Download as PDF, PPTX
![クラスター分析
#クラスター分析に投入する項目を抽出
cluster01 <-
meguro03@data[,
c("p000577002","p000577003","p000577005",
"p000577006","p000577007","p000577008",
"p000577009")]
#クラスター分析の実行
cluster02 <- pam(cluster01, k=3)
#クラスター分析の結果を図形データに結合
meguro03$cluster.nm <- cluster02$clustering
19](https://image.slidesharecdn.com/foss4g-121113232538-phpapp01/85/R-GIS-19-320.jpg)
![主題図の作成
#shpへエクスポート
writePolyShape(meguro03, "cluster.shp")
#閾値の数
class <- classIntervals(meguro03$cluster.nm, 3)
#色の設定
colcode <- findColours(class, brewer.pal(3,"Accent"))
#凡例のラベル
names(attr(colcode, "table"))[1] <- "1"
names(attr(colcode, "table"))[2] <- "2"
names(attr(colcode, "table"))[3] <- "3"
21](https://image.slidesharecdn.com/foss4g-121113232538-phpapp01/85/R-GIS-21-320.jpg)
RでGISハンズオンセッション
- 1. 2012年11月5日 FOSS4G 2012 Tokyo ＠東京大学柏キャンパス RでGIS ハンズオンセッション NPO法人オープンコンシェルジュ／OSGeo.JP 星田侑久
- 2. Rについて R http://www.r-project.org/ R（wikipedia） http://ja.wikipedia.org/wiki/R%E8%A8%80%E8 %AA%9E Rjpwiki http://www.okada.jp.org/RWiki/ RでGIS http://www.okada.jp.org/RWiki/?%A3%D2%A4 %C7%A3%C7%A3%C9%A3%D3 2
- 3. Rについて 商用版はS-PLUS いいところ データ量が多くても平気 扱える分析手法が豊富 やろうと思えば空間情報を用いた分析は いろいろできる 3
- 4. Rのインストール windows, mac, linuxで動作可能 http://cran.md.tsukuba.ac.jp/ 4
- 5. とりあえず動かしてみる # xに1を代入 x <- 1 x # yに1を代入 y <- 2 y # xとyを足したものをzに代入 z <- sum(x, y) z 5
- 6. 使用するデータ 【地図で見る統計（統計GIS）】 http://www.e-stat.go.jp/SG2/toukeichiri/TopFrame.do?fromPage=init&toPage=download ①平成22年国勢調査（小地域） 東京都目黒区、世界測地系平面直角第9系、shp ②住宅の建て方別世帯数（小地域） 東京都目黒区、txt 【国土数値情報ダウンロードサービス】 http://nlftp.mlit.go.jp/ksj/gml/gml_datalist.html ③鉄道データ、世界測地系緯度経度、shp 6
- 7. 概要 １．データのインポート ２．データの結合 ３．データ加工 ４．グラフの描画 ５．クラスター分析 ６．主題図の作成 7
- 8. パッケージのインストール（オフライン） パッケージ ●R言語のプログラムを配布用の形式に保存したもの ●関数やデータセット、リファレンスマニュアルなどがひ とまとめにされた、いわば出来合いのアプリケーション・ 関数ライブラリ・データベース #パッケージが格納されているフォルダの確認 .libPaths() 上記のフォルダにPackageフォルダ内のデータをコピー 8
- 9. パッケージのインストール（オンライン） #パッケージのインストール install.packages(“maptools”) #パッケージの読み込み library(maptools) 9
- 10. 作業ディレクトリの設定 #作業ディレクトリの設定 setwd("フルパス") c:¥temp → c:¥¥temp → c:/temp #windowsの場合 ¥WORK¥win #mac、linuxの場合 ¥WORK¥mac 10
- 11. データのインポート #shpをインポート #目黒区 meguro01 <- readShapePoly("h22ka13110.shp") #座標系の設定 proj4string(meguro01) <- CRS("+init=epsg:2451") #画面に表示 plot(meguro01) #ヘッダーの表示 names(meguro01) #サマリーの表示 summary(meguro01) 11
- 12. 投影変換 EPSGコード 地理座標系をあらわすコード http://spatialreference.org/ https://sites.google.com/site/gistoolboxes/ meguro02 <- spTransform( meguro01, CRS = CRS("+init=epsg:4612")) 12
- 13. データのインポート #dbfをインポート dbf01 <- read.dbf("h22ka13110.dbf") #属性データをインポート txt01 <- read.csv("tblT000577C13110.txt") #型の違いを確認 class(meguro02) #カラムへのアクセス meguro02$KEY_CODE 13
- 14. データの結合 #単純にmergeすると型が変わる tmp <- merge(meguro02, txt01, by="KEY_CODE") class(tmp) #sort=Fオプションが大切 meguro03 <- meguro02 meguro03@data <- merge(meguro02@data, txt01, by="KEY_CODE", sort=F) 14
