Résumé

Nous allons montrer comment réaliser des cartes avec R à l’aide du package mapsf (T.Giraud) et du packages sf. mapsf est un outil très utile pour manipuler et visualiser des données spatiales en R, tandis que le package “sf” fournit une infrastructure pour stocker et manipuler ce type de données. Ces deux packages offrent une solution simple et pratique pour réaliser ce type d’analyse.

Documentation (Timothé Giraud):

Installation des packages:

install.packages(mapsf)
install.packages(sf)
install.packages(dplyr)

library(mapsf)
library(sf)
library(dplyr)

Nous allons réaliser une carte de Paris avec les données du site de Paris Data [Lien]

Importation des données

Il existe plusieurs formats de fond de carte:

GeoJSON est un format de données géospatiales basé sur JSON (JavaScript Object Notation) qui permet de stocker des données géographiques sous forme de caractères.
Shapefile est un format de données géospatiales propriétaire développé par Esri (Environmental Systems Research Institute). Il est constitué de plusieurs fichiers qui stockent des informations sur les entités géographiques telles que les points, les lignes et les polygones, ainsi que des attributs associés à ces entités.

Ici le fond importé est en format GeoJSON, il correspond aux limites des arrondissements. On va lui ajouter celui des voies d’eau en couche d’habillage.

Importation des données

arrondissements <- st_read(dsn = "https://opendata.paris.fr/explore/dataset/arrondissements/download/?format=geojson&timezone=Europe/Berlin&lang=fr")

Reading layer `OGRGeoJSON' from data source 
  `https://opendata.paris.fr/explore/dataset/arrondissements/download/?format=geojson&timezone=Europe/Berlin&lang=fr' 
  using driver `GeoJSON'
Simple feature collection with 20 features and 9 fields
Geometry type: POLYGON
Dimension:     XY
Bounding box:  xmin: 2.224078 ymin: 48.81558 xmax: 2.469761 ymax: 48.90216
Geodetic CRS:  WGS 84

cours_deau<-st_read(dsn="https://opendata.paris.fr/api/explore/v2.1/catalog/datasets/plan-de-voirie-voies-deau/exports/geojson?lang=fr&timezone=Europe%2FBerlin")

Reading layer `OGRGeoJSON' from data source 
  `https://opendata.paris.fr/api/explore/v2.1/catalog/datasets/plan-de-voirie-voies-deau/exports/geojson?lang=fr&timezone=Europe%2FBerlin' 
  using driver `GeoJSON'
Simple feature collection with 58 features and 25 fields
Geometry type: MULTIPOLYGON
Dimension:     XY
Bounding box:  xmin: 2.224081 ymin: 48.81924 xmax: 2.450555 ymax: 48.90207
Geodetic CRS:  WGS 84

Affichage du fond de carte des arrondissements avec cours d'eau

# Arrondissements
mf_map(x = arrondissements, border = "black") 

# Ajout des cours d'eau
mf_map(x=cours_deau,lwd=2,border="lightblue",col="lightblue",add=TRUE)

Fond noir

mf_theme("darkula")

Différents types de cartes

Les cartes à symboles proportionnels

La carte en symboles proportionnels est la méthode de représentation graphique à utiliser pour visualiser des variables de stocks (variables quantitatives absolues pour lesquelles la somme et la moyenne ont une signification).

Sur la carte, on affiche l’effectif de la population de chaque arrondissement et on ajoute la légende et un titre.

#Ajout manuel des valeurs des populations de chaque arrondissements dans le tableau sous le nom "pop"
arrondissements$pop <- c(1012687, 903036, 1369857, 1491027, 1672009, 1506475, 1637163, 1603380, 1637542, 1059282, 1494945, 1436205, 1705774, 1425805, 236769, 1668605, 1674568, 1539668, 1421827, 1829526) #INSEE,2021. La valeur 1012687 correspond à la population dans le 1er arrondissement.

Pour représenter la carte, on utilise la fonction map_sf(). On doit indiquer à minima la variable liée à la statistique (var=pop), et le type de carte (type=prop).
On va superposer 2 cartes: le fond affichant seulement les limites des arrondissements, et celle affichant sous forme de bulle proportionnelles la taille de la population dans chaque arrondissement.

Carte avec la fonction mf_map()

mf_map(x = arrondissements)
mf_map(
  x = arrondissements,
  var = "pop" ,
  type = "prop",  
  leg_title = "Population totale\12 271 794",
  col="#C24168",
  add= TRUE,
  inches=0.2)

mf_title("Distribution de la population dans les arrondissements de Paris")

Les cartes choroplèthes

La carte choroplèthe est la représentation à utiliser pour visualiser des ratios (variables quantitatives relatives pour lesquelles la moyenne a un sens, mais dont la somme n’en a pas), et qui sont des variables ordinales.

Sur la carte, on affiche la densité de population de chaque arrondissement. On utilise ici la méthode des quantiles pour discrétiser cette variable, et on applique une palette de couleurs séquentielles avec dégradé pour représenter l’ordre entre les valeurs.

