腾讯业务中的应用(附PPT)
微信红包之CBA实践PPT——移动互联网海量访问系统设计
一文读懂机器学习,大数据/自然语言处理/算法全有了……
搜狐新闻客户端的背后大数据技术原理——推荐系统(PPT)
原创教程:用Excel做动态双层饼图
半小时读懂PMP私有广告交易市场
怎样分析样本调研数据(译)
PPT:支付宝背后的大数据技术——DataLab、Higo的实践及应用
大数据技术人员的工具包——开源大数据处理工具list(限时下载)
计算机视觉:随机森林算法在人体识别中的应用
24页PPT:机器学习——支持向量机SVM简介(附下载)
互联网高手教你如何搜集你想要的信息
深度:对地观测大数据处理、挑战与思考
原创教程:用Excel做饼图之复合饼图与双层饼图(2)
移动大数据时代: 无线网络的挑战与机遇(附pdf下载)
Excel使用技巧——25招必学秘技
【年度热门】加上这些 Excel 技能点,秒杀众人(多图)
原创教程:用Excel做纵向折线图
知识图谱——机器大脑中的知识库
何明科专栏:用数据化的方式解析投资条款
DT时代,如何用大数据分析创造商业价值(23页PPT)
MIT牛人梳理脉络详解宏伟现代数据体系
你的老婆是怎么算出来的?揭秘佳缘用户推荐系统
飞林沙:商品推荐算法&推荐解释
PPT:如何成为真正的数据架构师?(附下载)
开源大数据查询分析引擎现状
董飞专栏:打造数据产品必知秘籍
译文:如何做强大又漂亮的信息图
如何使用Amazon Machine Learning构建机器学习预测模型
如何运用数据协助货架管理(内附26张PPT)
SVM算法
主流大数据系统在后台的层次角色及数据流向
PPT:阿里全息大数据构建与应用
人脸识别技术大总结——Face Detection & Alignment
教程:用Excel制作成对条形图
易观智库:大数据下的用户分析及用户画像(18页PPT附下载)
技术向:如何设计企业级大数据分析平台?
电商数据分析基础指标体系
IBM SPSS Modeler 决策树之银行行销预测应用分析
拓扑数据分析与机器学习的相互促进
基于 R 语言和 SPSS 的决策树算法介绍及应用
用php做爬虫 百万级别知乎用户数据爬取与分析
另类新浪微博基本数据采集方法
以10万+阅读的文章为例 教你做微信公众号的运营数据分析
破解数据三大难题:变现?交易?隐私?
微店的大数据平台建设实践与探讨
阿里巴巴PPT:大数据基础建议及产品应用之道
基于社会媒体的预测技术
人工智能简史
技巧:演讲中怎样用数据说话
马云和小贝选谁做老公?写给非数据人的数据世界入门指南
掘金大数据产业链:上游资源+中游技术+下游应用
原创教程:手把手教你用Excel做多层折线图
销售分析:如何从数据指标发现背后的故事
如何一步步从数据产品菜鸟走到骨干数据产品
也来谈谈微博的用户画像
行走在网格之间:微博用户关系模型
如何拍出和明星一样美爆的自拍照?斯坦福大学用卷积神经网络建模告诉你
运营商如何玩转大数据? 浙江移动云计算和大数据实践(PPT附下载)
大数据分析的集中化之路 建设银行大数据应用实践PPT
腾讯防刷负责人:基于用户画像大数据的电商防刷架构
创业提案的逻辑
友盟分享 | 移动大数据平台架构思想以及实践经验
寻路推荐 豆瓣推荐系统实践之路
“小数据”的统计学
重磅!8大策略让你对抗机器学习数据集里的不均衡数据
小团队撬动大数据——当当推荐团队的机器学习实践
微博推荐架构的演进
科普文 手把手教你微信公众号数据分析
信息图制作的六个注意点
【权利的游戏】剧透新玩法:情理之中?意料之外
推荐系统(Recommender System)的技术基础
核心算法 谷歌如何从网络的大海里捞到针
Quora数据科学家和机器学习工程师是如何合作的
阿里巴巴PPT:大数据下的数据安全
数据建模那点事儿
全民拥抱Docker云–Lhotse系统经验分享
实时股票分析系统的架构与算法
架构师必看 京东咚咚架构演进
什么叫对数据敏感?怎样做数据分析?
推荐系统基础知识储备
刘德寰:数据科学的整合与细分 数据科学的七个危险趋势(视频)
实际工作中,如何做简单的数据分析?
分布式前置机器学习在威胁情报中的应用(附PPT下载)
数据科学 怎样进行大数据的入门级学习?
扛住100亿次请求 如何做一个“有把握”的春晚红包系统?(PPT下载)
从 LinkedIn 的数据处理机制学习数据架构
大数据会如何改变管理咨询公司(I)
优秀大数据GitHub项目一览
生硬的数字和数据新闻:这么近,那么远
