1. Introducción
Este cuaderno muestra el procedimiento llevado a cabo para realizar un mapa de las ciudades colombianas utilizando las herramientas de R.
2. Procedimiento
Se usa la librería leaflet para hacer el respectivo mapa.
Para instalar leaflet se escribe:
install.packages("leaflet")
Leer la librería con la herramienta library:
library(leaflet)
Para subir el archivo a trabajar, se utiliza el siguiente código:
cities<-read.csv(file="C:/Users/LUISA CARRION/Downloads/ciudades.txt", header=FALSE, sep=";")
Se procede a leer el objeto:
cities
Para conocer el atributo del objeto, se escribe:
class(cities)
[1] "data.frame"
En la tabla que contiene cities, se observa que faltan los nombres de las columnas. Para agregarlos de escribe:
names(cities)<-c("id", "country", "city", "latitude", "altitude")
Para observar si se guardaron los cambios se escribe el comando tail, que nos permite observar los últimos seis elementos del archivo:
tail(cities)
Para hacer el mapa:
leaflet(cities) %>%
addTiles()%>%
addCircles(lng=~altitude, lat=~latitude)
Otra forma de graficar el mapa es mediante el siguiente código:
m<-leaflet(cities) %>%
addTiles() %>%
addMarkers(lng=~altitude, lat=~latitude, popup="city")
Para ver el mapa:
m
Para finalizar, se hace un mapa con las coordenadas del Museo del Oro:
leaflet() %>% addTiles() %>% setView(-74.0719, 4.6017, zoom = 70)
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