Variable densité de la population

#création de la variable densite 
arrondissements$DENS <- 1e6 * arrondissements$pop / as.numeric(st_area(arrondissements))

Carte avec la fonction mf_map()

mf_map(
  x = arrondissements,
# variable à représenter: densité de population  
var = "DENS",
# type de carte  
type = "choro",
# méthode de dsicrétisation
  breaks = "quantile",
# palette de rouges  
pal = "Reds",
  lwd = 1,
  leg_title = "Densité de population\n(habitants par km2)", 
  leg_val_rnd = 0
)

Note

la faible densité de population des 12e et 16e arrondissement résulte notamment des zônes bois de Vincennes et de Bois de Boulogne qui les composent.

Les cartes pour une variable qualitative nominale

On peut aussi représenter un autre type de variable: qualitative nominale. Pour illuster cette fiche on va représenter les bords politiques des mairies de chaque arrondissement. Pour cela, on produit une carte choroplèthes mais avec des couleurs sans dégradé (palettee qualitative).

Penser à trier la base par numéro d’arrondissement avant de fusionner les informations sur les bords politiques (arrange())
Bien vérifier que les couleurs, ici fortement informatives, correspondent bien aux bords politiques. Sans raison apparente, il a été ici nécessaire de les renseigner dans l’ordre EELV, LR et PS.

arrondissements2 = select(arrondissements, c_ar, l_aroff, geom_x_y, geometry)
arrondissements2 = arrange(arrondissements2, c_ar)

bords_politiques <- c("LR", "EELV", "PS", "PS", "LR", "LR", "LR", "LR", "LR", "PS", "PS", "PS", "PS", "PS", "LR", "LR", "LR", "PS", "PS", "PS")
# Le maire du 2e arrondissement de Paris était EELV entre 2014 et 2015.


arrondissements2 <- cbind(arrondissements2, bords_politiques)

# Choix des couleurs

colors <- c("EELV" = "#31a354", "LR" = "#3182bd", "PS" = "#C24168")

# Placer les carrés sur les centroïdes des polygones des arrondissements.
arr_c<-st_centroid(arrondissements2)



mf_map(x = arrondissements2, border = "black")

# Choix  du symbol rectangle (pch=15)
mf_map(
  x = arr_c,
  var = "bords_politiques",
  pal=colors,
  type="symb",
  pch=15,
  cex = 2,
  lwd = .5,
  leg_title = "",
  border="black"
)


# habillage additionnel
mf_layout(
  title = "Bord politique des maires de Paris entre 2014 et 2020",
  credits = paste0(
    "mapsf ",
    packageVersion("mapsf")
  )
)

Il est courant de représenter les cartes électorales en remplissant les aires géographiques par des couleurs. Par rapport au graphique précédent, il suffit d’utiliser type="typo" et de retirer l’argument pch. On ajoute également le numéro de l’arrondissement avec la fonction mf_label.

Show the code

mf_map(
  x = arrondissements2,
  # var à représenter  
  var = "bords_politiques",
  pal=colors,
  type="typo",
  cex = 2,
  lwd = .5,
  leg_title = "",
  leg_pos= c(2.43, 48.91396),
  border="black"
)

mf_layout(
  title = "Bord politique des maires de Paris entre 2014 et 2020",
  credits = paste0(
    "mapsf ",
    packageVersion("mapsf")
  )
)

mf_label(
  x = arrondissements2, var = "c_ar", col = "grey", halo = TRUE, overlap = FALSE, lines = FALSE,
)

Pour aller plus loin: regroupement de polygones

Exemple 1: fusion des arrondissements 15 et 16 avec aggrégation de la population

L’objectif est de fusionner les données de deux arrondissements (le 15ème et le 16ème) en un seul arrondissement sur le fond de carte, et d’agréger leur population.

Les étapes sont :

Sélection des polygones géométriques des 15ème (Vaugirard) et 16ème (Passy) arrondissements dans le dataset des arrondissements.
Fusionner ces deux polygones en un seul avec la fonction st_union(). On obtient un nouveau polygone contenant la géométrie unifiée.
Aggreger les valeurs de leur population pour le nouveau polygone.
Renommer les informations d’identification du nouveau secteur (ici son nom).
Créer un nouveau dataset avec ces informations pour le nouveau secteur.
Remplacer dans le dataset original les informations des deux arrondissements par celles du nouveau secteur.

On obtient ainsi un nouveau dataset des arrondissements dans lequel les 15ème et 16ème ont été fusionnés . Ce nouveau secteur fusionné peut alors être représenté sur le fond de carte.

