Representar shapefiles (SHP) con ggplot2

Problema

Deseamos representar shapefiles (SHP) con ggplot2. Obtendremos los datos de las regiones administratitvas siguiendo los pasos de esta entrada.

Solución

Voy a representar los municipios de España. Generaré unos datos aleatorios para cada uno de ellos y asignarles luego una escala continua. Creo dos gráficos separados para península y Baleares, y Canarias para ganar en claridad. Finalmente represento Castilla-La Mancha, y dejo un enlace a un pdf para poder hacer zoom en el resto de la península y Baleares y apreciar el detalle.

library(tidyverse)
library(raster)
shp <- getData("GADM", country = "ES", level = 4)
shp.pen <- shp[shp@data$NAME_1 != "Islas Canarias", ]
shp.can <- shp[shp@data$NAME_1 == "Islas Canarias", ]

# Convertimos shapefiles a data frames
df.spain <- fortify(shp, region = "NAME_4")
df.pen <- fortify(shp.pen, region = "NAME_4")
df.can <- fortify(shp.can, region = "NAME_4")

# Datos aleatorios
set.seed(2015)
random.df <- data.frame(id = unique(df.spain[, 'id']),
                        random = runif(
                          n = length(unique(df.spain[, 'id'])),
                          min = 25,
                          max = 75
                        ))
df.pen <-
  merge(df.pen, random.df, by = 'id', all.x = TRUE)
df.can <-
  merge(df.can, random.df, by = 'id', all.x = TRUE)

# Gráficos con ggplot2
# Península y Baleares
p.pen <-
  ggplot(df.pen, aes(x = long, y = lat, group = group)) +
  geom_polygon(aes(fill = random), colour = "white", size = 0.1) +
  labs(x = " ", y = " ") +
  theme_bw() +
  scale_fill_viridis_c('Datos aleatorios', option = "magma", direction = -1) +
  coord_map() +
  theme(
    panel.grid.minor = element_blank(),
    panel.grid.major = element_blank(),
    panel.border = element_blank(),
    axis.ticks = element_blank(),
    axis.text.x = element_blank(),
    axis.text.y = element_blank(),
    legend.position = "bottom"
  )

# Canarias
p.can <-
  ggplot(df.can, aes(x = long, y = lat, group = group)) +
  geom_polygon(aes(fill = random), colour = "white", size = 0.1) +
  labs(x = " ", y = " ") +
  theme_bw() +
  scale_fill_viridis_c('Datos aleatorios', option = "magma", direction = -1) +
  coord_map() +
  theme(
    panel.grid.minor = element_blank(),
    panel.grid.major = element_blank(),
    panel.border = element_blank(),
    axis.ticks = element_blank(),
    axis.text.x = element_blank(),
    axis.text.y = element_blank(),
    legend.position = "bottom"
  )


# Mostramos los gráficos
p.pen
p.can

Mapas

Enlace al pdf.

Península y Baleares

Canarias

Castilla-La Mancha

Entradas relacionadas

• Crear un mapa con Fusion Tables de Google
• Cambiar el orden de un diagrama de barras apiladas con ggplot2
• Generar un mapa de calor por días y horas con ggplot2
• Mapa de calor en forma de calendario en R

Referencias

• raster
• GADM

Eliminar columnas con nombres duplicados de un data frame en R

Problema

Queremos eliminar las columnas con nombres duplicados de un data frame en R.

df <- data.frame(a = 1:2, b = 1:2, 
                 c = 1:2, a = 2:3, 
                 a = 2:3, b = 2:3, 
                 check.names = F)

  a b c a a b
1 1 1 1 2 2 2
2 2 2 2 3 3 3

Solución

• Base

df[, !duplicated(df)] # o bien
df[, unique(df)]

 a b c
1 1 1 1
2 2 2 2

• dplyr
Empleamos funciones del paquete base pero evitamos los corchetes para hacerla más legible.

library(dplyr)
df %>% subset(select = !duplicated(names(.))) # o bien
df %>% subset(select = unique(names(.)))