经典大数据架构案例:酷狗音乐的大数据平台重构(长文)
揭秘中兴大数据在银行领域的系统部署
基于大数据的用户画像构建(理论篇)
【R】支持向量机模型实现
数据图处处有陷阱?五个例子教你辨真伪
如何用R绘制地图
你确定你真的懂用户画像?
数据模型需要多少训练数据?
【接地气】01 数据报表的颜色怎么配
游戏价值和数据分析新思路
【R】异常值检测
快的打车架构实践
豆瓣还是朋友圈:大数据、新方法和日常问
PPT数据图表,怎么做才好看?
大道至简的数据体系构建方法论
数据的误区及自身业务
新浪微博的用户画像是怎样构建的?
面试干货!21个必知数据科学面试题和答案part1(1-11)
易观智库:中国大数据产业生态图谱2016(附下载)
Airbnb的数据基础架构
50PB海量数据排序,谷歌是这么做的
大数据时代工程师如何应对–今日头条走进硅谷技术讲座
D3.js教学记(下)
D3.js教学记(上)
飞林沙:企业级服务公司如何赚钱?只有平台级产品才有大数据的理论
一个母婴电子商务网站的大数据平台及机器学习实践
7大板块 组成数据分析师的完整知识结构
干货:SaaS领域如何分析收入增长?
学术 | 词嵌入的类比特性有实用意义吗?
6个用好大数据的秘诀
一个数据库外行眼中的微信优化 (附专家补充)
大数据调研,如何实现快全准?
数据大师Olivier Grisel给志向高远的数据科学家的指引
数据堂肖永红:数据交易的是使用权或数据的增值,而不是数据本身(PPT附下载)
淘宝商品详情平台化思考与实践
刘译璟:百分点大数据理念和实践(图文+PPT下载)
如何快速搞定一份看起来还不错的演示文档?
【BABY夜谈大数据】决策树
数据驱动设计:数据处理流程、分析方法和实战案例
美图数据总监:Facebook的法宝,我们在产品中怎么用?
树的内核:量化树结构化数据之间的相似性
拿到用户数据之后,LinkedIn怎么赚钱?
GrowingIO张溪梦:增长黑客的核心 企业应该重视产品留存率(附PPT下载)
[译]Airbnb是如何使用数据理解用户旅行体验的?
微博推荐数据服务代理: hyper_proxy的设计和实现
星图数据谷熠:消费领域DaaS 大数据重构未来商业游戏规则(附PPT下载)
鲍忠铁:TalkingData大数据技术与应用实践(PPT下载)
【干货教材】数据分析VS业务分析需求
九枝兰专访:数字营销的核心—企业如何使用数据管理平台(DMP)进行精准营销
我们的应用系统是如何支撑千万级别用户的
R应用空间数据科学
Excel进行高级数据分析(上)
Excel进行高级数据分析(下)
国内各大互联网公司2.0版技术站点收集
网站数据分析思路导图
大数据分析报表设计开发要素
大数据需要的12个工具 推荐
YARN/MRv2 Resource Manager深入剖析—NM管理
YARN/MRv2 Resource Manager深入剖析—RMApp状态机分析
Hadoop 1.0与Hadoop 2.0资源管理方案对比
Hadoop 2.0中单点故障解决方案总结
Hadoop 2.0 (YARN)中的安全机制概述
Hadoop 新特性、改进、优化和Bug分析系列1:YARN-378
Hadoop 新特性、改进、优化和Bug分析系列2:YARN-45
Hadoop 新特性、改进、优化和Bug分析系列3:YARN-392
Hadoop版本选择探讨
探究提高Hadoop稳定性与性能的方法
《Effective C++》读书笔记(第一部分)
Hadoop分布式环境下的数据抽样
Hadoop计算能力调度器算法解析
如何编写Hadoop调度器
数据结构之红黑树
Hadoop pipes设计原理
《C++ Primer plus》学习笔记之”类”
《C++ Primer plus》学习笔记之”类继承”
《C++ Primer plus》学习笔记之”C++中的代码重用”
《C++ Primer plus》学习笔记之”异常”
《C++ Primer plus》学习笔记之”RTTI”
Hadoop pipes编程
Hadoop Streaming高级编程
《C++ Primer plus》学习笔记之”标准模板库”
《C++ Primer plus》学习笔记之”输入输出库”
Linux Shell 命令总结
算法之图搜索算法(一)
awk使用总结
素数判定算法
《C++ Primer plus》学习笔记之“函数探幽”
使用Thrift RPC编写程序
如何在Hadoop上编写MapReduce程序
怎样从10亿查询词找出出现频率最高的10个

