地図を描画する / ggplot_map

ӝੜਅ໵
3ʹΑΔσʔλղੳͷͨΊͷσʔλՄࢹԽ
౷ܭؔ࿈ֶձ࿈߹େձνϡʔτϦΞϧ
地図を描画する
第3部
[email protected]
ࠃཱ؀ڥݚڀॴੜ෺ଟ༷ੑྖҬ

View Slide

໨࣍
ɾॻ੶Ͱ͸ΞϝϦΧ߹ऺࠃͷࣄྫɺ
ɹ஍ਤ͕ओͰ͕͢ɺൃදͰ͸೔ຊΛ୊ࡐʹ͠·͢ɻ
ɾ஍ਤඳըͷͨΊͷ৽ͨͳσʔλܗࣜTGͱ
ɹHHQMPUύοέʔδͰͷඳըؔ਺
ɹ[email protected]
Λѻ͍·͢ɻ
⾏政区域の地図
地図を磨き上げる
1
2
空間配置を考慮したグラフ
3
HHQMPUͰͷ஍ਤදݱͷجૅ
஍ਤදݱΛߦ͏ࡍͷ՝୊ͱ޲͖߹͏
஍ਤʹݶΒͳ͍දݱͷ۠෼

View Slide

ࢿྉ
https:
/
/
github.com/uribo/jfssa2021_datavis
スライド(PDF)
予稿集のコード付き原稿(R Markdown)
(JUΫϩʔϯ΋͘͠͸;JQμ΢ϯϩʔυ
チュートリアルで利⽤するデータ
3QSPKϑΝΠϧΛ34UVEJPͰ։͍͍ͯͩ͘͞ɻ
usethis
::
use_course("uribo/jfssa2021_datavis")
or

View Slide

νϡʔτϦΞϧͰશൠతʹར༻͢Δύοέʔδ
library(dplyr) # σʔλૢ࡞Λ༰қʹߦ͏ύοέʔδ

library(ggplot2) # ՄࢹԽͷͨΊͷύοέʔδ

library(sf) # ஍ཧۭؒσʔλΛѻ͏ύοέʔδ

library(rnaturalearth) # ύϒϦοΫυϝΠϯͰར༻Մೳͳߦ੓஍ਤσʔλΛఏڙ͢Δύοέʔδ
HHQMPUςʔϚͷઃఆ
theme_set(theme_bw(base_family = "IPAexGothic"))
೔ຊޠϑΥϯτ
޷ΈͷϑΥϯτΛࢦఆͯ͠0,Ͱ͢
೔ຊޠϓϩοτͷจࣈԽ͚ετϨεΛ௿ݮ͢Δ34UVEJPWͱSBHHύοέʔδΛ࢖͏
IUUQTVSJCPIBUFOBCMPHDPNFOUSZ

View Slide

ߦ੓۠Ҭͷ஍ਤ
HHQMPUͰͷ஍ਤදݱͷجૅ

View Slide

データ: Natural Earth
# Natural Earth͔Β೔ຊͷ౎ಓ෎ݝϙϦΰϯΛऔಘ
ne_jpn <-

ne_states(country = "Japan",

returnclass = "sf") %>%

# ࢖Θͳ͍ྻΛআ֎͠ɺඞཁͳྻ͚ͩΛબͿΑ͏ʹ͠·͢
select(iso_3166_2, gn_name) %>%

tibble::new_tibble(nrow = nrow(.), class = “sf"
)

class(ne_jpn)
#> [1] "sf" "tbl_df" "tbl" "data.frame
"

glimpse(ne_jpn)
#> Rows: 47
#> Columns: 3
#> $ iso_3166_2 "JP-46", "JP-44", "JP-40", "JP-41", "JP-42", "JP-43", "JP-4…
#> $ gn_name "Kagoshima-ken", "Oita-ken", "Fukuoka-ken", "Saga-ken", "Na…
#> $ geometry MULTIPOLYGON (((129.7832 31..., MULTIPOLYGON (…
ฦΓ஋ͷΫϥεΛTGʹࢦఆ
౎ಓ෎ݝϙϦΰϯΛ༻ҙ