Contar elementos únicos de una cadena de texto en R

Problema

Dada una cadena de texto queremos contar el número de veces que aparecen los elmentos 'A', 'C', 'G', y 'T'.

v <- c("AGCTTTTCATTCTGACTGCAACGGGCAATATGTCTCTGTGTGGATTAAAAAAAGAGTGTCTGATAGCAGC")
# Si importamos un fichero que contiene la cadena de texto
v <- readLines("rosalind_dna.txt")

Solución

• Paquete base

table(strsplit(v, NULL)[[1]])

A  C  G  T 
20 12 17 21 

• Paquete stringr para la manipulación de cadenas de texto

library(stringr)
# 1 - Elementos codificados a mano
str_count(v, c("A", "C", "G", "T")) 
# 2 - Extrae alfabéticamente elementos únicos
str_count(v, sort(unique(strsplit(v, NULL)[[1]]))) 

[1] 20 12 17 21

Referencias

• Rosalind- Counting DNA Nucleotides
• Paquete stringr
• Función strsplit

Eliminar duplicados de un data frame en R

Problema

Deseamos eliminar los duplicados de un data frame en R.

Solución

Disponemos de múltiples opciones. Emplearemos como ejemplo el conjunto de datos iris que contiene dos filas duplicadas: la 102 y la 143

Paquete base

Detectamos los duplicados.

# De arriba a abajo
anyDuplicated(iris) # Número de fila
iris[duplicated(iris), ]  # Fila

    Sepal.Length Sepal.Width Petal.Length Petal.Width   Species
143          5.8         2.7          5.1         1.9 virginica

# De abajo a arriba
anyDuplicated(iris, fromLast = TRUE)
iris[duplicated(iris, fromLast = TRUE), ]

    Sepal.Length Sepal.Width Petal.Length Petal.Width   Species
102          5.8         2.7          5.1         1.9 virginica

Eliminamos los duplicados.

unique(iris)
iris[!duplicated(iris), ]
# En orden inverso
unique(iris, fromLast = TRUE)
iris[!duplicated(iris, fromLast = TRUE), ]

Paquete dplyr

library(dplyr)
iris %>% distinct

Paquete sqldf

library(sqldf)
sqldf('SELECT DISTINCT * FROM iris')

Notas

Usando el paquete base veremos que conserva el número de filas —150— aunque observaremos, dependiendo del orden que hayamos escogido, que la fila 102 o 143 habrá desaparecido. En cambio con dplyr y sqldf, el resultado numera de nuevo las filas, mostrando la última con el número 149.

Entradas relacionadas

• Cómo comparar dos data frames en R

Project Euler - Problema 5 en R

Continuamos con los problemas planteados en Project Euler.

Problema - Smallest multiple

2520 is the smallest number that can be divided by each of the numbers from 1 to 10 without any remainder.
What is the smallest positive number that is evenly divisible by all of the numbers from 1 to 20?

2520 es el número más pequeño que puede ser dividido por cada uno de los números del 1 al 10 sin ningún resto.
¿Cuál es el número positivo más pequeño que es divisible por todos los números del 1 al 20?

Solución

require(numbers)
mLCM(1:20)

[1] 232792560

Notas

Usamos la función mLCM para calcular el mínimo común múltiplo de los números del 1 al 20.

Otra alternativa manual sería calcular los factores primos de cada uno de los números. Después inspeccionamos visualmente los factores comunes de todos ellos.

x <- matrix(1:20)
apply(x, 1, primeFactors)

[[1]]
[1] 1

[[2]]
[1] 2

[[3]]
[1] 3

[[4]]
[1] 2 2

[[5]]
[1] 5

[[6]]
[1] 2 3

[[7]]
[1] 7

[[8]]
[1] 2 2 2

[[9]]
[1] 3 3

[[10]]
[1] 2 5

[[11]]
[1] 11

[[12]]
[1] 2 2 3

[[13]]
[1] 13

[[14]]
[1] 2 7

[[15]]
[1] 3 5

[[16]]
[1] 2 2 2 2

[[17]]
[1] 17

[[18]]
[1] 2 3 3

[[19]]
[1] 19

[[20]]
[1] 2 2 5

Los factores serían: (2^4)*(3^2)*5*7*11*13*17*19 = 232792560

Para calcular los factores primos únicos

unique(unlist(apply(x, 1, primeFactors)))

[1]  1  2  3  5  7 11 13 17 19

Referencias

• Problem 5