Entrega 1 (corrección)
Eugenia Gonzalez
6/8/2019
Mapeando y analizando open data urbana
Vamos a mapear agregados por área a través de datos abiertos de un municipio. Elegimos la ciudad de Nueva York, y de ella la base de datos de los Espacios Públicos en Propiedad Privada (POPS - Privately Owned Public Spaces). Estos son espacios, interior y exterior, destinados a uso público pero de tenencia privada, a cambio de exenciones impositivas o superficie de construcción adicional.
Iniciamos llamando a los paquetes que vamos necesitar.
library(tidyverse)## Warning: package 'tidyverse' was built under R version 3.6.1## -- Attaching packages ------------------------------------------------------- tidyverse 1.2.1 --## v ggplot2 3.2.0 v purrr 0.3.2
## v tibble 2.1.3 v dplyr 0.8.3
## v tidyr 0.8.3 v stringr 1.4.0
## v readr 1.3.1 v forcats 0.4.0## Warning: package 'tibble' was built under R version 3.6.1## Warning: package 'tidyr' was built under R version 3.6.1## Warning: package 'readr' was built under R version 3.6.1## Warning: package 'purrr' was built under R version 3.6.1## Warning: package 'dplyr' was built under R version 3.6.1## Warning: package 'stringr' was built under R version 3.6.1## Warning: package 'forcats' was built under R version 3.6.1## -- Conflicts ---------------------------------------------------------- tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag() masks stats::lag()library(sf)## Warning: package 'sf' was built under R version 3.6.1## Linking to GEOS 3.6.1, GDAL 2.2.3, PROJ 4.9.3library(ggplot2)Trabajaremos con estas funciones para asignar a cada registro geo-referenciado el barrio al que corresponde. Cargamos los datasets con los cuales vamos a trabajar y visualizamos atributos, componentes y nombres de las variables.
mapa_NYC <- st_read("E:/Documentos/Ciencia de Datos II/NYC base/nynta.shp")## Reading layer `nynta' from data source `E:\Documentos\Ciencia de Datos II\NYC base\nynta.shp' using driver `ESRI Shapefile'
## Simple feature collection with 195 features and 7 fields
## geometry type: MULTIPOLYGON
## dimension: XY
## bbox: xmin: 913175.1 ymin: 120121.9 xmax: 1067383 ymax: 272844.3
## epsg (SRID): NA
## proj4string: +proj=lcc +lat_1=40.66666666666666 +lat_2=41.03333333333333 +lat_0=40.16666666666666 +lon_0=-74 +x_0=300000 +y_0=0 +datum=NAD83 +units=us-ft +no_defsnames(mapa_NYC)## [1] "BoroCode" "BoroName" "CountyFIPS" "NTACode" "NTAName"
## [6] "Shape_Leng" "Shape_Area" "geometry"POPS_NYC <- st_read("E:/Documentos/Ciencia de Datos II/POPS - Privately Owned Public Spaces/nycpops_20180815.shp")## Reading layer `nycpops_20180815' from data source `E:\Documentos\Ciencia de Datos II\POPS - Privately Owned Public Spaces\nycpops_20180815.shp' using driver `ESRI Shapefile'
## Simple feature collection with 354 features and 27 fields
## geometry type: POINT
## dimension: XY
## bbox: xmin: 979859 ymin: 189776 xmax: 1021888 ymax: 225509
## epsg (SRID): NA
## proj4string: +proj=lcc +lat_1=40.66666666666666 +lat_2=41.03333333333333 +lat_0=40.16666666666666 +lon_0=-74 +x_0=300000 +y_0=0 +datum=NAD83 +units=us-ft +no_defsnames(POPS_NYC)## [1] "POPS_Numbe" "Borough_Na" "Community_" "Address_Nu" "Street_Nam"
## [6] "Zip_Code" "Building_A" "Tax_Block" "Tax_Lot" "Building_N"
## [11] "Building_L" "Year_Compl" "Building_C" "Public_Spa" "Developer"
## [16] "Building_1" "Principal_" "Size_Requi" "Hour_Of_Ac" "Amenities_"
## [21] "Other_Requ" "Permitted_" "Physically" "Latitude" "Longitude"
## [26] "XCoordinat" "YCoordinat" "geometry"Una vez que cargamos las bases, visualizamos sus atributos, componentes y nombres de las variables.
summarize(mapa_NYC)## Simple feature collection with 1 feature and 0 fields
## geometry type: MULTIPOLYGON
## dimension: XY
## bbox: xmin: 913175.1 ymin: 120121.9 xmax: 1067383 ymax: 272844.3
## epsg (SRID): NA
## proj4string: +proj=lcc +lat_1=40.66666666666666 +lat_2=41.03333333333333 +lat_0=40.16666666666666 +lon_0=-74 +x_0=300000 +y_0=0 +datum=NAD83 +units=us-ft +no_defs
## geometry
## 1 MULTIPOLYGON (((969488.2 14...Ahora vamos a graficar para observar ambos shapefiles, pero antes vamos a unir los datasets, para asignarle a cada registro geo-referenciado el barrio que le corresponde.