View Slide

TGύοέʔδ
GIS規格のsimple features(sf)をRに実装
ne_jpn

#> Simple feature collection with 47 features and 2 fields

#> Geometry type: MULTIPOLYGON

#> Dimension: XY

#> Bounding box: xmin: 122.9382 ymin: 24.2121 xmax: 153.9856 ymax: 45.52041

#> CRS
: +
proj=longlat
+
datum=WGS84
+
no_defs
+
ellps=WGS84
+
towgs84=0,0,0

#> # A tibble: 47 × 3

#> iso_3166_2 gn_name geometry

#>

#> 1 JP-46 Kagoshima
-
ken (((129.7832 31.79963, 129.7909 31.78441, 129.7986 3…

#> 2 JP-44 Oita
-
ken (((131.2009 33.61271, 131.2199 33.60754, 131.2565 3…

#> 3 JP-40 Fukuoka
-
ken (((130.0363 33.45759, 130.0402 33.46125, 130.0446 3…

#> (লུ)

#> # … with 44 more rows
地物(feature)の情報を格納する3つのクラス（sfg,sfc,sf）
TG
TGD DPMVNO

TGH HFPNFUSZ

View Slide

ಉ͡ग़ྗ݁Ռ
[email protected]

ggplot(ne_jpn) +
geom_sf()
ggplot() +
geom_sf(data = ne_jpn)
sfオブジェクトをマッピングするgeom_*()
ڭՊॻͰ͸஍ਤσʔλͷඳըʹ[email protected]
Λ࢖͍·͕ͨ͠ɺ
ݱࡏ͸ͪ͜ΒʢTGܗࣜʣΛར༻͢Δͷ͕ඪ४తͰ͢ɻ

View Slide

ಉ͡ग़ྗ݁Ռ
[email protected]

ggplot() +

geom_sf(data = ne_jpn,

aes(fill = gn_name))
sfオブジェクトには他の変数が紐付けられるので…
ggplot(ne_jpn) +

geom_sf(aes(fill = gn_name))
ggplot2の審美的要素のマッピングが容易
౎ಓ෎ݝ͝ͱʹృΓͭͿ͠

View Slide

ߦ੓۠Ҭͷ஍ਤͷྫબڍ݁ՌͷϚοϐϯά
データ: 第48回衆議院議員総選挙
都道府県別届出政党等別得票数（⼩選挙区）
[email protected]
glimpse(ne_jpn_shugiin48)

#> Rows: 47

#> Columns: 8

#> $ iso_3166_2 "JP-46", "JP-44", …

#> $ prefecture "ࣛࣇౡݝ", “େ෼ݝ", …

#> $ gn_name "Kagoshima
-
ken", “Oita
-
ken", …

#> $ party "ࣗ༝ຽओౘ", “ࣗ༝ຽओౘ", …

#> $ votes 403187.0, 279778.0, …

#> $ is_ruling TRUE, TRUE, …

#> $ prop 53.15506, 51.12192,…

#> $ geometry MULTIPOLYGON (((129.7832 31
. ..
各都道府県でもっとも得票率の⾼かった党派 party
prop

View Slide

党派を塗り分けるカラーコードを定義
party_colors
<-
c(`ࣗ༝ຽओౘ` = "#41A12E",

`ެ໌ౘ` = "#F35A82",

`ཱݑຽओౘ` = "#1B4787",

`ر๬ͷౘ` = "#136437",

`೔ຊڞ࢈ౘ` = "#D90A26",

`೔ຊҡ৽ͷձ` = "#3EC021",

`ࣾձຽओౘ` = "#1CA9E9",

`ॾ೿` = "#D3D3D3",

`ແॴଐ` = "#691D82")
p
<-

ggplot(data = ne_jpn_shugiin48,

aes(fill = party))
σʔλΛఆٛ͠
৹ඒతཁૉΛϚοϐϯά
ʢౘ೿ͰృΓ෼͚Δʣ
1
2
Step1
Step2

View Slide

p1
<-

p +

geom_sf() +

scale_fill_manual(

values = party_colors,

guide = guide_legend(title = "ౘ೿"))

p1
౎ಓ෎ݝ͝ͱͷୈҰౘ

View Slide

౎ಓ෎ݝ͝ͱͷୈҰౘ
p2
<-

p +

# ݝڥΛ໌֬ʹ͢ΔͨΊʹଠ͞Λௐઅ͢Δ

geom_sf(size = 0.2) +

# ࢖ΘΕͳ͍ຌྫΛ࡟আ͢Δ

scale_fill_manual(

values = party_colors[c(1, 9)],

guide = guide_legend(title = "ౘ೿"))

