Name: R ile Coğrafi Verileri Görselleştirme
Rating: 4.586206896551724 (87 reviews)

Kurs Açıklaması

Paranın karşılığını en çok nerede alırsın, evi nereden almalısın? İlk adımın bir harita yapmak olabilir; ancak R'de mekânsal analiz, verilerin çoğu zaman karmaşık nesnelerde bulunması nedeniyle göz korkutucu olabilir.

Bu kurs, önce aşina olduğun veri çerçeveleriyle başlayıp ardından R'de mekânsal verileri temsil etmek için kullanılan sp ve raster paketlerindeki özel nesneleri tanıtarak seni mekânsal verilerle buluşturacak. Bu nesneleri okumayı, keşfetmeyi ve dönüştürmeyi öğrenecek; sonunda tmap paketini kullanarak haritalar yapabileceksin.

Kursun sonunda küçük bir kasabadaki emlak satışlarının, dünya ülkelerinin nüfuslarının, ABD'nin Kuzeydoğusu'ndaki nüfus dağılımının ve New York City mahallelerindeki medyan gelirin haritalarını yapmış olacaksın.

Ön Koşullar

Introduction to R Introduction to Data Visualization with ggplot2

Müfredat

Kurs içeriği

ggplot2 ve ggmap ile temel haritalama

Küçük bir ABD kasabasındaki emlak satışları gibi bazı mekânsal verileri ggplot2 ile görselleştirerek başlayacağız ve grafiklerine mekânsal bağlamı hızlıca eklemenin pratik bir yolu olarak ggmap paketini tanıtacağız. Mekânsal veriyi özel kılan şeylerden bahsedecek ve kurs boyunca çalışacağımız yaygın mekânsal veri türlerini tanıtacağız.

Bölüme Başla

Nokta ve poligon verileri

Mekânsal verileri veri çerçevelerinde saklayarak epey yol alabilirsin, ancak özel mekânsal nesneler kullanmak işleri kolaylaştırır. Bu bölümde özellikle nokta ve poligon verileri için sp paketinin sunduğu mekânsal nesne sınıflarını tanıtacağız. Bir dünya haritasını inceleyerek bu nesneleri keşfetmeyi ve alt kümelere ayırmayı öğreneceksin. Bu nesne sınıflarını öğrenmenin ödülü: girdi olarak mekânsal nesneler gerektiren ama harita oluşturmayı çok kolaylaştıran tmap paketini göstereceğiz! Bölümü, dünyanın nüfusunun bir haritasını yaparak tamamlayacaksın.

Bölüme Başla

Raster veriler ve renk

sp paketi raster veriler için bazı sınıflar sağlasa da raster paketi daha kullanışlı sınıflar sunar. Bu sınıflarla ve avantajlarıyla tanışacak, ardından bunları nasıl görselleştireceğini öğreneceksin. Örnekler, 2. Bölümdeki nüfus temasını sürdürüyor ancak bu kez hem mekânsal hem demografik olarak çok daha ayrıntılı veri kümelerine bakacaksın. Bölümün ikinci yarısında ise renk konusunu öğreneceksin — her görsel sunumun önemli bir parçası ve haritalar için özellikle kritik.

Bölüme Başla

Veri içe aktarma ve projeksiyonlar

Bu bölümde, ham mekânsal veri dosyalarından başlayıp bir haritaya kaynakça/atıf eklemeye kadar bir görselleştirmenin nasıl oluşturulduğunu adım adım izleyeceksin. Bu süreçte, mekânsal verileri R'ye nasıl okuyacağını, projeksiyonlar ve koordinat referans sistemleri hakkında daha fazlasını, bir mekânsal nesneye ek veri eklemeyi ve haritalarını parlatmak için bazı ipuçlarını öğreneceksin.