R县的县是

Question

我使用ggplot2创建人口密度等值线。目前它正在为单一状态工作，但不适用于多个状态。看起来，各个县（通常有相同的名称）的密度混杂起来，有时甚至是非名称匹配县也会混淆在各州之间。例如，“新泽西州”给出了正确的密度，但“新泽西州”，“纽约州”告诉我，新泽西州人口众多的艾塞克斯郡密度为< 30p/mi^2。为什么是这样？

library(stringr) 
library(ggplot2) 
library(scales) 
library(maps) 

popdensitymap <- function(...){ 
path <- "U:/maps-county2011.csv" 

states <- list(...) 
countydata <- read.csv(path, sep=",") 

countydata <- data.frame(countydata$X, countydata$Population.Density) 
names(countydata) <- c("fips", "density") 

data(county.fips) 

cdata <- countydata 
cdata$fips <- gsub("^0", "", cdata$fips) 
countyinfo <- merge(cdata, county.fips, by.x="fips", by.y="fips") 

countyinfo <- data.frame(countyinfo, str_split_fixed(countyinfo$polyname, ",", 2)) 
names(countyinfo) <- c('fips', 'density', 'polyname', 'state', 'county') 
countyshapes <- map_data("county", states) 
countyshapes <- merge(countyshapes, countyinfo, by.x="subregion", by.y="county") 
choropleth <- countyshapes 
choropleth <- choropleth[order(choropleth$order), ] 
choropleth$density_d <- cut(choropleth$density, breaks=c(0,30,100,300,500,1000,3000,5000,100000)) 

state_df <- map_data("state", states) 
density_d <- choropleth$density_d 
choropleth <- choropleth[choropleth$state %in% tolower(states),] 


p <- ggplot(choropleth, aes(long, lat, group=group)) 
p <- p + geom_polygon(aes(fill=density_d), colour=alpha("white", 1/2), size=0.2) 
p <- p + geom_polygon(data = state_df, colour="black", fill = NA) 
p <- p + scale_fill_brewer(palette="PuRd") 
p 
} 

要使用，

popdensitymap("New Jersey") 
popdensitymap("New York", "New Jersey") 

Here is the csv.这是非常丑陋的，但我没有访问共享文件系统现在。

以下是输出示例。正如你所看到的，纽约市人口稠密的艾塞克斯郡的代表不准确。

编辑：Here is my version of the CSV.对不起，因为Dropbox延迟。

Answer 1

好的，我真的明白了。 SlowLearner和shujaa让我意识到问题在于，不同州的同名县没有被分配正确的人口密度。

为了解决这个问题，合并目前由polyname完成，这意味着在countyinfo的polyname无需改变和polyname添加到​​3210像这样：

countyshapes$polyname <- paste(countyshapes$region, countyshapes$subregion, sep=",") 

感谢您的帮助。我不确定我是应该删除该问题还是将其留作参考。

Answer 2

只是为了证明一个简单的例子，似乎工作...

library(ggplot2) 
library(scales) 
library(maps) 

csv.file <- "http://www.census.gov/popest/data/maps/2011/maps-county2011.csv" 

mydf <- read.csv(csv.file, skip = 4, header = TRUE, check.names = FALSE) 
mydf <- mydf[, c(1, 2, 5, 10, 11)] # we can drop most columns 

colnames(mydf) <- c("code", "subregion", "population", "density", "area") 
mydf$population <- as.numeric(gsub(",", "", mydf$population)) # remove commas 
mydf$area <- as.numeric(gsub(",", "", mydf$area)) # remove commas 

nj.pop <- mydf[substr(mydf$code, 1, 3) == '340', ] # new jersey code is 34000 
nj.pop <- nj.pop[2:nrow(nj.pop), ] # drop first row i.e. new jersey state itself 
nj.pop$subregion <- tolower(gsub(" County", "", nj.pop$subregion)) 
nj.pop$subregion <- gsub("\\.", "", nj.pop$subregion) 
nj.pop$density_d <- cut(nj.pop$density, 
         breaks = c(0,30,100,300,500,1000,3000,5000,100000), 
         dig.lab = 6, include.lowest = TRUE) 

nj.pop 

nj.shp <- map_data("county") # grab... 
nj.shp <- nj.shp[nj.shp$region == 'new jersey', ] # ...and subset 

identical(unique(nj.shp2$subregion), unique(nj.pop$subregion)) # should be TRUE 

nj.both <- merge(nj.pop, nj.shp2, by = "subregion") 

p <- ggplot(nj.both, aes(long, lat, group = group)) + 
    geom_polygon(aes(fill = density_d), colour = alpha("white", 1/2), 
       size = 0.2) + 
    scale_fill_brewer(palette = "PuRd") + 
    coord_equal() 

print(p) 

Answer 3

我有类似的问题制作地图，并使用merge，因为merge不一定维护秩序第一个data.frame中的行。我的解决方案是使用plyr::join代替（它往往会更快）。

其中一个缺点是您加入的列需要在两个数据框中具有相同的名称。从?join：

与合并，[加入]保留x的顺序无论什么连接类型是使用 。如果需要，y的行将被添加到底部。加入是 通常比合并更快，但它的功能稍差 - 它 当前没有办法重新命名输出或合并x和y数据框中的不同 变量。