POPS_mapa <- st_join(POPS_NYC, mapa_NYC)ggplot() +
geom_sf(data = mapa_NYC) +
geom_sf(data = POPS_NYC, color = "green", alpha = .3) +
theme_minimal()
En el mapa anterior podemos ver que hay ciertos distritos (boroughs) que no tienen POPS, por lo que graficamos nuevamente un mapa donde el color nos defina su localización por distrito.
ggplot() +
geom_sf(data = mapa_NYC) +
geom_sf(data = POPS_NYC, aes(color = Borough_Na)) +
theme_minimal()
Vemos que los distritos que contienen POPS son Brooklyn, Manhattan y Queens. Realizamos un conteo de la cantidad de POPS por barrio dentro de los distritos.
POPS_boro <- POPS_mapa %>%
group_by(NTAName, BoroName) %>%
summarise(cantidad = n())Mediante un gráfico de barras vemos que distrito tiene una mayor cantidad de POPS, si bien es evidente en el mapa anterior, a través de este gráfico podemos tener una aproximación numérica de la cantidad total en cada uno.
ggplot(POPS_boro) +
geom_bar(aes(x=reorder(BoroName, cantidad), weight= cantidad), fill="green4")+
coord_flip() +
labs(title = "Cantidad de POPS por Distrito",
subtitle = "Ciudad de Nueva York",
caption = "Fuente: Open Data NYC",
x = "Distrito",
y = "Cantidad de POPS") +
theme_minimal()
Queremos mostrar cuales son los barrios que cuentan con mayor cantidad de POPS.
ggplot(POPS_boro) +
geom_bar(aes(x=reorder(NTAName, cantidad), weight= cantidad), fill= "green4") +
coord_flip() +
labs(title = "Cantidad de POPS en la Ciudad de Nueva York",
subtitle = "Distritos: Brooklyn, Manhattan y Queens",
caption = "Fuente: Open Data NYC",
x = "Barrios",
y = "Cantidad de POPS") +
theme_minimal()
Como sabemos que 3 distritos de la Ciudad de Nueva York tienen POPS, los filtramos y realizamos un nuevo join spatial.
mapa_BMQ <- filter(mapa_NYC, BoroName %in%
c("Manhattan", "Brooklyn", "Queens"))
mapa_BMQ <- st_join(mapa_BMQ, POPS_boro)Y luego realizamos el mapa en el cual el gradiente del color indica la cantidad de POPS por barrio.
ggplot() +
geom_sf(data = mapa_BMQ, aes(fill = cantidad), color = NA) +
labs(title = "Cantidad de POPS por barrio",
fill = "Cantidad",
caption = "Fuente: Open Data NYC") +
theme(panel.background = element_rect(fill = "gray100", colour = "gray100", size = 2, linetype = "solid"),
panel.grid.major = element_line(size = 0.5, linetype = "solid", colour = "grey"),
panel.grid.minor = element_line(size = 0.25, linetype = "solid", colour = "white"),
title=element_text(size=12, face = "bold"),
legend.key.size = unit(0.4, "cm"),
legend.key.width = unit(0.4,"cm"),
legend.position="right",
legend.direction = "vertical",
legend.title=element_text(size=10, face = "bold"),
legend.text=element_text(size=7),
plot.caption=element_text(face = "italic", colour = "gray35",size=6),
axis.text = element_blank(),
axis.ticks = element_blank())
Buscamos quedarnos con el distrito Manhattan, el cual se lleva la mayor cantidad de POPS.
POPS_Man <- POPS_boro %>%
filter(BoroName=="Manhattan") mapa_Man <- filter(mapa_NYC, BoroName=="Manhattan")
mapa_Man <- st_join(mapa_Man, POPS_Man)ggplot() +
geom_sf(data = mapa_Man, aes(fill = cantidad), color = NA) +
labs(title = "Cantidad de POPS en Manhattan",
fill = "Cantidad",
caption = "Fuente: Open Data NYC") +
theme(panel.background = element_rect(fill = "gray100", colour = "gray100", size = 2, linetype = "solid"),
panel.grid.major = element_line(size = 0.5, linetype = "solid", colour = "grey"),
panel.grid.minor = element_line(size = 0.25, linetype = "solid", colour = "white"),
title=element_text(size=12, face = "bold"),
legend.key.size = unit(0.4, "cm"),
legend.key.width = unit(0.4,"cm"),
legend.position="right",
legend.direction = "vertical",
legend.title=element_text(size=10, face = "bold"),
legend.text=element_text(size=7),
plot.caption=element_text(face = "italic", colour = "gray35",size=6),
axis.text = element_blank(),
axis.ticks = element_blank())