使用R语言进行美国失业率时空分析(包括绘图)

news2025/1/23 17:02:33

今天写一篇利用R语言,针对面板数据的简单分析与绘图。让我们直接开始把。

一、数据准备

这次的示例数据非常简单,只有一个shp格式的美国区县矢量数据,我们在QGIS中打开数据查看一下它的属性表。事实上我们需要的数据都在属性表的字段中。

图片

二、开始分析

1、引入必要的包,将本地的数据导入,查看数据是否正确。进行简单可视化。

library(sf)
library(tmap)

shp <- st_read("G:/Maping/demo/data/data/USA_data/ncovr/NAT.shp")

head(shp)

数据当中"UE60", "UE70", "UE80", "UE90"字段分别表示1960,1970,1980,1990年的美国各区县的失业率。下面我们别将各年份的数据可视化出来。

ue60 = tm_shape(shp) +
  tm_polygons("UE60", palette = "Reds", title = "1960 Unemployment Rate") +
  tm_compass(position = c(0.8, 0.86)) +
  tm_scale_bar(position = c(0.77,0.06), breaks = c(0,500,1000)) +
  tm_layout(legend.title.size = 0.8)
ue60

#如果想保存到本地,运行下面这句话就行了
tmap_save(ue60, "G:/Maping/ue60.png", dpi = 300)

同理,我们只要修改字段,就可以绘制不同年份的美国失业率地图了。我们也可以运用之前文章中提到的绘制组图的方法将他们一起绘制。绘制组图教程。如下: 

2、计算新的字段变化率幅度,并且可视化出来。

这个其实很简单,就是使用UE90-UE60就好了。代码如下:

#添加变化率字段
shp$Change_6090 <- shp$UE90 - shp$UE60
change = tm_shape(shp) +
  tm_polygons("Change_6090", palette = "-RdYlBu", title = "Legend") +
  tm_layout(
    main.title = "Change in Unemployment Rate (1960-1990)",  # 添加标题
    main.title.position = "center",                        # 标题居中
    main.title.size = 1.5,
    legend.position = c(0.86,0.01)
  )
change          
tmap_save(change, "G:/Maping/change60_90.png", dpi = 300)

3、进行全局空间自相关分析,计算Moran's I指数

我们还可以进一步的做分析,通过计算四个年份的失业率的均值,对失业率的数据进行空间自相关分析。代码如下:

library(spdep)

shp$UEmean <- rowMeans(st_drop_geometry(shp)[, c("UE60", "UE70", "UE80", "UE90")], na.rm = TRUE)
nb <- poly2nb(shp) # 创建邻接关系
lw <- nb2listw(nb, style = "W") # 权重矩阵
moran <- moran.test(shp$UEmean, lw)
print(moran)

我把结果贴出来:

4、热点分析,进行可视化

这里我们可以识别高失业率或低失业率的热点区域,代码如下:

# 热点分析
hotspot <- localG(shp$UEmean, lw)

# 将热点分析结果添加到数据
shp$hotspot <- hotspot

# 绘制热点分析结果
hot = tm_shape(shp) +
  tm_polygons("hotspot", palette = "-RdYlBu", title = " ") +
  tm_compass(position = c(0.8, 0.86)) +
  tm_scale_bar(position = c(0.77,0.06), breaks = c(0,500,1000)) +
  tm_layout(
    main.title = "Hotspot Analysis)",  # 添加标题
    main.title.position = "center",                        # 标题居中
    main.title.size = 1.5,
    legend.text.size = 0.8
  )
tmap_save(hot, "G:/Maping/hotmean.png", dpi = 300)

以上就是全部内容了谢谢你的支持,我是加拿大一枝黄花。 

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2250771.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

计算机毕业设计Python+LSTM天气预测系统 AI大模型问答 vue.js 可视化大屏 机器学习 深度学习 Hadoop Spark

温馨提示&#xff1a;文末有 CSDN 平台官方提供的学长联系方式的名片&#xff01; 温馨提示&#xff1a;文末有 CSDN 平台官方提供的学长联系方式的名片&#xff01; 温馨提示&#xff1a;文末有 CSDN 平台官方提供的学长联系方式的名片&#xff01; 作者简介&#xff1a;Java领…