p2

View Slide

஍ਤΛຏ্͖͛Δ
஍ਤදݱΛߦ͏ࡍͷ՝୊ͱ޲͖߹͏

View Slide

஍ٿ ࣍ݩ
Λฏ໘ ࣍ݩ
ʹදݱ͢Δʹ͸
球体平⾯
歪みが発⽣

View Slide

ͭͷ࠲ඪࢀরܥʢ$PPSEJOBUF3FGFSFODF4ZTUFN$34ʣ
地理座標系
投影座標系
ҢઢͱܦઢͰߏ੒͞ΕΔɻ౦੢ํ޲Λܦ౓ɺೆ๺ํ޲ΛҢ౓Ͱදݱ͢Δɻ
ଟ͘ͷ৔߹ɺ๺൒ٿ͸ਖ਼ͷҢ౓Λ࣋ͪɺೆ൒ٿ͸ෛͷҢ౓ͱͳΔɻܦ౓ͷݪ఺ͱͯ͠ຊॳࢠޕઢ͕࢖༻͞ΕΔɻ
࣍ݩͷ9:࠲ඪͰදݱɻ໘ੵɾڑ཭ɾ֯౓ͷ͍ͣΕ͔ʹର͢Δ࿪ΈΛิਖ਼Ͱ͖Δɻ
ϞϧϫΠσਤ๏ ϝϧΧτϧਤ๏ άʔυਤ๏
೔ຊपลΛදࣔ͢Δ౤Ө๏
ɾϝϧΧτϧਤ๏
ɾ65.࠲ඪܥ
ɾฏ໘௚֯࠲ඪܥ
空間データ座標が地球上のどの位置にあるか特定するための仕組み

View Slide

஍ਤ౤Ө๏ͷม׵
# Natural Earth͔ΒશٿϙϦΰϯΛऔಘ
ne_world
<-

ne_countries(scale = 10,

returnclass = "sf")
データ: Natural Earth
x
<-

st_crs(ne_world)

x$input

#> [1] "
+
proj=longlat
+
datum=WGS84
+
no_defs
+
ellps=WGS84
+
towgs84=0,0,0"
sfパッケージの関数st_crs()で座標参照系を確認
஍ཧ࠲ඪܥΛࣔ͢

View Slide

p
<-

ggplot(data = ne_world) +

geom_sf()

p
地理座標系のsfオブジェクトをマッピング
coord_sf()でマッピング時に
変換
対象オブジェクトのCRSを事前に
1 2

View Slide

coord_sf()の適⽤
1
# ϞϧϫΠσਤ๏ʹΑΔੈք஍ਤͷඳը
p +

coord_sf(crs = "
+
proj=moll")
sfオブジェクトの座標参照系を変更
2
# st_transform()ʹΑΔ࠲ඪࢀরܥͷมߋ

ne_world_moll
<-

st_transform(ne_world, crs = "
+
proj=moll")

ggplot(data = ne_world_moll) +

geom_sf()

View Slide

஍ਤσʔλͱख࣋ͪͷσʔλΛ݁߹͍ͨ͠ͱ͖
sfとデータ操作のためのdplyrパッケージを使って実現

QSFGFDUVSF HFPNFUSZ
๺ւಓ 10-:(0/ ʜ

੨৿ݝ 10-:(0/ ʜ

ʜ ʜ
ԭೄݝ 10-:(0/ ʜ

QSFGFDUVSF QPQVMBUJPO
๺ւಓ
੨৿ݝ
ʜ ʜ
ԭೄݝ
஍ཧۭؒσʔλʢTGʣ ଐੑσʔλ EBUBGSBNF

View Slide

஍ཧۭؒσʔλͱଐੑσʔλΛඥ͚ͮΔ
df_shugiin48_party_votes
<-

readr
::
read_rds(here
::
here("data/shugiin48_prefecture_party_votes.rds"))

glimpse(df_shugiin48_party_votes)

#> Rows: 48

#> Columns: 31

#> $ ۠෼ "๺ւಓ", "੨৿ݝ", "ؠखݝ", "ٶ৓ݝ", "ळాݝ", "ࢁܗ…

#> $ ࣗ༝ຽओౘ_உ 1107667, 365462, 226455, 552240, 261709, 214176, 425155, 477…

#> $ ࣗ༝ຽओౘ_ঁ 82096.0, NA, 57381.0, NA, NA, 103973.1, NA, 165437.0, NA, 20…

#> $ ࣗ༝ຽओౘ_ܭ 1189763.0, 365462.0, 283836.0, 552240.0, 261709.0, 318149.1,…

#> (লུ)

#> $ ߹ܭ_உ 2250452.0, 577864.0, 543060.0, 813560.0, 508327.0, 490173…

#> $ ߹ܭ_ঁ 442164.0, 19004.0, 78930.0, 188947.0, 13642.0, 103973.1, …

#> $ ߹ܭ_ܭ 2692616, 596868, 621990, 1002507, 521969, 594147, 902732,…
データ: 第48回衆議院議員総選挙
都道府県別届出政党等別得票数（⼩選挙区）
[email protected]