R应用空间数据科学

于2017-04-01由小牛君创建

分享到:


原文地址:http://blog.dominodatalab.com/applied-spatial-data-science-with-r/

概述

最近我开始着手我的博士论文,其中利用大量不同的空间数据类型。在这一过程中,我发现有很多我还没有意识到的R空间数据分析概念。这份报告的目的是记录其中一些概念,以及我最爱的空间数据分析包。报告的结构如下:首先我们需要问问为什么R是空间分析的首选工具,其次将会探索一个典型的数据分析生命周期。

为什么用R做空间数据分析

你可能会问自己,为什么在有商业和开源地理信息系统(分别以ESRI ArcMap和QGIS为代表)时还要用R做空间分析。下面是我的原因中的一些:

R是免费和开源的;

可重复性:研究者可以重复他们自己或其他人的分析,并验证发现;

包:有许多R包用于空间数据分析、统计建模、可视化、机器学习和其他。

用于空间数据分析的R

一些我最爱的空间数据分析包包括:

sp:这个包提供用于空间数据的类和方法;绘制地图,使用坐标的实用函数。

rgdal:这个包提供了不同栅格和向量地理空间数据格式的导入与导出;坐标参考系;投影,等等。

rgeos:提供函数用于处理拓扑操作。

ggplot2:最流行的数据可视化包,作者是Hadely Wickham。

ggmap:提供在来自Google地图、Open Street Map,cloudmade和stamen等源的静态地图之上的空间数据可视化函数。

leaflet:leaflet for R提供函数在R中控制和整合Leaflet,一个交互式地图JavaScript库。

lubridate:我的空间数据大部分有日期-时间测量,这个包提供了操作日期时间的函数。

数据准备

数据

在这份指南中,我们将会使用来自休斯敦警察局收集的2010年1月-2010年8月犯罪数据。ggmap包的作者David Kahle非常好心地收集并处理了该数据,在他的包中可用。

因此让我们安装一些在这份指南中会用到的我最爱的包。

数据分析bao

读取空间数据

犯罪数据存储为逗号分隔值(CSV)格式,体积较小,只有13MB。也可以在这个GitHub仓库中找到:https://github.com/SparkIQ-Labs/Demos/tree/master/spatial-analysis/data。

注意:完整数据在ggmap中也可用,数据集名为“crime”。可以通过data(crime)命令加载到R环境中。

读取数据
数据结构的快速查看显示出这个数据狂有86,314个观测和17个变量。

让我们看一下部分数据记录和一些汇总统计量以熟悉数据。这可以用head()和summary()命令完成。

数据记录
汇总统计量显示需要将变量“date”,“offense”,“month”和“day”的格式转换为日期和因子。我们还需要去除“coordinates”变量为NA的5条数据记录,因为这会影响空间分析。

变量去除

空间点数据框

为了利用包括sp包在内的几个数据包中的类和方法,我们需要转换“crime_df”本地数据框为“SpatialPointsDataFrame”。

数据框
注意我们使用一些新的函数,也就是SpatialPoints,SpatialPointsDataFrame,CRS和proj4string。它们来自空间分析包sp。这个包中的基础类是Spatial,从中派生的一些子类如下:

派生子类
我们能看到,SpatialPoints和SpatialPointsDataFrame是Spatial类的子类。这种类系统比起R的基础类系统,在操作空间数据类型时表现更丰富。

下面让我们看看这种新的数据类型的结构。

新的数据结构类型
可以看到这个类是一个有5个槽位/组件的SpatialPointsDataFrame,包括:

data:读入R的原始数据

coords.nrs:坐标的数据类型

coords:坐标

bbox:坐标的边界框

pro4string:坐标参考系

我们用函数CRS()指定一个坐标参考系,在这里是WGS84。我们知道这是一个地理坐标参考系类型,因为坐标以经度和维度格式表示。

或者可以使用coordinates()命令,如下:

使用coordinates()命令

坐标参考系统

理解坐标参考系(CRS)很重要,这些对空间中的地理编码数据非常有用。CRS有两种类型:

地理坐标系(经度,维度),例如WGS84

笛卡尔/投影/平面坐标系(x,y)

投影坐标参考系由分成两个主要类型的几种系统组成,即:

国家平面(NADS 83):这在美国最常使用,例如Nevada State Plane NADS83

通用横轴墨卡托投影(UTM):例如Nevada(UTM Zone 11N),South Africa(UTM Zones 34S & 35S)

