Cursus
Georuimtelijke data visualiseren in R
GemiddeldVaardigheidsniveau
Bijgewerkt 11-2025
RData Visualization4 u15 videos58 Opdrachten5,000 XP29,716Bewijs van Prestatie
Maak je kosteloos account aan
Ga verder met GoogleMeer opties weergevenof
Door verder te gaan accepteer je onze Gebruiksvoorwaarden, ons Privacybeleid en dat je gegevens worden opgeslagen in de VS.
Geliefd bij leerlingen van duizenden bedrijven
Een team trainen?
Probeer voor bedrijvenCursusbeschrijving
Waar kun je het beste een huis kopen om de meeste waar voor je geld te krijgen? Je eerste stap is misschien om een kaart te maken, maar ruimtelijke analyse in R kan intimiderend zijn door de complexe objecten waarin de data vaak zijn opgeslagen.
In deze cursus maak je kennis met ruimtelijke data, te beginnen met objecten die je al kent, data frames, waarna we de speciale objecten uit de sp- en raster-pakketten introduceren die worden gebruikt om ruimtelijke data in R te representeren voor analyse. Je leert deze objecten inlezen, verkennen en bewerken, met als grote beloning dat je het tmap-pakket kunt gebruiken om kaarten te maken.
Aan het einde van de cursus heb je kaarten gemaakt van woningverkopen in een kleine stad, de bevolkingen van de landen van de wereld, de verdeling van mensen in het noordoosten van de VS en het mediane inkomen in de buurten van New York City.
Vereisten
Introduction to RIntroduction to Data Visualization with ggplot21
Basiskaarten met ggplot2 en ggmap
We gaan meteen aan de slag door ruimtelijke data — woningverkopen in een kleine Amerikaanse stad — te tonen met ggplot2, en we laten je zien hoe je met het ggmap-pakket snel ruimtelijke context aan je plots toevoegt. We bespreken wat ruimtelijke data bijzonder maakt en introduceren de gangbare typen ruimtelijke data waar we in de cursus mee werken.
2
Punt- en polygoondata
Je komt al een heel eind met ruimtelijke data in data frames, maar het is makkelijker als ze in speciale ruimtelijke objecten zijn opgeslagen. In dit hoofdstuk maak je kennis met de klassen voor ruimtelijke objecten uit het sp-pakket, vooral voor punt- en polygoondata. Je leert deze objecten verkennen en subsetten door een wereldkaart te bestuderen. De beloning voor het leren over deze objectklassen: we laten je het tmap-pakket zien, dat ruimtelijke objecten als input vereist, maar het maken van kaarten heel eenvoudig maakt! Je sluit af met een kaart van de wereldbevolking.
3
Rasterdata en kleur
Hoewel het sp-pakket enkele klassen voor rasterdata biedt, levert het raster-pakket meer bruikbare klassen. Je maakt kennis met deze klassen en hun voordelen en leert ze vervolgens weer te geven. De voorbeelden gaan verder met het thema bevolking uit Hoofdstuk 2, maar je bekijkt nu veel gedetailleerdere gegevenssets, zowel ruimtelijk als demografisch. In de tweede helft van het hoofdstuk leer je over kleur — een essentieel onderdeel van elke visuele weergave, maar vooral belangrijk voor kaarten.
4
Data-import en projecties
In dit hoofdstuk volg je de bouw van een visualisatie van ruwe ruimtelijke databestanden tot en met het toevoegen van een bronvermelding op een kaart. Onderweg leer je hoe je ruimtelijke data in R inleest, meer over projecties en coördinatenreferentiesystemen, hoe je extra data aan een ruimtelijk object toevoegt, en krijg je tips om je kaarten te verfijnen.
Georuimtelijke data visualiseren in R
Cursus voltooid
Verdien een prestatieverklaring
Voeg deze referentie toe aan je LinkedIn-profiel, cv of curriculum vitaeDeel het op sociale media en in je functioneringsgesprekSchrijf je nu in
Sluit je aan bij meer dan 19 miljoen leerlingen en start vandaag nog met Georuimtelijke data visualiseren in R!
Maak je kosteloos account aan
Ga verder met GoogleMeer opties weergevenof
Door verder te gaan accepteer je onze Gebruiksvoorwaarden, ons Privacybeleid en dat je gegevens worden opgeslagen in de VS.
Ontwikkel je datavaardigheden met DataCamp voor Mobiel
Maak vooruitgang onderweg met onze mobiele cursussen en dagelijkse 5-minuten programmeeruitdagingen.