/
geoAr_geofacet.Rmd
178 lines (131 loc) · 10.3 KB
/
geoAr_geofacet.Rmd
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
---
title: "geoAr & geofacet"
output: rmarkdown::html_vignette
vignette: >
%\VignetteIndexEntry{geoAr & geofacet}
%\VignetteEngine{knitr::rmarkdown}
%\VignetteEncoding{UTF-8}
---
```r
library(geoAr) # Argentina's Spatial Data Toolbox, [github::PoliticaArgentina/geoAr] v0.0.1.2
library(geofacet) # 'ggplot2' Faceting Utilities for Geographical Data, CRAN v0.2.0
#> The legacy packages maptools, rgdal, and rgeos, underpinning the sp package,
#> which was just loaded, will retire in October 2023.
#> Please refer to R-spatial evolution reports for details, especially
#> https://r-spatial.org/r/2023/05/15/evolution4.html.
#> It may be desirable to make the sf package available;
#> package maintainers should consider adding sf to Suggests:.
#> The sp package is now running under evolution status 2
#> (status 2 uses the sf package in place of rgdal)
```
`{geoAr}` está pensado para facilitar el acceso a datos y el trabajo con información geográfica de argentina. Una de las posibilidades es la descarga de capas ge geometrías con el objetivo de visualizar información. Una alternativa típica es utilizar `{sf}` para trabajar con datos de este tipo y combinarlo con `{ggplot2}` (y su función `geom_sf()` para visualizar capas geográficas.)
```r
tucuman <- get_geo(geo = "TUCUMAN")
(tucuman_names <- tucuman %>%
add_geo_codes()) # Augment data with metadata as districts names or alternative id codes
#> Simple feature collection with 17 features and 8 fields
#> Geometry type: MULTIPOLYGON
#> Dimension: XY
#> Bounding box: xmin: -66.18101 ymin: -28.01575 xmax: -64.48315 ymax: -26.06037
#> Geodetic CRS: WGS 84
#> # A tibble: 17 × 9
#> codprov_censo coddepto_censo codprov coddepto nomdepto_censo name_prov codprov_iso
#> <chr> <chr> <chr> <chr> <chr> <chr> <chr>
#> 1 90 007 23 013 BURRUYACU TUCUMAN AR-T
#> 2 90 014 23 012 CRUZ ALTA TUCUMAN AR-T
#> 3 90 021 23 005 CHICLIGASTA TUCUMAN AR-T
#> 4 90 028 23 003 FAMAILLA TUCUMAN AR-T
#> 5 90 035 23 009 GRANEROS TUCUMAN AR-T
#> 6 90 042 23 007 JUAN B. ALBERDI TUCUMAN AR-T
#> 7 90 049 23 008 LA COCHA TUCUMAN AR-T
#> 8 90 056 23 011 LEALES TUCUMAN AR-T
#> 9 90 063 23 002 LULES TUCUMAN AR-T
#> 10 90 070 23 004 MONTEROS TUCUMAN AR-T
#> 11 90 077 23 006 RIO CHICO TUCUMAN AR-T
#> 12 90 084 23 001 CAPITAL TUCUMAN AR-T
#> 13 90 091 23 010 SIMOCA TUCUMAN AR-T
#> 14 90 098 23 017 TAFI DEL VALLE TUCUMAN AR-T
#> 15 90 105 23 016 TAFI VIEJO TUCUMAN AR-T
#> 16 90 112 23 014 TRANCAS TUCUMAN AR-T
#> 17 90 119 23 015 YERBA BUENA TUCUMAN AR-T
#> # ℹ 2 more variables: name_iso <chr>, geometry <MULTIPOLYGON [°]>
# MAPING
ggplot2::ggplot(data = tucuman_names) +
ggplot2::geom_sf() +
ggplot2::geom_sf_label(ggplot2::aes(label = nomdepto_censo))
#> Warning in st_point_on_surface.sfc(sf::st_zm(x)): st_point_on_surface may not give
#> correct results for longitude/latitude data
```
No obstante, existen ocaciones en las que la visualización de información geográfica a través de mapas convencionales puede no ser la mejor opción. `{geofacet}` es un paquete que busca sacar provecho de la potencia de `{ggplot2}` y utilizar el _facetado_ de un modo que cada caja de una grilla represente una entidad y que la suma de estas guarden relación con su distribución espacial.
### Ejemplo
En los gráficos que siguen se representa un indicador tipico de la Ciencia Política (el _Número Efectivo de Partidos_) para una serie de tiempo para todas las provincias de Argentina. En el primer caso esto está facilitado al generar un _facet_ a partir de la variable PROVINCIA, generando un pequeño gráfico para cada distrito (_small multiple_).
En el segundo se utiliza geofacet para acomodar esta grilla _cómo si fuera un mapa_ de Argentina. Facilitando de este modo una mirada que tenga en cuenta (y conocimiento) de la distribución geográfica de las provincias.
>“El paquete geofacet amplía ggplot2 de una manera que facilita la creación de visualizaciones geográficamente facetadas en R. Para usar geofacet se toman datos que representan diferentes entidades geográficas y se aplica un método de visualización para cada entidad. El conjunto resultante de visualizaciones conforma una cuadrícula que imita la topología geográfica original”.