View Slide

df_shugiin48_party_votes_mod
<-

df_shugiin48_party_votes %>%

filter(۠෼
!=
"ܭ") %>%

select(prefecture = ۠෼, ends_with("ܭ")) %>%

select(!starts_with("߹ܭ"))
2つのデータを結合するための加⼯が必要
QSFGFDUVSF ࣗ༝ຽओౘ@ܭ ཱݑຽओౘ@ܭ ر๬ͷౘ@ܭ ެ໌ౘ@ܭ ೔ຊڞ࢈ౘ@ܭ ೔ຊҡ৽ͷձ@ܭ ࣾձຽओౘ@ܭ ॾ೿@ܭ ແॴଐ@ܭ
๺ւಓ /"
੨৿ݝ /" /" /" /" /"
ؠखݝ /" /" /" /" /"
ٶ৓ݝ /" /"
ळాݝ /" /" /" /" /" /"
ࢁܗݝ /" /" /" /" /"
Step1
౎ಓ෎ݝͷूܭ݁ՌͷΈʹ
બ୒ͱಉ࣌ʹྻ໊Λมߋ
உঁͷ߹ܭ஋Λબ୒
ౘ೿͝ͱͷूܭ݁Ռ͚ͩʹ
1
2
3

View Slide

df_shugiin48_party_votes_long
<-

df_shugiin48_party_votes_mod %>%

tidyr
::
pivot_longer(cols = ends_with("ܭ"),

names_to = "party",

values_to = "votes") %>%

mutate(party = stringr
::
str_remove(party, "_ܭ"),

is_ruling = if_else(party %in% c("ࣗ༝ຽओౘ", "ެ໌ౘ"),

TRUE,

FALSE))
Step2
QSFGFDUVSF QBSUZ WPUFT [email protected]
๺ւಓ ࣗ༝ຽओౘ 536&
๺ւಓ ཱݑຽओౘ '"-4&
๺ւಓ ر๬ͷౘ '"-4&
๺ւಓ ެ໌ౘ 536&
๺ւಓ ೔ຊڞ࢈ౘ '"-4&
๺ւಓ ೔ຊҡ৽ͷձ '"-4&
ྻ໊ͱ஋ͷ૊Έ߹Θͤ
Λͭͷྻʹ͢Δ

View Slide

df_shugiin48_party_votes_tops
<-

df_shugiin48_party_votes_long %>%

group_by(prefecture) %>%

mutate(prop = votes / sum(votes, na.rm = TRUE) * 100) %>%

top_n(n = 1, wt = prop) %>%

ungroup()
Step3
QSFGFDUVSF QBSUZ WPUFT [email protected] QSPQ
๺ւಓ ࣗ༝ຽओౘ 536&
੨৿ݝ ࣗ༝ຽओౘ 536&
ؠखݝ ࣗ༝ຽओౘ 536&
ٶ৓ݝ ࣗ༝ຽओౘ 536&
ʜ ʜ ʜ ʜ ʜ
ԭೄݝ ࣗ༝ຽओౘ 536&
ά
ϧʔϓʢ౎ಓ෎ݝʣ͝ͱʹ
ॲཧΛͯ͠৽ͨͳྻΛ௥Ճ͢Δ
各都道府県でもっとも得票率が⾼い党派の得票数

View Slide

ϩʔϚࣈͱ׽ࣈͷ݁߹͸ࣦഊ͢Δ
ne_jpn$gn_name

#> [1] "Kagoshima
-
ken" "Oita
-
ken" …

df_shugiin48_party_votes_tops$prefecture

#> [1] "๺ւಓ" "੨৿ݝ" …
データフレーム間の結合処理では、共通の値が記録された列が必要
QSFGFDUVSF HFPNFUSZ
)PLLBJEP 10-:(0/ ʜ

