Presentación

Práctica 2: estudio de técnicas de visualización de datos de la asignatura de Visualización de Datos del Máster Universitario de Ciencia de Datos de la UOC

Grafica Dot density map

La técnica de visualización Dot density Map tiene la función de detectar y Visualizar patrones como agrupaciones de puntos en el mapa o visualizar las distribuciones de los datos en una región geográfica mediante puntos de igual tamaño.

Lectura del mapa

# librerias
library (openxlsx)
## Warning: package 'openxlsx' was built under R version 4.2.2
library(dplyr)
library(maps)
## Warning: package 'maps' was built under R version 4.2.2
library(ggplot2)
library(ggmap)
## Warning: package 'ggmap' was built under R version 4.2.2

Mapa de India obtenido por OpenStreetMap.

Fuente de la librería ggmap: D. Kahle and H. Wickham. ggmap: Spatial Visualization with ggplot2. The R Journal, 5(1), 144-161. URL http://journal.r-project.org/archive/2013-1/kahle-wickham.pdf

india <- c(left = 50, bottom = -10, right = 110, top = 50)

map <- get_stamenmap(india, zoom = 5, maptype = "watercolor")

ggmap(map) +
  theme_void() + 
  theme(
    plot.title = element_text(colour = "orange"), 
    panel.border = element_rect(colour = "grey", fill=NA, size=2)
  )

#  ℹ Map tiles by Stamen Design, under CC BY 3.0. Data by OpenStreetMap, under ODbL.

Lectura de la base de datos

Fuente: https://www.kaggle.com/datasets/narayan63/earthquake-data-india-and-surrounded-territory.

df <- read.csv("riseq.csv")

# convertir a dataframe
df = as.data.frame(df)
head(df)
##              orginal_time latitude longitude depth magnitude
## 1 2010-01-01 02:08:21 UTC    26.31     99.74    10   5.0[MB]
## 2 2010-01-01 02:22:25 UTC    30.44     83.71    10   4.8[MB]
## 3 2010-01-01 02:42:50 UTC    29.15     80.61    10   2.5[ML]
## 4 2010-01-01 17:42:03 UTC     1.40     67.75    10   4.7[MB]
## 5 2010-01-02 02:15:07 UTC    38.29     71.00    38   5.4[MB]
## 6 2010-01-02 03:12:09 UTC    38.11     70.51    15   4.5[ML]
##                                           location
## 1 345km ESE of Changlang, Arunachal Pradesh, India
## 2                    341km NNW of Kathmandu, Nepal
## 3       61km SE of Pithoragarh, Uttarakhand, India
## 4                      710km WSW of Male, Maldives
## 5               138km NNE of Fayzabad, Afghanistan
## 6                 112km N of Fayzabad, Afghanistan

Visualización

# extraer poligono de pais india
pais_india <- map_data("world") %>% filter(region=="India")

ggmap(map) + 
  geom_polygon(data = pais_india, aes(x=long, y = lat, group = group), fill="red4", alpha=0.3) +
  geom_point(data=df, aes(x=longitude, y=latitude), alpha=0.2) +
  labs(title = "Terremotos en India y territorio circundante", subtitle = "Entre 2010 y 2020") +
  theme(plot.title = element_text(face = "bold",size = 15),
        plot.title.position = "plot") +
  theme_void() + coord_map()

Los datos que vemos son la distribución de puntos en un mapa que representan la distribución de ocurrencia de un fenómeno indicando su ubicación.

Se muestra los terremotos que ocurrieron en India y el territorio circundante desde 2010 hasta 2020. Se visualiza agrupaciones de puntos en la zona norte de india y en la zona del golfo de bengala. Por tanto estas zonas son más propensas a presentar terremotos y se consideran de alto riesgo.