
Uber运用大数据,成立了Location-based demand models。天天及时更新的热点舆图 (Heatmaps)可以 有效辅佐车主缩短空载时间,同时帮搭客淘汰期待时长。下面这张图甚至可以预测,这样车主会知道提前去哪 里期待可以载到更多的搭客。 下面让我们也一起来进修下Heatmap可视化的成立吧!
一、运用ggplot2包绘制热点图
我们的代码将包罗以下步调:
1.读取数据我们将利用美国芝加哥灵活车偷窃数据,数据的得到:City of Chicago Data Portal
2.数据转换我们将把数据转换为R可识此外名目。数据会合数据是字符串种别,我们运用strptime要领转换为我们需要的名目。
3.凭据时间排序我们但愿凭据周为单元展示热点图,摸索灵活车偷窃产生时间趋势。
4.画热点图运用热点图展示在差异时间,灵活车偷窃事件数量。
下面来实践下吧!




二、在舆图上绘制热点图
前面已经接头了如何用ggplot绘制热点图,此刻让我们来看看如何用R包在舆图上绘制热点图。我们需要2个R包:maps包和ggmap包。为了数据清洗,我们还用到了dplyr包和tidyr包。
舆图上绘制热点图的步调:
删除偷窃地点为空的数据。对付很多偷窃事件,地点信息并没有记录,这种删失被称为右删失,即这种删失有必然的原因,具有非随机性。
把location列解析为latitu(维度)和longitude(经度)。location列以(x,y)形式组成,属于字符串范例。为们需要x,y称为独立的两列,同时为数值型。这时我们用到了dplyr和tidyr。
获取芝加哥舆图。这时用到了ggmap包。
画位置舆图热点图
下面来看代码:




以上热点舆图为我们提供了一个很好的可视化思路,哪个处所偷窃高发,应该只管制止前往;也为警方防范犯法,提前防御提供了便利。关于这个话题,麻省理工学院一篇文章可以提供参考
接待插手本站果真乐趣群贸易智能与数据阐明群乐趣范畴包罗各类让数据发生代价的步伐,实际应用案例分享与接头,阐明东西,ETL东西,数据客栈,数据挖掘东西,报表系统等全方位常识QQ群:81035754