"PNPSJLFO 10-:(0/ ʜ

ʜ ʜ
0LJOBXBLFO 10-:(0/ ʜ

๺ւಓ
੨৿ݝ
ʜ ʜ
ԭೄݝ

View Slide

׽ࣈͱ׽ࣈͷ݁߹Λߦ͑ΔΑ͏ʹ͢Δ
# zipanguύοέʔδ͔ΒσʔληοτΛར༻͢Δ

jpnprefs
<-

zipangu
::
jpnprefs %>%

select(prefecture_kanji, gn_name = prefecture)

ne_jpn_kanji
<-

ne_jpn %>%

mutate(gn_name = recode(gn_name,

# ϩʔϚࣈදهͷنଇΛଞݝͱ߹ΘͤΔ

`Miyagi Ken` = "Miyagi
-
ken")) %>%

inner_join(jpnprefs,

by = "gn_name") %>%

select(iso_3166_2, prefecture = prefecture_kanji, gn_name)
Step4

View Slide

ne_jpn_shugiin48
<
-

ne_jpn_kanji %>%

left_join(df_shugiin48_party_votes_tops, by = "prefecture") %>%

relocate(geometry, .after = last_col())
Step5
sfオブジェクトに対してdata.frameの列を追加する
બڍ݁ՌͷϚοϐϯάͰ
ར༻ͨ͠σʔλ

View Slide

ूܭ୯ҐΛมߋ͍ͨ͠
地図データの⽅も合わせて集約したい
஍ํ
ݝ ˠ
๺ւಓ
੨৿ݝ
ʜ ʜ
ԭೄݝ
๺ւಓ
౦๺
ʜ ʜ
ԭೄɾ۝भ
ݝ୯Ґͷूܭ ஍ํ୯ҐͰͷूܭ

View Slide

TGͷHFPNFUSZʹର͢ΔEQMZSͷؔ਺ͷద༻
group_by()とsummarise()でポリゴンの集約が⾏われる
ne_jpn_region
<-

ne_jpn_kanji %>%

left_join(zipangu
::
jpnprefs %>%

select(prefecture = prefecture_kanji,

region),

by = "prefecture") %>%

group_by(region) %>%

summarise(.groups = "drop")
౎ಓ෎ݝ͔Β஍ํ΁ͷू໿
ʢಘථ਺ͱϙϦΰϯσʔλʣ

View Slide

ۭؒ഑ஔΛߟྀͨ͠άϥϑ
஍ਤʹݶΒͳ͍දݱͷ۠෼

View Slide

ۭؒ഑ஔΛߟྀͨ͠άϥϑ
⾏政単位での地図…⾯積の違いによる差異が発⽣
教科書ではアメリカ合衆国を表現する"statebins"を紹介
⾯積を無視して、空間配置を簡略化
஍ཧతͳۭؒ഑ஔΛ
׬શʹ͸࠶ݱ͠ͳ͍
খ͍͞भ΋େ͖͍भ΋ۉ౳
େ·͔ͳҐஔؔ܎Ͱ0,
1
2
3

View Slide

ΧϥϜ஍ਤ
\UBCVMBSNBQT^ύοέʔδ
⽇本の都道府県、市町村を表形式に配置して表現
IUUQTXXXTUPQDPWJEKQ
IUUQTHJUIVCDPNUBCVMBSNBQT
世界地図、県より⼩さな⾏政単位にも応⽤可能
λΠϧܗࣜʹσʔλΛฒ΂ͯදࣔ͢ΔUBCVMBSNBQTύοέʔδ͕$3"/ʹొ࿥͞Ε·ͨ͠
IUUQTVSJCPIBUFOBCMPHDPNFOUSZ

View Slide

UBCVMBSNBQύοέʔδ
library(tabularmaps)

jpn77 %>%

select(jis_code,

prefecture = prefecture_kanji,

x,

y) %>%

left_join(df_shugiin48_party_votes_tops,

by = "prefecture") %>%

tabularmap(x = x,

y = y,

group = jis_code,

label = prefecture,

fill = prop,

size = 2,

family = "IPAexGothic") +

scale_fill_viridis_b() +

theme_tabularmap(base_family = "IPAexGothic")

View Slide

·ͱΊ

View Slide

⾏政区域の地図
地図を磨き上げる
1
2
空間配置を考慮したグラフ
3
HHQMPUͰͷ஍ਤදݱ͸TGύοέʔδ͕ఏڙ͢ΔTGΦϒδΣΫτͱ[email protected]
Λ࢖ͬͯߦ͏
EBUBGSBNFͱTGΛ݁߹͢Δͱ͖ʹ͸஫ҙ͕ඞཁɻTGΦϒδΣΫτͱEQMZSͷ૬ੑ͸ྑ͘ɺHFPNFUSZͷ݁߹΋ߦ͑Δ
ۭؒతͳਖ਼֬͞ΛݮΒ͢͜ͱͰࢹೝੑΛߴΊΔ͜ͱ͕Ͱ͖Δ

View Slide

View Slide

地図を描画する / ggplot_map

地図を描画する / ggplot_map

Uryu Shinya

More Decks by Uryu Shinya

Other Decks in Education

Featured

Transcript