Polígonos em hexágonos | R-bloggers

Mosaico hexagonal usando o ótimo pacote de geogrelha.

o departamentos são o segundo nível do governo administrativo na França. Eles não têm a mesma área nem a mesma população, e essa heterogeneidade oferece alguns desafios para uma representação justa e precisa do mapa (veja o post sobre suavização).

No entanto, se estamos apenas interessados ​​no departamentos Como unidades, podemos usar uma grade regular para visualização. Como a França costuma ser chamada de hexágono, podemos usar um mosaico de hexágonos (um mapa fractal!)…

Criar a grade e conservar relações topológicas mínimas e a forma geral pode ser demorado, mas graças à Geogrid é bem fácil. A página de desenvolvimento da geogrelha fornece bons exemplos. Reutilizaremos nosso código da animação COVID19.

# Carto décès COVID 19 hexagones
# France métro. + DOM
# Animation France métro.
# DONNEES SPF


# packages ----------------------------------------------------------------
library(tidyverse)
library(httr)
library(fs)
library(sf)
library(readxl)
library(janitor)
library(glue)
library(tmap)
library(grid)
library(classInt)
library(magick)
library(geogrid)


# sources -----------------------------------------------------------------

# https://www.data.gouv.fr/fr/datasets/donnees-hospitalieres-relatives-a-lepidemie-de-covid-19/
fichier_covid %
    stop_for_status()
}

if (!file_exists(fichier_pop)) {
  GET(url_donnees_pop,
      progress(),
      write_disk(fichier_pop)) %>%
    stop_for_status()
}


# données -----------------------------------------------------------------

covid %
  clean_names() %>%
  mutate(surf_ha = st_area(geometry) * 10000) %>%
  st_set_crs(2154)

# grille hexagonale
dep_cells_hex %
  st_set_crs(2154)

# Pour les DOM on duplique et déplace un département existant
d971 %
  clean_names()

# lignes de séparation DOM / métropole
encarts %
  st_sfc() %>%
  st_sf(id = 1, geometry = .) %>%
  st_set_crs(2154)

# traitement --------------------------------------------------------------

# jointures des données
creer_df %
    left_join(pop, by = c("insee_dep" = "x1")) %>%
    left_join(
      covid %>%
        filter(jour == if_else(is.null(date), max(jour), date),
               sexe == 0) %>%
        rename(deces = dc,
               reanim = rea,
               hospit = hosp),
      by = c("insee_dep" = "dep")) %>%
    mutate(incidence = deces / x2020_p * 100000)
}

incidence %
    tm_shape() +
    tm_polygons(col = "incidence", title = "décésncumulés pourn100 000 hab.",
                breaks = classes,
                palette = "viridis",
                legend.reverse = TRUE,
                legend.format = list(text.separator = "à moins de",
                                     digits = 0)) +
    tm_text("insee_dep", size = .8) +
    tm_shape(encarts) +
    tm_lines(lty = 3) +
    tm_layout(title = glue("COVID-19nFrancen{date}"),
              legend.position = c("left", "bottom"),
              frame = FALSE) +
    tm_credits(glue("http://r.iresmi.net/
                    classif. kmeans
                    données départementales Santé Publique France,
                    INSEE RP 2020, d'après IGN Adminexpress 2020"),
               position = c(.6, 0),
               size = .5)

  tmap_save(m, glue("resultats/animation_spf_hex/covid_fr_{date}.png"),
            width = 800, height = 800, scale = .4,)
}

unique(covid$jour) %>%
  walk(image_animation)

animation %
  map(image_read) %>%
  image_join() %>%
  image_animate(fps = 2, optimize = TRUE) %>%
  image_write(animation)

A forma e as relações globais são muito bem renderizadas. As deformações são muito importantes para os pequenos departamentos em Paris, mas é bem legível.

Relacionado

---

---