Mappe, ggplot2, riempimento per stato mancano alcune aree sulla mappa

Question

Sto lavorando con maps e ggplot2 per visualizzare il numero di determinati crimini in ciascuno stato per diversi anni. Il set di dati con cui sto lavorando è stato prodotto dall'FBI e può essere scaricato dal loro sito o dallo here (se non si desidera scaricare il set di dati non ti biasimo, ma è troppo grande per copiare e incollare in questa domanda e includere una frazione del set di dati non sarebbe di aiuto, in quanto non ci sarebbero abbastanza informazioni per ricreare il grafico).

Il problema è più semplice di quanto descritto.

Come si può vedere in California manca un grande pezzo, così come un paio di altri stati. Ecco il codice che ha prodotto questa trama:

# load libraries 
library(maps) 
library(ggplot2) 

# load data 
fbi <- read.csv("http://www.hofroe.net/stat579/crimes-2012.csv") 
fbi <- subset(fbi, state != "United States") 
states <- map_data("state") 

# merge data sets by region 
fbi$region <- tolower(fbi$state) 
fbimap <- merge(fbi, states, by="region") 

# plot robbery numbers by state for year 2012 
fbimap12 <- subset(fbimap, Year == 2012) 
qplot(long, lat, geom="polygon", data=fbimap12, 
    facets=~Year, fill=Robbery, group=group) 

Questo è ciò che i dati states assomiglia:

long  lat  group order region subregion 
1 -87.46201 30.38968  1  1 alabama  <NA> 
2 -87.48493 30.37249  1  2 alabama  <NA> 
3 -87.52503 30.37249  1  3 alabama  <NA> 
4 -87.53076 30.33239  1  4 alabama  <NA> 
5 -87.57087 30.32665  1  5 alabama  <NA> 
6 -87.58806 30.32665  1  6 alabama  <NA> 

E questo è ciò che i dati fbi assomiglia:

Year Population Violent Property Murder Forcible.Rape Robbery 
1 1960 3266740 6097 33823 406   281  898 
2 1961 3302000 5564 32541 427   252  630 
3 1962 3358000 5283 35829 316   218  754 
4 1963 3347000 6115 38521 340   192  828 
5 1964 3407000 7260 46290 316   397  992 
6 1965 3462000 6916 48215 395   367  992 
    Aggravated.Assault Burglary Larceny.Theft Vehicle.Theft abbr state region 
1    4512 11626   19344   2853 AL Alabama alabama 
2    4255 11205   18801   2535 AL Alabama alabama 
3    3995 11722   21306   2801 AL Alabama alabama 
4    4755 12614   22874   3033 AL Alabama alabama 
5    5555 15898   26713   3679 AL Alabama alabama 
6    5162 16398   28115   3702 AL Alabama alabama 

I quindi unì i due set lungo region. Il sottoinsieme che sto cercando di tracciare è

 region Year Robbery  long  lat group 
8283 alabama 2012 5020 -87.46201 30.38968  1 
8284 alabama 2012 5020 -87.48493 30.37249  1 
8285 alabama 2012 5020 -87.95475 30.24644  1 
8286 alabama 2012 5020 -88.00632 30.24071  1 
8287 alabama 2012 5020 -88.01778 30.25217  1 
8288 alabama 2012 5020 -87.52503 30.37249  1 
     ...   ... ...  ... 

Qualche idea su come posso creare questa trama senza quei brutti punti mancanti?

Answer 1

Ho giocato con il tuo codice. Una cosa che posso dire è che quando hai usato merge qualcosa è successo. Ho disegnato la mappa degli stati usando geom_path e confermato che c'erano un paio di linee strane che non esistono nei dati della mappa originale. Ho quindi approfondito questo caso giocando con merge e inner_join. merge e inner_join stanno facendo lo stesso lavoro qui. Tuttavia, ho trovato una differenza. Quando ho usato merge, l'ordine è cambiato; i numeri non erano nella giusta sequenza. Questo non era il caso di inner_join. Di seguito vedrai un po 'di dati con la California. Il tuo approccio era giusto. Ma merge in qualche modo non ha funzionato a tuo favore. Non sono sicuro del perché la funzione abbia cambiato ordine, comunque.

library(dplyr) 

### Call US map polygon 
states <- map_data("state") 

### Get crime data 
fbi <- read.csv("http://www.hofroe.net/stat579/crimes-2012.csv") 
fbi <- subset(fbi, state != "United States") 
fbi$state <- tolower(fbi$state) 


### Check if both files have identical state names: The answer is NO 
### states$region does not have Alaska, Hawaii, and Washington D.C. 
### fbi$state does not have District of Columbia. 

setdiff(fbi$state, states$region) 
#[1] "alaska"   "hawaii"   "washington d. c." 

setdiff(states$region, fbi$state) 
#[1] "district of columbia" 

### Select data for 2012 and choose two columns (i.e., state and Robbery) 
fbi2 <- fbi %>% 
     filter(Year == 2012) %>% 
     select(state, Robbery) 

Ora ho creato due frame di dati con merge e inner_join.

### Create two data frames with merge and inner_join 
ana <- merge(fbi2, states, by.x = "state", by.y = "region") 
bob <- inner_join(fbi2, states, by = c("state" ="region")) 

ana %>% 
    filter(state == "california") %>% 
    slice(1:5) 

#  state Robbery  long  lat group order subregion 
#1 california 56521 -119.8685 38.90956  4 676  <NA> 
#2 california 56521 -119.5706 38.69757  4 677  <NA> 
#3 california 56521 -119.3299 38.53141  4 678  <NA> 
#4 california 56521 -120.0060 42.00927  4 667  <NA> 
#5 california 56521 -120.0060 41.20139  4 668  <NA> 

bob %>% 
    filter(state == "california") %>% 
    slice(1:5) 

#  state Robbery  long  lat group order subregion 
#1 california 56521 -120.0060 42.00927  4 667  <NA> 
#2 california 56521 -120.0060 41.20139  4 668  <NA> 
#3 california 56521 -120.0060 39.70024  4 669  <NA> 
#4 california 56521 -119.9946 39.44241  4 670  <NA> 
#5 california 56521 -120.0060 39.31636  4 671  <NA> 

ggplot(data = bob, aes(x = long, y = lat, fill = Robbery, group = group)) + 
geom_polygon() 

Answer 2

Il problema è dell'ordine di argomenti per unione

fbimap <- merge(fbi, states, by="region") 

ha i dati tematici primo e il secondo dati geo. Commutare l'ordine con

fbimap <- merge(states, fbi, by="region") 

i poligoni devono essere tutti chiusi.