Em uma postagem anterior, demonstrei como é possível gerar gráficos de distribuição de mapa de calor usando o pacote Leaflet em R. Nesse exemplo, implementei uma função que envia locais como strings para uma API do Open Street Map e recebe as coordenadas de latitude e longitude como retorno valores no formato JSON.
Neste post irei demonstrar como se pode utilizar o pacote osmdata para realizar a parte de geocodificação, sem ter que implementar uma função “complicada”.
Primeiro defino um conjunto de cidades e vilas para usar como localizações; Eu os adiciono a um modelo de quadro de dados vazio com nomes de cabeçalho predefinidos, bem como contagens de linhas e colunas.
# defining a data frame tempalte to populate throughut geocoding process
data_df = as.data.frame(matrix(nrow=20,ncol=4))
colnames(data_df) = c("location","lat","long","values")
# adding city and town names as locations
data_df$location = c("Siegen, Germany", #1
"Kreuztal, Germany", #2
"Netphen, Germany", #3
"Olpe, Germany", #4
"Freudenberg, Germany", #5
"Hilchenbach, Germany", #6
"Wilnsdorf, Germany", #7
"Betzdorf, Germany", #8
"Dillenburg, Germany", #9
"Marburg, Germany", #10
"Biedenkopf, Germany", #11
"Koblenz, Germany", #12
"Erndtebrück, Germany", #13
"Herborn, Germany", #14
"Cölbe, Germany", #15
"Haiger, Germany", #16
"Krombach, Germany", #17
"Wenden, Germany", #18
"Betzdorf, Germany", #19
"Münchhausen, Germany" #20
)
Em seguida, geocodifico os locais usando o pacote osmdata em R.
# importing osmdata package in R
library(osmdata)
# using getbb() function to geocode locations
for(i in 1:nrow(data_df)){
coordinates = getbb(data_df$location[i])
data_df$long[i] = (coordinates[1,1] + coordinates[1,2])/2
data_df$lat[i] = (coordinates[2,1] + coordinates[2,2])/2
}
Agora, o quadro de dados contém nomes de locais e coordenadas de longitude e latitude geocodificadas; além disso, adiciono algum valor de observação distribuído aleatoriamente por local (isso definirá a intensidade da cor do gráfico do mapa de calor).
# adding randomly distributed values by location (uniform distribution)
data_df$values = runif(n = 20, min = 0, max = 100)
Em uma etapa final, gerei um mapa de calor exibindo a distribuição dos valores de observação por local, usando o Leaflet no R.
# importing leaflet, leaflet.extras and magrittr
library(leaflet)
library(leaflet.extras)
library(magrittr)
# creating a heat map for the burger search intensity according to Google trends
data_df %>%
leaflet() %>%
addTiles() %>%
addProviderTiles(providers$OpenStreetMap.DE) %>%
setView(mean(data_df$long),mean(data_df$lat),8) %>%
addHeatmap(lng=~long,lat=~lat,intensity=~values,max=100,radius=30,blur=20)
Cientista de dados com foco em simulação, otimização e modelagem em R, SQL, VBA e Python
Leave a Reply