如何解决如何使用 tidycensus 计算从美国人口普查中提取的地理空间邮政编码多边形的面积
我想计算我所在州(北卡罗来纳州)的邮政编码的人口密度。我能够从美国人口普查中提取邮政编码人口和多边形,并使用以下代码绘制北卡罗来纳州的地图:
library(tidycensus)
geo <- get_acs(geography = 'zcta',# Get zip code-level data
state = 'NC',# for NC
year = 2019,# for 2019
table = 'B01003',# from this US Census table
geometry = TRUE) %>% # and return the geospatial polygons for mapping
dplyr::rename('population' = estimate,'zipcode' = NAME) %>%
select(-moe) %>%
arrange(zipcode)
p <- tm_shape(geo) +
tm_polygons('population')
p
这是按邮政编码映射人口。为了按邮政编码计算和映射人口密度,我需要每个邮政编码多边形的面积(以英里或平方千米为单位)。我正在努力寻找一种方法来 (a) 从美国人口普查站点获取这些数据,(b) 在其他地方找到它,或者 (c) 使用多边形几何来计算它。
任何建议将不胜感激。
解决方法
我能够为我的问题找到一个非常简单的答案。请注意,在 geo 数据框中的变量 geometry 中可以找到描述每个邮政编码的多边形。
首先,我们计算面积,默认情况下以 m^2 为单位返回。
library(sf)
geo$area.m2 <- st_area(geo$geometry)
其次,我们转换为英里 ^2 单位。
library(units)
geo$area.miles2 <- set_units(geo$area.m2,miles^2)
,
另一种方法是在 keep_geo_vars = TRUE
中设置 get_acs()
。这将返回每个 ZCTA 多边形中陆地和水域的面积(以平方米为单位)。在计算人口密度时,您可能更喜欢只使用土地面积而不是每个 ZCTA 多边形的总面积。
陆地面积变量为ALAND10
,水域面积为AWATER10
library(tidycensus)
get_acs(geography = 'zcta',state = 'NC',year = 2019,table = 'B01003',geometry = TRUE,keep_geo_vars = TRUE)
#> Getting data from the 2015-2019 5-year ACS
#> Simple feature collection with 808 features and 9 fields
#> geometry type: MULTIPOLYGON
#> dimension: XY
#> bbox: xmin: -84.32187 ymin: 33.84232 xmax: -75.46062 ymax: 36.58812
#> geographic CRS: NAD83
#> First 10 features:
#> ZCTA5CE10 AFFGEOID10 GEOID ALAND10 AWATER10 NAME variable
#> 1 28906 8600000US28906 28906 864608629 28813485 ZCTA5 28906 B01003_001
#> 2 28721 8600000US28721 28721 285413675 41953 ZCTA5 28721 B01003_001
#> 3 28365 8600000US28365 28365 498948199 2852124 ZCTA5 28365 B01003_001
#> 4 27317 8600000US27317 27317 139042432 9345547 ZCTA5 27317 B01003_001
#> 5 27562 8600000US27562 27562 139182043 11466187 ZCTA5 27562 B01003_001
#> 6 28748 8600000US28748 28748 218992045 0 ZCTA5 28748 B01003_001
#> 7 28025 8600000US28025 28025 282005597 384667 ZCTA5 28025 B01003_001
#> 8 28441 8600000US28441 28441 331231481 282711 ZCTA5 28441 B01003_001
#> 9 27893 8600000US27893 27893 285314738 3173744 ZCTA5 27893 B01003_001
#> 10 28101 8600000US28101 28101 2319755 131290 ZCTA5 28101 B01003_001
#> estimate moe geometry
#> 1 19701 736 MULTIPOLYGON (((-84.31137 3...
#> 2 10401 668 MULTIPOLYGON (((-82.93706 3...
#> 3 15533 1054 MULTIPOLYGON (((-78.29569 3...
#> 4 16169 875 MULTIPOLYGON (((-79.87638 3...
#> 5 2149 431 MULTIPOLYGON (((-78.99166 3...
#> 6 12606 1020 MULTIPOLYGON (((-82.88801 3...
#> 7 54425 1778 MULTIPOLYGON (((-80.62793 3...
#> 8 3396 588 MULTIPOLYGON (((-78.6127 34...
#> 9 39531 1258 MULTIPOLYGON (((-78.06593 3...
#> 10 970 245 MULTIPOLYGON (((-81.09122 3...
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。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。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。