- 15. ひとやすみ #関数のhelp help(readShapePoly) 各パッケージのドキュメント http://cran.r-project.org/web/packages/maptools/maptools.pdf http://cran.r-project.org/web/packages/sp/sp.pdf 15
- 16. データ加工 #演算 #数値型に変換して演算 #一戸建て世帯割合＝一戸建て世帯／世帯数 meguro03$p000577002 <- as.numeric(as.character(meguro03$T000577002)) / as.numeric(as.character(meguro03$T000577001)) 16
- 17. データ加工 #欠損値を０埋め meguro03$p000577003 <- ifelse(is.na(meguro03$p000577003), 0, meguro03$p000577003) #確認 subset(meguro03@data, KEY_CODE == 13110001004, c(T000577001,T000577002,T000577003,T000577004, T000577005,T000577006,T000577007,T000577008, T000577009)) #基本統計量 summary(as.numeric (as.character (meguro03@data$T000577003))) 17
- 18. グラフの描画 #ヒストグラム hist(meguro03$p000577002, xlim=c(0, 1), ylim=c(0, 20), main="ikkodate", xlab="pro", col="purple") #散布図 plot(meguro03$p000577002, meguro03@data$p000577004, xlab="pro_ikkodate", ylab="pro_kyoudou", main="scatter plot", cex=1, pch=20, col="green", xlim=c(0, 1), ylim=c(0, 1)) 18
- 19. クラスター分析 #クラスター分析に投入する項目を抽出 cluster01 <- meguro03@data[, c("p000577002","p000577003","p000577005", "p000577006","p000577007","p000577008", "p000577009")] #クラスター分析の実行 cluster02 <- pam(cluster01, k=3) #クラスター分析の結果を図形データに結合 meguro03$cluster.nm <- cluster02$clustering 19
- 20. クラスター分析の結果の解釈 #クラスターのグループごとに一戸建世帯割合を集計 （平均） barplot( by( meguro03$p000577002, meguro03$cluster.nm, mean), main="ikkodate") #1；共同住宅３～５階建が多い #2；一戸建が多い #3；共同住宅６～階建が多い 20
- 21. 主題図の作成 #shpへエクスポート writePolyShape(meguro03, "cluster.shp") #閾値の数 class <- classIntervals(meguro03$cluster.nm, 3) #色の設定 colcode <- findColours(class, brewer.pal(3,"Accent")) #凡例のラベル names(attr(colcode, "table"))[1] <- "1" names(attr(colcode, "table"))[2] <- "2" names(attr(colcode, "table"))[3] <- "3" 21
- 22. 主題図の作成 #PDFへ出力、日本語も使えるように pdf("meguro.pdf",family = "Japan1GothicBBB") #クラスター分析の結果を格納したレイヤー plot(meguro03, xlim=c(139.6496,139.7295), ylim=c(35.5973,35.6734), col=colcode, axe=TRUE) #地図のタイトル title("目黒区") 22
- 23. 主題図の作成 #レイヤーの重ね合わせ par(new=T) #線路レイヤー plot(railroad, xlim=c(139.6496,139.7295), ylim=c(35.5973,35.6734), col="black", lwd=1) #レイヤーの重ね合わせ par(new=T) 23
- 24. 主題図の作成 #駅レイヤー plot(station, xlim=c(139.6496,139.7295), ylim=c(35.5973,35.6734), col = "red", lwd = 3) #レイヤーの重ね合わせ par(new=T) #地図の凡例 legend(139.6496,35.6734, legend=names(attr(colcode, "table")), fill=attr(colcode, "palette"), cex=0.6, bg='gray') 24
- 25. 主題図の作成 #町丁目名のラベル、ハロー invisible( text(getSpPPolygonsLabptSlots(meguro03), labels=as.character(meguro03$MOJI), cex=0.25, col="white", font=2)) invisible( text(getSpPPolygonsLabptSlots(meguro03), labels=as.character(meguro03$MOJI), cex=0.25, col="black", font=1)) #PDF出力の終了 dev.off() 25
- 26. 参考書籍 谷村 晋 古谷知之 地理空間データ分析 Ｒによる空間データの統計分析 26