Při práci s geografickými daty v kontextu České republiky jsem narazil na to, že Rkový svět je hodně stavěný na realitu anglicky hovořících zemí, zejména Ameriky. Je mnoho a mnoho zdrojů pro kreslení územních celků a celečků USA, ale naše obce a okresy aby člověk hledal s Jiráskovo lucernou.
Z veřejně dostupných dat jsem si proto set “těch našich” geografických dat poskládal sám, a přetvořil do datové package RCzechia, kterou tímto nabízím k použití.
Zdrojem dat mi byl původně produkt ArcČR® 500 ve verzi 3.3 z roku 2016 od ARCDATA PRAHA, ale postupem času jsem pro většinu objektů přešel na otevřená data ČUZK. Menší část objektů vychází z dat ČSÚ.
Z technických příčin (CRAN přijímá balíčky pouze do velikosti 5 MB) nebylo možné objekty uložit v rámci package, a musím je volat externě (jsou uložena na Amazon S3). Práce s packagí tudíž vyžaduje fungující intenetové spojení, a některé objekty – největší potížisté jsou polygony volebních okrsků s 76 MB – se mohou stahovat déle. Za zařazení package na CRAN mi to přišlo jako přijatelná cena.
Obsah package
- republika: hranice České republiky.
- kraje: 14 krajů České republiky, včetně Hlavního města Prahy.
- okresy: 76 okresů České republiky + Praha (která technicky není okres).
- orp_polygony 206 obcí s rozšířenou působností (trojkové obce).
- obce_polygony: 6.258 obcí a vojenských újezdů České republiky.
- obce_body stejné jako obce polygony, ale pouze středy.
- casti: primárně 57 městských částí Hlavního města Prahy, ale části jsou i pro Brno a další města.
- reky: 3.616 řek a potoků České republiky; přidáním do mapy pomohou základní orientaci (Praha bez Vltavy vypadá divně).
- plochy: 1.769 vodních ploch České republiky; přidáním do mapy pomohou základní orientaci.
- silnice: 59.594 silnic a silniček s rozlišením typu (dálnice, okresky)
- zeleznice: 9.957 železničních tratí s rozlišením typu
- chr_uzemi: 36 velkoplošných chráněných území
- lesy: zalesněná území (s rozlohou nad 30 hektarů)
- KFME_grid: faunistické čtverce podle metodiky Kartierung der Flora Mitteleuropas (KFME)
- senat_obvody: 81 volebních obvodů Senátu
- volebni_okrsky: 14.761 volebních okrsků
- zip_codes: 2.671 poštovních směrovacích čísel jako polygonů
- geomorfo: 8 úrovní geomorfologického členění ČR - od 2 systémů přes 27 oblastí po 933 okrsků.
Všechny objekty jsou technicky realizovány jako funkce vracející data frame, a volají se proto se se závorkami.
Všechny klíče – jak ty, co na první pohled vypadají jako text, tak ty co na první pohled vypadají jako číslo – jsou textové hodnoty. Při práci s nimi se mohou hodit funkce as.numeric()
a as.character()
.
Kromě datových objektů package také zpřístupňuje do erka dvě RESTové API ČUZK:
- geocode geokódovací API (od adresy k souřadnicím)
- revgeo reverzně geokódovací API (od souřadic k adrese)
Instalace package
install.packages("RCzechia")
Package je na CRANu, není tedy třeba instalovat přes GitHub; na něm byla a zůstává vývojová verze - https://github.com/jlacko/RCzechia.
Příklady použití
Počet obyvatel po okresech
Počet obyvatel ze sčítání lidu v roce 2011, v původním (pro elektronické zpracování značně nevstřícném, ale výzvy jsou od toho aby se překonávaly) formátu.
Párování dat ze Statistického úřadu s názvy okresů pomocí inner_join()
proběhne překvapivě snadno - zvláštní péči vyžaduje pouze Praha, která se chová jako nestandardní okres a mívá problémy se jménem (je či není Hlavní město?). Funkce inner_join()
elegantně vyřeší nadbytečné řádky z Excelu ze staťáku (z obou zdrojů vybere pouze shodné řádky, ostatní zahodí).
Pro vizualizaci používám verzi objektů okresy
a republika
s nižším rozlišením; jsou sice méně přesné, ale za to více elegantní.
library(RCzechia)
library(ggplot2)
library(dplyr)
library(czso)
src <- czso::czso_get_table("SLDB-VYBER") %>%
select(uzkod, obyvatel = vse1111) %>%
mutate(obyvatel = as.numeric(obyvatel))
okresni_data <- okresy("low") %>% # nízké rozlišení je elegantnější...
inner_join(src, by = c("KOD_OKRES" = "uzkod"))
# filtrovací join = odstraní nadbytečné řádky ze zdroje
ggplot(data = okresni_data) +
geom_sf(aes(fill = obyvatel), colour = NA) +
geom_sf(data = republika(), color = "grey30", fill = NA) +
scale_fill_viridis_c(trans = "log", labels = scales::comma) +
labs(title = "Obyvatelstvo Česka po okresech",
fill = "pop - log scale") +
theme_bw() +
theme(legend.text.align = 1,
legend.title.align = 0.5)
Dohledání bodů a zakreslení souřadnic na mapě
Tři více či méně náhodné body; se zakreslenými hlavními řekami po snazší orientaci (trochu to připomíná slepou mapu z časů základní školy).
