WhatNots

WhatNots – Daten und Tools von MASC Data Visulisation, CIM, Warwick

Whatnots teilt einige, aber nicht alle R-Code- und Datendateien, die in unserem MASC-Datenvisualisierungsunterricht verwendet werden (https://warwick.ac.uk/fac/cross_fac/cim/apply-to-study/masters-programmes/visualisation/). .

Es könnte für Ihre eigene Lehre, Forschung oder Ihr Lernen von Nutzen sein. Die Skripte und Dateien werden „so wie sie sind“ ohne Haftung und vor allem ohne Weitergabe des Kontexts, in dem wir sie im Unterricht verwenden, weitergegeben. Bitte kontaktieren Sie uns, wenn Sie Fehler finden.

In einigen Fällen veranschaulichen die unten aufgeführten Visualisierungen, was mithilfe der Daten erzeugt werden kann, und stellen nicht unbedingt dar, was durch diese Funktionen erzeugt wird. Studierende haben diese Daten für Visualisierungsprojekte in unseren Modulen verwendet.

1. Temperaturdaten von https://berkeleyearth.org/ abfragen

Viele Klimavisualisierungen verwenden Daten von https://berkeleyearth.org. Diese generische Funktion gibt Klimadaten für ein focalCountry zurück. Das Skript formatiert die Daten in einem einfachen, benutzerfreundlichen Stil.

Der Ländername/das Format folgt dem von BerkleyEarth.org, sodass dies funktioniert:

get_berkley_earth_climate_data( "Cook Islands" )

Dies wird jedoch einen Fehler zurückgeben:

get_berkley_earth_climate_data( "Cook-Islands" )

Als kurze Erklärung verkettet die Funktion die URL aus einem Ländernamen und liest diese Daten aus Zeile 51 (mithilfe von skip ) wie folgt:

  focalCountry <- "Kenya"
  dataUrl <- paste("https://berkeleyearth.org/wp-content/themes/client-theme/temperature-data/",
                     focalCountry,
                     "-projection.txt", sep="")
    thisData <- read.table( dataUrl, skip=51 )'
  names( thisData ) <- c("Year", "AnnualAverage", "AnnualAverageUncertainty",           "10YearSmooth", "SSP1-2.6", "SSP2-4.5", "SSP3-7.0", "ModelHistorical") 

Nach dem Umbenennen der Spalten wird diese Datendatei selbst umbenannt und von der Funktion ausgegeben.

    countryNameWithoutBlankSpace <- gsub( pattern = " ", replacement = "", x =            focalCountry )
    countryNameWithoutBlankSpaceOrDashes <- gsub( pattern = "-", replacement = "",         x = countryNameWithoutBlankSpace )
    countryDataName <- paste( countryNameWithoutBlankSpaceOrDashes,
                              "Data", sep="")
    assign( countryDataName, thisData  )

Die Funktion get_berkley_earth_climate_data führt diese Schritte aus und ist daher einfacher zu beheben und zu ändern sowie einfacher im Batch-Modus auszuführen.

2. US-Wahldaten als Shape-Dateien (1976 bis 2020)

Die Ausgabe-Shape-Dateien – elect_states.shp – haben:

• Jede Zeile ist ein Zustand
• Spalten umfassen
  • FIPS-Code (eindeutige numerische Kennung für jeden Staat)
  • Staatsname
  • zweibuchstabiger, abgekürzter Staatsname
  • Stimmen (absolute Zahl und Anteil) für jedes vierte Jahr von 1976 bis 2020,
  • von dominanten Parteien (Republikaner und Demokraten) oder „Andere“
  • Schwerpunkt (Breite/Länge) jedes Bundesstaates zur Beschriftung
  • sf räumliche 'Geometrie' (Typ: MULTIPOLYGON) in der letzten Spalte

Die Datei wird von einem Skript generiert, das US-Wahldaten vom MIT Election Data and Science Lab (https://doi.org/10.7910/DVN/42MVDX) mit den räumlichen Daten zusammenführt, die über das Tigris-R-Paket verfügbar sind (Walker 2023, https:/ /github.com/walkerke/tigris). Ziel ist es, Formdateien mit Wahldaten für Republikaner, Demokraten und andere sowie für jedes Wahljahr zu erstellen.

Die Zusammenführung erfordert unter anderem Folgendes:

• Entfernen von Abstimmungs- und Geodaten, die sich nicht auf Staaten beziehen (z. B. Überseegebiete, unten staatliche Abstimmungsdaten)
• Zusammenfassen der Stimmen für andere Parteien als Republikaner und Demokraten.

3. Plotten und Formatieren des QR-Codes

Das R-Paket „qrcode“ (https://cran.r-project.org/web/packages/qrcode/index.html) erstellt eine Matrix, die einen QR-Code für eine bestimmte URL beschreibt. Basierend auf der Ausgabe von „library(qrcode)“ diese Funktionen:

1. qr_matrix_2_dataframe – Konvertieren Sie die Matrix in ein Datenrahmenformat
2. qr_plot – Plotten Sie den QR-Code aus dem Datenrahmen mit einem abgerundeten Rechteck, das Rechtecke, Kreise oder abgerundete Rechtecke erzeugen kann (der Formtyp wird für den gesamten QR-Code definiert oder individuell für einzelne Leitfäden und den Hauptinhalt definiert).
3. qr_test_redundnacy_swatch – Erstellen Sie ein Testmuster, um den redundanten nutzbaren Bereich zu bewerten, der möglicherweise überplottet wird.

Dieses Format ermöglicht das Plotten eines QR-Codes in eine in R erstellte Visualisierung oder den eigenständigen Export.

4. Mehr

5. Mehr