(Traducción propia de la nota intorudctoria del autor, Ryan Haffen. Fuente: https://tuqmano.ar/posts/Geofacetear.html)
Los siguientes puntos resumen las ventajas potenciales para el uso de esta herramientas en comparación de otras técnicas para representar información a través de mapas u otras alterantivas (como cartogramas, tilemaps, etc.):
* se pueden graficar múltiples variables para cada unidad geográfica
* se pueden aplicar otros esquemas de codificación visual más allá del color
* cada unidad geográfica tiene asignada la misma proporción espacial
Una particularidad del paquete `{geofacet}` es que propicia el desarrollo de grillas por parte de usuaries. Tanto para uso _ad hoc_ como para contribuir con un [repositorio de grillas que alimenta el paquete](https://hafen.github.io/geofacet/articles/geofacet.html#list-available-grids). Esta iniciativa nos impulsó a desarrollar grillas para Argentina y todas sus provincias, que terminaron conformando `{geofacetAR}`, antecedente de este proyecto que tuvo sus primeros pasos en el marco del _1° LatinR_ en el que presentamos *Geofaceting Argentina*
[Abstract](https://github.com/TuQmano/geofacet_ARG/blob/master/.LatinR/Geofaceting_Argentina_RuizNicolini.pdf) | 📊 [Slides](https://www.researchgate.net/publication/327382101_Geofaceting_Argentina_LatinR_2018) | 📦 [{geofaceteAR}](https://electorarg.github.io/geofaceteAR/) | ⌨️ [blogpost](https://tuqmano.ar/posts/2020-05-22-empaquetar.html).
### get_grid()
Así como `get_geo()` permite descargar un set de datos que incluyen una variable `geometry` con información geográfica para la generación de mapas, `get_grid()` permite descargar grillas pre diseñadas para Argentina y cada una de las provincias.
```r
(tucuman_names <- tucuman %>%
add_geo_codes()) # Augment data with metadata as districts names or alternative id codes
#> Simple feature collection with 17 features and 8 fields
#> Geometry type: MULTIPOLYGON
#> Dimension: XY
#> Bounding box: xmin: -66.18101 ymin: -28.01575 xmax: -64.48315 ymax: -26.06037
#> Geodetic CRS: WGS 84
#> # A tibble: 17 × 9
#> codprov_censo coddepto_censo codprov coddepto nomdepto_censo name_prov codprov_iso
#> <chr> <chr> <chr> <chr> <chr> <chr> <chr>
#> 1 90 007 23 013 BURRUYACU TUCUMAN AR-T
#> 2 90 014 23 012 CRUZ ALTA TUCUMAN AR-T
#> 3 90 021 23 005 CHICLIGASTA TUCUMAN AR-T
#> 4 90 028 23 003 FAMAILLA TUCUMAN AR-T
#> 5 90 035 23 009 GRANEROS TUCUMAN AR-T
#> 6 90 042 23 007 JUAN B. ALBERDI TUCUMAN AR-T
#> 7 90 049 23 008 LA COCHA TUCUMAN AR-T
#> 8 90 056 23 011 LEALES TUCUMAN AR-T
#> 9 90 063 23 002 LULES TUCUMAN AR-T
#> 10 90 070 23 004 MONTEROS TUCUMAN AR-T
#> 11 90 077 23 006 RIO CHICO TUCUMAN AR-T
#> 12 90 084 23 001 CAPITAL TUCUMAN AR-T
#> 13 90 091 23 010 SIMOCA TUCUMAN AR-T
#> 14 90 098 23 017 TAFI DEL VALLE TUCUMAN AR-T
#> 15 90 105 23 016 TAFI VIEJO TUCUMAN AR-T
#> 16 90 112 23 014 TRANCAS TUCUMAN AR-T
#> 17 90 119 23 015 YERBA BUENA TUCUMAN AR-T
#> # ℹ 2 more variables: name_iso <chr>, geometry <MULTIPOLYGON [°]>
# GRIDS AS IF THEY WHERE MAPS FOR {geofacet}
(grid_tucuman <- get_grid("TUCUMAN"))
#> Adding missing grouping variables: `name_provincia`
#> name_provincia name row col code
#> 1 TUCUMAN BURRUYACU 1 4 013
#> 2 TUCUMAN CAPITAL 2 4 001
#> 3 TUCUMAN CHICLIGASTA 4 2 005
#> 4 TUCUMAN CRUZ ALTA 2 5 012
#> 5 TUCUMAN FAMAILLA 3 3 003
#> 6 TUCUMAN GRANEROS 5 4 009
#> 7 TUCUMAN JUAN B. ALBERDI 5 3 007
#> 8 TUCUMAN LA COCHA 6 3 008
#> 9 TUCUMAN LEALES 3 5 011
#> 10 TUCUMAN LULES 3 4 002
#> 11 TUCUMAN MONTEROS 3 2 004
#> 12 TUCUMAN RIO CHICO 4 3 006
#> 13 TUCUMAN SIMOCA 4 4 010
#> 14 TUCUMAN TAFI DEL VALLE 2 1 017
#> 15 TUCUMAN TAFI VIEJO 2 2 016
#> 16 TUCUMAN TRANCAS 1 3 014
#> 17 TUCUMAN YERBA BUENA 2 3 015
geofacet::grid_preview(grid_tucuman, label = "name")
#> Note: You provided a user-specified grid. If this is a generally-useful grid,
#> please consider submitting it to become a part of the geofacet package. You
#> can do this easily by calling: grid_submit(__grid_df_name__)
```