Pro dopočtení souřadnic používám funkci geocode()
z balíčku RCzechia
. Zprostředkovává z erka přístup na API Státní správy zeměměřictví a katastru, takže funguje pouze pro české souřadnice.
library(RCzechia)
library(tidyverse)
library(tmap)
library(sf)
# hranice a řeky v nízkém rozlišení vypadají elegantněji
# schválně zkuste resolution = high!
borders <- RCzechia::republika(resolution = "low")
rivers <- RCzechia::reky(resolution = "low") %>%
subset(Major == T)
mista <- data.frame(misto = c("Kramářova vila",
"Arcibiskupské zahrady v Kromeříži",
"Hrad Bečov nad Teplou"),
adresa = c("Gogolova 1, Praha 1",
"Sněmovní náměstí 1, Kroměříž",
"nám. 5. května 1, Bečov nad Teplou"))
# obohatit adresy o souřadnice
POI <- RCzechia::geocode(mista$adresa)
ggplot() +
geom_sf(data = POI, color = "red", shape = 20, size = 2) +
geom_sf(data = rivers, color = "steelblue", alpha = 0.5) +
geom_sf(data = borders, color = "grey30", fill = NA) +
labs(title = "Body zvláštní důležitosti") +
theme_bw()
Vzdálenost z Prahy do Brna
Sf package podporuje (přes GDAL
) výpočet několika typů vzdáleností: bod od bodu, bod od polygonu a polygon od polygonu.
Toto jde prakticky využít například ke spočtení vzdálenosti vzdušnou čarou z Prahy do Brna.
library(tidyverse)
library(RCzechia)
library(sf)
library(units)
obce <- obce_polygony()
praha <- subset(obce, obce$NAZ_OBEC == "Praha")
brno <- subset(obce, obce$NAZ_OBEC == "Brno")
vzdalenost <- st_distance(praha, brno) %>%
set_units("kilometers") # šlo by i v metrech, mílích nebo parsekách, ale proč?
print(vzdalenost[1])
#> 152.4636 [kilometers]
Střed města Brna
Metafyzický střed města Brna je dobře znám, ale kde má Brno střed zeměpisný?
Pro nalezení středu použiju st_centroid()
z balíčku sf
, který vyžaduje plošnou projekci (proto systém inž. Křováka). Pro dohledání adresy k souřadnicím (reverzní geokódování) použiju revgeo()
z balíčku RCzechia
.
library(dplyr)
library(RCzechia)
library(ggplot2)
library(sf)
brno <- RCzechia::obce_polygony() %>%
filter(NAZ_OBEC == "Brno")
pupek_brna <- brno %>%
st_transform(5514) %>% # systém inž. Křováka (aby fungovaly metry)
sf::st_centroid(brno) # spočítat střed polygonu
# funkce revgeo() bere jako argument body, a vrací je zpět
# s adresou v novém sloupci "revgeocoded"
adresa_pupku <- RCzechia::revgeo(pupek_brna) %>%
pull(revgeocoded)
print(adresa_pupku)
#> [1] "Žižkova 513/22, Veveří, 61600 Brno"
ggplot() +
geom_sf(data = pupek_brna, col = "red", shape = 4, size = 2) +
geom_sf(data = brno, color = "grey30", fill = NA) +
labs(title = "Střed města Brna") +
theme_bw()
Interaktivní mapa
Interaktivní mapy jsou sexy a uživatele baví. A jenom vy můžete vědět, jak snadné je s erkem a balíčky RCzechia
a Leaflet
takovou interaktivní mapu vytvořit :)
Doplním, že interaktivní mapy v vysokém detailu dovedou být hodně velké - obcí je přes šest tisíc, každá z nich představuje polygon spočítaný s přesností přibližně jeden metr. Má to vliv na velikost souboru, a tedy průchodnost sítí internetu.
V případě práce s obecními daty doporučuji zjednodušit, například obrysy pomocí rmapshaper::ms_simplify()
. Od okresů výše to takový problém není.
library(dplyr)
library(RCzechia)
library(leaflet)
library(czso)
# metrika pro mapování - uchazeči za říjen
metrika <- czso::czso_get_table("250169r20") %>%
filter(obdobi == "20201031" & vuk == "NEZ0004")
podklad <- RCzechia::obce_polygony() %>% # obce_polygony = všechny obce v ČR
inner_join(metrika, by = c("KOD_OBEC" = "uzemi_kod")) %>% # spojení klíčem
filter(KOD_CZNUTS3 == "CZ071") # Olomoucký kraj
pal <- colorNumeric(palette = "viridis", domain = podklad$hodnota)
leaflet() %>%
addProviderTiles("Stamen.Toner") %>%
addPolygons(data = podklad,
popup = ~ paste0("<b>", NAZ_OBEC, "</b><br>nezaměstnanost: ", hodnota, "%<br>"),
fillColor = ~pal(hodnota),
fillOpacity = 0.75,
color = "ivory",
opacity = 1/3,
weight = 1)