Hola :
De momento el problema lo he resuelto, en parte, fuera de R, aunque quiero ver
a fondo las soluciones que me propones, sobre datos reales, porque tienen una
pinta estupenda. ;-)
Como lo que busco es convertir una serie de coordenadas geográficas (puntos) en
una “malla” de superficies el usar el método MBA me va bien.
Jugando con la resolución del MBA obtengo una malla más o menos detallada según
necesito, luego utilizo un código html (de ahí que diga que lo he resuelto
fuera de R) para superponer el png generado a partir de la malla MBA sobre
GoogleMaps.
De esta manera obtengo un html dinámico que me permite, entre otras cosas,
hacer zoom sobre el mapa de calor.
El código que uso para generar el png es básicamente el que tu indicas al
principio:
##Cargamos datos
datos <- readWorksheet(wb,'Datos',colTypes =
c('numeric','numeric','numeric','character','character','character','character'),header=TRUE)
##Calculamos aproximacion de superficies segun coordenadas y valores
d <- datos[, c(1,2,3)]
superf <- mba.surf(d, resolucion, resolucion,extend=FALSE)$xyz.est
##Mapa de calor segun valores de Z en (x,y) con leyenda, sin ejes y sin fondo
png(filename = paste(fichero,sep=''),width = ancho , height = alto, units='px')
##Ajustamos parametros graficos y generamos PNG
x<-par()
par(mar=c(0,0,1.1,0.2))
image.plot(superf, bg= NULL, axes=FALSE, nlevel = niveles, main = 'Titulo de
Pruebas')
par(x)
dev.off()
La aproximación que indicas por densidad, replicando en frecuencias, el valor
de la z también la había sopesado, pero me temo que va a haber una fase 2 de
esto en la que necesitare los datos sin transformar, además de que no me parece
una solución muy elegante.
Estoy seguro de que hay alguna manera de obtener esto sin tener que “emular” la
distribución de densidad a partir de los valores de z, pero esto lo dejo para
cuando ande un poquito menos saturado de trabajo.
Muchas gracias por vuestros aportes a todos.
PD: Para los que controlen de javascript y html Google dispone de una API para
generar “directamente” mapas de calor, lo podeis ver aquí;
https://developers.google.com/maps/documentation/javascript/heatmaplayer
De: Javier Villacampa González [mailto:javier.villacampa.gonza...@gmail.com]
Enviado el: sábado, 24 de octubre de 2015 17:34
Para: r-help-es-requ...@r-project.org;
Gilsanz, Jose Luis
Asunto: Re: Mapa de Calor con Google Maps de fondo
Le he estado dando vueltas a tu problema, yo en su día lo que hacía era crear
tantos puntos como había en x e y. Con MBA lo que estas creando es el spline
que pasa por las tres coordenas. Si quieres esa aproximación no he encontrado
nada para tu problema. Aunque dudo mucho que quieras dibujar un spline, o más
bien creo que te da lo mismo dibujar un spline o una densidad.
Para solventar el problema con densidades lo que he hecho yo clásicamente ha
sido repetir los puntos (x,y) tantas veces como aparezca z. No es la mejor
solución , pero creo que te puede valer y depende lo que quieras representar en
el mapa es mejor solución que un spline.
No se si esta solución te valdrá (pruebala y nos cuentas, entiendo que nada es
optimo pero algo espero ayudarte):
###
library(dplyr)
library(data.table)
library(jpeg)
library(ggplot2)
library(png)
library(grid)
x_coord <- c(1,2,3,4)
y_coord <- c(1,2,3,4)
value <- c(12,15,19,30)
foo <- data.frame(x_coord, y_coord, value)
library(MBA)
foo=foo[ order(foo[,1], foo[,2],foo[,3]), ]
mba.int <- mba.surf(foo, 300, 300, extend=T)$xyz.est
library(fields)
fields::image.plot(mba.int)
data <- foo
varInteger_Txt <- "value"
varX_Txt <- "x_coord"
varY_Txt <- "y_coord"
tranform <- function(data, varInteger_Txt, varX_Txt, varY_Txt){
data <- data[, c(varInteger_Txt, varX_Txt, varY_Txt)]
Original_values <- nrow(data)
data <- data[ !duplicated(data[,varX_Txt], data[,varY_Txt]),]
Final_values <- nrow(data)
if(Original_values != Final_values){
warning("You add repited values please check your data set")
}
data[,varInteger_Txt ] <- as.integer(data[,varInteger_Txt ])
Number_of_Repetitions <- data[,varInteger_Txt ] %>% table %>% names %>%
as.integer()
data <-
data[rep(row.names(data), data[ , varInteger_Txt]), c(varX_Txt, varY_Txt) ]
return(data)
}
varInteger_Txt <- "value"
varX_Txt <- "x_coord"
varY_Txt <- "y_coord"
foo2 <- tranform(data = foo %>% data.frame,
varX_Txt = "x_coord",
varY_Txt = "y_coord",
varInteger_Txt = "value")
# S solución uno --
p <-
ggplot(foo2, aes(x = x_coord, y = y_coord)) +
stat_density2d(data= foo2, aes(x= x_coord, y= y_coord, fill = ..level..,
alpha = ..level..),
size= 10, bins= 50, geom='polygon') +
geom_point(data= foo2, aes(x= x_coord, y= y_coord), # coordinates
color="black", # Color