YOLOv8实战无人机视角目标检测

本文采用YOLOv8作为核心算法框架&#xff0c;结合PyQt5构建用户界面&#xff0c;使用Python3进行开发。YOLOv8以其高效的实时检测能力&#xff0c;在多个目标检测任务中展现出卓越性能。本研究针对无人机目标数据集进行训练和优化&#xff0c;该数据集包含丰富的无人机目标图像…

uniapp App端在renderjs层渲染echarts获取不到service层id的问题

报错信息&#xff1a;Cannot read properties of undefined (reading id) at app-view.js 这样的写法App端有时在renderjs视图层获取不到server逻辑层的数据 server层 renderjs层 解决方法&#xff1a;需要把数据(id)通过server层向renderjs层传值 server层 renderjs层

【数据湖仓】-- 阿里云 EMR 和 AWS EMR 工具对比

目录 1. 基础设施和集成生态 阿里云 EMR: AWS EMR: 2. 性能与可扩展性 阿里云 EMR: AWS EMR: 3. 成本对比 阿里云 EMR: AWS EMR: 4. 易用性和用户体验 阿里云 EMR: AWS EMR: 5. 总结对比 阿里云 EMR(Elastic MapReduce)和 AWS EMR(Amazon Elas…

Ubuntu在NVME硬盘使用Systemback安装记录

问题 使用Systemback重装系统找不到NVME硬盘。 0.使用Systemback制作iso后&#xff0c;制作启动盘 1.插入启动盘进入live mode模式 2.安装gparted sudo apt-get update sudo apt-get install gparted3.使用gparted对待分区硬盘进行分区 gparted按照你希望的分区方式分区即…

BUUCTF—Reverse—GXYCTF2019-luck_guy(9)

下载附件&#xff0c;照例扔入Exeinfo PE查看信息 可执行文件&#xff0c;IDA 64位直接干 进main函数&#xff0c;F5反编译&#xff0c;看主要处理函数&#xff0c;跳转进去 查看&#xff0c;点进patch_me(v4)看看是怎么回事 这里已经相当清楚&#xff0c;逻辑就是如果你输入的…

Kubernetes KubeVirt 让容器和虚拟机一起工作

在不讨论容器与虚拟机的优缺点的情况下&#xff0c;每个虚拟机或都包含其完整操作系统的实例&#xff0c;并且可以像独立服务器一样运行。相比之下&#xff0c;在容器化环境中&#xff0c;多个容器共享一个操作系统实例&#xff0c;而且绝大多数都是类Linux操作系统。 并非所有…

新型大语言模型的预训练与后训练范式,谷歌的Gemma 2语言模型

前言&#xff1a;大型语言模型&#xff08;LLMs&#xff09;的发展历程可以说是非常长&#xff0c;从早期的GPT模型一路走到了今天这些复杂的、公开权重的大型语言模型。最初&#xff0c;LLM的训练过程只关注预训练&#xff0c;但后来逐步扩展到了包括预训练和后训练在内的完整…

【解决安全扫描漏洞】---- 检测到目标站点存在 JavaScript 框架库漏洞

1. 漏洞结果 JavaScript 框架或库是一组能轻松生成跨浏览器兼容的 JavaScript 代码的工具和函数。如果网站使用了存在漏洞的 JavaScript 框架或库&#xff0c;攻击者就可以利用此漏洞来劫持用户浏览器&#xff0c;进行挂马、XSS、Cookie劫持等攻击。 1.1 漏洞扫描截图 1.2 具体…

python爬虫案例精讲:爬取豆瓣电影Top250信息

前言 在这篇博客中&#xff0c;我们将学习如何使用Python爬取豆瓣电影Top250的数据。我们将使用requests库来发送HTTP请求&#xff0c;BeautifulSoup库来解析HTML页面&#xff0c;并将数据存储到CSV文件中。这个爬虫将自动获取豆瓣电影Top250页面的信息&#xff0c;包括电影名…

