Cursus
Georuimtelijke data visualiseren in R
GemiddeldVaardigheidsniveau
Bijgewerkt 11-2025RData Visualization4 u15 videos58 Opdrachten5,000 XP29,635Prestatieverklaring
Maak je gratis account aan
of
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
Wil je 2 of meer mensen trainen?
Probeer DataCamp for BusinessCursusbeschrijving
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
Basic mapping with ggplot2 and ggmap
We'll dive in by displaying some spatial data -- property sales in a small US town -- using ggplot2 and we'll introduce you to the ggmap package as a quick way to add spatial context to your plots. We'll talk about what makes spatial data special and introduce you to the common types of spatial data we'll be working with throughout the course.
2
Point and polygon data
You can get a long way with spatial data stored in data frames, but it makes life easier if they are stored in special spatial objects. In this chapter we'll introduce you to the spatial object classes provided by the sp package, particularly for point and polygon data. You'll learn how to explore and subset these objects by exploring a world map. The reward for learning about these object classes: we'll show you the package tmap which requires spatial objects as input, but makes creating maps really easy! You'll finish up by making a map of the world's population.
3
Raster data and color
While the sp package provides some classes for raster data, the raster package provides more useful classes. You'll be introduced to these classes and their advantages and then learn to display them. The examples continue with the theme of population from Chapter 2, but you'll look at some much finer detail datasets, both spatially and demographically. In the second half of the chapter you'll learn about color -- an essential part of any visual display, but especially important for maps.
4
Data import and projections
In this chapter you'll follow the creation of a visualization from raw spatial data files to adding a credit to a map. Along the way, you'll learn how to read spatial data into R, more about projections and coordinate reference systems, how to add additional data to a spatial object, and some tips for polishing your maps.
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 gratis account aan
of
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.