如果你看到如下格式的坐标数据,那么就是地理坐标系:

(-94.324, 42.234)

(33.33 44.4), (33d19’47’’N 44d23.9’E), (38SMB4488), (38n 444000 3688000)

基准面:基准面是多套参数和地面控制点定义的地方坐标系,例子:WGS84,NADS83

现在有了一个空间点数据框和适当的坐标系,以及时间数据,我们可能应该保存一份R数据文件格式的副本。

坐标系

ESRI Shapefile多边形

将要使用的另一个数据集是休斯敦地区的行政人口普查区。这些数据以多边形shapefile提供,来自美国人口普查局网站。

多边形
另外也可以用maptools包中的readShapeSpatial()函数读取shapefile数据。

读取shapefile数据
我们的shapefile是“SpatialPolygonsDataFrame”类。可以通过使用plot()函数绘图快速查看。

绘图

数据探索

R中的一些基本方法可以用于探索空间对象,像是plot(),summary(),print()等等。例如summary()给出空间实体的数量,投影信息和边界框,而print()显示一个空间对象中的数据视图。

sp包提供了更丰富的方法,用于操作空间对象。

一个探索任意空间对象边界区域的方法是bbox()。第一行报告了东西范围,而第二行是南北方向。

探索任意空间对象边界区域的方法是bbox()
我们可以使用proj4string()方法探索任意空间对象的投影系统。这个方法也可以被用于在需要时为一个空间对象指定一个不同的坐标系。完成代码如下:

代码
可以使用@符号代替$符号探索/提取空间点数据框中单个槽位。例如,让我们看看数据和坐标槽位:

数据 坐标

数据可视化

R有几个包用于可视化空间数据。我们会看下R中自带的传统绘图系统,通常包含在“base-R”包中,例如sp包中用于空间数据的plot()函数。也将探索包括ggplot2,ggmap和leaflet在内的“外部”包。

使用传统绘图系统可视化数据

sp包提供通过增量添加图层绘制空间数据的函数。让我们从绘制德克萨斯州休斯顿的shapefile开始。

使用传统绘图系统可视化数据1 使用传统绘图系统可视化数据
然后在地图上加入犯罪数据。使用参数add = TRUE图上增加图层。使用参数add = TRUE图上增加图层代码

使用参数add = TRUE图上增加图层
接着加入标题和图例。加入标题和图例

加入标题和图例2
尽管绘制空间数据的基本函数已经足够制作地图,但我们也喜欢“外部”R库,它们提供更多功能,绘制好看的地图,比如ggplot2,ggmap,leaflet。

使用外部可视化数据

ggplot2

ggplot2处理数据框而不支持Spatial类。因此我们必须使用ggplot2中的fortify()函数转换它们。

使用ggplot2中的fortify()函数转换它们 使用ggplot2中的fortify()函数转换它们2
ggmap

创建德克萨斯州休斯顿的静态背景图层。

静态背景图层
使用“ggmap”命令绘图。

使用“ggmap”命令绘图 使用“ggmap”命令绘图2
绘制shapefile。

使用“ggmap”命令绘图绘制shapefile
使用经度和维度变量对城镇犯罪数据进行地理编码。

地理编码2地理编码2

leaflet

Leaflet for R是一个提供函数开发精致漂亮的Leaflet地图的包。Leaflet是领先的开源交互式地图JavaScript库。

首先从创建休斯敦地区的地图开始,然后加入图层(特征)。这可以使用leaflet()命令完成。第一层我们用addTiles命令加入“瓦片”。用addTiles命令加入“瓦片”。 用addTiles命令加入“瓦片”。2

接下来在地图上添加shapefile。这会增加为一个新图层,多边形,使用addPolygon命令。

使用addPolygon命令 使用addPolygon命令2
最后加入犯罪数据,这作为一个新图层点被介入,使用addMarkers命令。

使用addMarkers命令 使用addMarkers命令2

地理统计分析

在下一篇文章中,我们将会看看如何在空间数据上实施地理统计分析。

参考资料

Applied Spatial Data Analysis with R. Roger S. Bivand, Edzer Pebesma and V. Gómez-Rubio. UseR! Series, Springer. 2nd ed. 2013, xviii+405 pp., Softcover. ISBN: 978-1-4614-7617-7

ggmap: Spatial Visualization with ggplot2

Do more with dates and times in R with lubridate 1.3.0

Introduction to visualising spatial data in R. Robin Lovelace (R.Lovelace@leeds.ac.uk), James Cheshire, Rachel Oldroyd and others V. 1.3, September 2015

Leaflet for R

gglot2 documentation

Introduction to dplyr

via:数艺智训

End.