县在 R 中被打乱

Question

我正在使用ggplot2 创建人口密度等值线。它目前适用于单个州，但不适用于多个州。似乎各个县（通常具有相同名称）的密度混淆了，有时甚至不匹配的县也会在州之间混淆。例如，“New Jersey”给出了正确的密度，但“New Jersey”、“New York”告诉我新泽西州人口众多的埃塞克斯县的密度

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
}

使用，

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

Here is the csv. 很丑，但是我现在没有文件共享系统。

这是一个输出示例。如您所见，纽约市人口众多的埃塞克斯县的代表不准确。

编辑：Here is my version of the CSV. 抱歉，保管箱延迟。

Answer 1

只是为了证明一个更简单的例子似乎有效......

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 2

我在制作地图和使用merge 时遇到过类似的问题，因为merge 不一定保留第一个data.frame 中的行顺序。我的解决方案是改用plyr::join（这也往往更快）。

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。来自?join：

与合并不同，[join] 保留 x 的顺序，无论连接类型是什么 用过的。如果需要，来自 y 的行将被添加到底部。加入是 通常比合并更快，尽管它的功能有点少 - 它 目前无法重命名输出或合并不同的 x 和 y 数据框中的变量。

Answer 3

好吧，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分配到正确的人口密度。

为了解决这个问题，合并现在由 polyname 完成，这意味着无需更改 countyinfo 中的 polyname 并将 polyname 添加到 countyshapes，如下所示：

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

感谢您的帮助。我不确定是否应该删除该问题或将其留作参考。