Node.js的url模块与querystring模块

新书速览|Vue.jsNode.js全栈开发实战-CSDN博客 《Vue.jsNode.js全栈开发实战&#xff08;第2版&#xff09;&#xff08;Web前端技术丛书&#xff09;》(王金柱)【摘要 书评 试读】- 京东图书 (jd.com) 4.3.1 http模块——创建HTTP服务器、客户端 要使用http模块&#xff0…

Vue0-生命周期-03

生命周期 生命周期指定就是一个对象从创建到销毁的整个过程。 Vue也是有的 完整的Vue周期包含8个阶段。 Vue官方生命周期流程图&#xff1a; 那这有什么用呢&#xff1f;我们可以在指定阶段做特殊的事件。 这些方法伴随生命周期的进行自动执行。 <!DOCTYPE html> <…

【0346】Postgres内核 Startup Process 通过 signal 与 postmaster 交互实现 (5)

1. Startup Process 进程 postmaster 初始化过程中, 在进入 ServerLoop() 函数之前,会先通过调用 StartChildProcess() 函数来开启辅助进程,这些进程的目的主要用来完成数据库的 XLOG 相关处理。 如: 核实 pg_wal 和 pg_wal/archive_status 文件是否存在Postgres先前是否发…

【Git 工具】用 IntelliJ IDEA 玩转 Git 分支与版本管理

文章目录 一、使用 IDEA 配置和操作 Git1.1 查看 Idea 中的 Git 配置1.2 克隆 Github 项目到本地 二、版本管理2.1 提交并推送修改2.2 拉取远程仓库2.3 查看历史2.4 版本回退 三、分支管理3.1 新建分支3.2 切换分支3.2 合并分支3.4 Cherry-Pick 参考资料 一、使用 IDEA 配置和操…

利用dockerCompose一键部署前后端分离项目

1.Docker Compose介绍 2.将自己准备好的docker-compose.yml文件上传到宿主机 3.查看docker-compose.yml文件 宿主机的文件内容可参考&#xff1a; 项目部署-通过docker手动部署前后端分离项目&#xff08;全网超级详细 的教程&#xff09;-CSDN博客 修改宿主机的nginx.conf …

Flink四大基石之Time (时间语义) 的使用详解

目录 一、引言 二、Time 的分类及 EventTime 的重要性 Time 分类详述 EventTime 重要性凸显 三、Watermark 机制详解 核心原理 Watermark能解决什么问题,如何解决的? Watermark图解原理 举例 总结 多并行度的水印触发 Watermark代码演示 需求 代码演示&#xff…

解决SpringBoot连接Websocket报:请求路径 404 No static resource websocket.

问题发现 最近在工作中用到了WebSocket进行前后端的消息通信&#xff0c;后端代码编写完后&#xff0c;测试一下是否连接成功&#xff0c;发现报No static resource websocket.&#xff0c;看这个错貌似将接口变成了静态资源来访问了&#xff0c;第一时间觉得是端点没有注册成…

(超详细图文)PLSQL Developer 配置连接远程 Oracle 服务

1、下载配置文件 &#xff08;超详细图文详情&#xff09;Navicat 配置连接 Oracle-CSDN博客 将下载的文件解压到单独文件夹&#xff0c;如&#xff1a;D:\App\App_Java\Oracle\instantclient-basic-windows.x64-19.25.0.0.0dbru 2、配置 打开 PLSQL Developer&#xff0c;登…

redis中的哨兵

redis中的哨兵 一、哨兵机制的概念二、redis哨兵的部署2.1 docker的安装2.2 编排redis主从节点2.3 配置哨兵节点 三、redis哨兵的选举机制3.1 redis-master宕机之后的情况3.2 重启redis-master后的情况 四、redis哨兵机制的原理4.1主观下线4.2客观下线4.3选举leader节点4.4选出…

《Django 5 By Example》阅读笔记:p339-p358

《Django 5 By Example》学习第12天&#xff0c;p339-p358总结&#xff0c;总计20页。 一、技术总结 1.项目(购物网站) django-admin startproject myshop 虽然这里只是示例&#xff0c;但我觉得这种命名为 myxxx 的习惯非常不好&#xff0c;因为在实际应用中&#xff0c;是…