Récupération des informations nécessaires

arrondissements2 = select(arrondissements, c_ar, l_aroff, geom_x_y, pop)
arrondissements2 = arrange(arrondissements2, c_ar)

Sélection des deux polygones à fusionner

poly1 = arrondissements2[arrondissements2$c_ar == 15, ]
poly2 = arrondissements2[arrondissements2$c_ar == 16, ]

Fusion des deux polygones

new_poly = st_union(poly1, poly2)

Warning: attribute variables are assumed to be spatially constant throughout
all geometries

Agregation des deux populations

new_poly$pop = new_poly$pop+ new_poly$pop.1

Changement du nom de la zône

new_poly$l_aroff = "Fusion 15 et 16"

Insertion de la fusion dans la base arrondissements

# Il est très important de mettre les éléments dans le même ordre que celui du tableau
arrondissements_fus <- subset(new_poly, select = c(c_ar, l_aroff, geom_x_y, pop))

# On supprime les lignes des deux arrondissements fusionner
arrondissements2 = filter(arrondissements2, c_ar<15 | c_ar>16)

# On insère la ligne des arrondissements fusionnés dans la base arrondissement
arrondissements2 = rbind(arrondissements2, arrondissements_fus)

Exécution de la carte

mf_map(x = arrondissements2,border= "black")
mf_map(x = arrondissements2,
       # variable à représenter: population des arrondissements
       var = "pop",
       # type de carte : symboles proportionnels
       type = "prop",
       leg_title = "Population des arrondissements",
       col="#C24168",
       add= TRUE,
       inches=0.2)

Exemple 2: fusion des 4 premiers arrondissements aux élections de 2020

Pour les élections municipales de 2020, les 4 premiers arrondissements de la ville ont été fusionnés. Cette zône a été appelée Centre, et le choix de la localisation de mairie s’est porté sur le 3ème arrondissement.

Le code ci-dessous procède à la fusion de ces 4 arrondissements

Show the code

arrondissements <- st_read(dsn = "https://opendata.paris.fr/explore/dataset/arrondissements/download/?format=geojson&timezone=Europe/Berlin&lang=fr")
arrondissements <- subset(arrondissements, select = c(c_ar, l_aroff,geometry))


poly1 = arrondissements[arrondissements$c_ar == "1", ] 
poly2 = arrondissements[arrondissements$c_ar == "2", ]
poly3 = arrondissements[arrondissements$c_ar == "3", ]
poly4 = arrondissements[arrondissements$c_ar == "4", ]

poly12   = st_union(poly1, poly2) 
poly34   = st_union(poly3,poly4)
new_poly = st_union(poly12,poly34)

new_poly$l_aroff = "Centre" # changer le nom de l'arrondissement
new_poly$c_ar    =  "3"     # changer le code de l'arrondissement

# Il est très important de mettre les éléments dans le même ordre que celui du tableau
arrondissements_fus = subset(new_poly, select = c(c_ar, l_aroff,geometry))

arrondissements = filter(arrondissements, c_ar>4)
arrondissements = rbind(arrondissements, arrondissements_fus)

mf_map(x = arrondissements,border= "black")

Show the code

bords_politiques = c("Gauche","Droite","Droite","Droite","Droite","Droite","Gauche","Gauche","Ecolo","Gauche","Gauche","Droite","Droite","Droite","Gauche","Gauche","Gauche")
colors <- c( "Droite" = "#3182bd", "Ecolo" = "#31a354",  "Gauche" = "#C24168")


# c_ar est passé en string => repasser en numérique pour arrange
arrondissements$c_ar = as.numeric(arrondissements$c_ar)
arrondissements = arrange(arrondissements, c_ar)
arrondissements = cbind(arrondissements, bords_politiques)

# label: on change la valeur 3 par centre pour la zône fusionnée
arrondissements$c_ar2 = as.character(arrondissements$c_ar)
arrondissements$c_ar2[arrondissements$c_ar2 == "3"]  = "Centre"

Carte électorale à l’issue des élections de 2020

Show the code

mf_map(
  x = arrondissements,
  var = "bords_politiques",
  pal=colors,
  type="typo",
  cex = 2,
  lwd = .5,
  leg_title = "",
  leg_pos= c(2.43, 48.91396),
  border="black"
)

mf_layout(
  title = "Bord politique des maires de Paris aux élections de 2020",
  credits = paste0(
    "mapsf ",
    packageVersion("mapsf")
  )
)

mf_label(
  x = arrondissements, var = "c_ar2", col = "grey", halo = TRUE, overlap = FALSE, lines = FALSE,
)

--- title: "Réaliser des cartes thématiques avec Mapsf" categories: - Cartographie author: - name: "Coralie Cottet" affiliations: - name: "Ensai-Ined" date: 07/27/2023 image: "logo.png" format: html: default abstract: | Nous allons montrer comment réaliser des cartes avec R à l'aide du package **`mapsf`** (T.Giraud) et du packages **`sf`**. mapsf est un outil très utile pour manipuler et visualiser des données spatiales en R, tandis que le package "sf" fournit une infrastructure pour stocker et manipuler ce type de données. Ces deux packages offrent une solution simple et pratique pour réaliser ce type d'analyse. --- ![](logo.png){width=10%} **Documentation** (Timothé Giraud): * <https://rcarto.github.io/ined2022/07_mise_en_page.html> * <http://riatelab.github.io/mapsf> * <http://rgeomatic.hypotheses.org/2077> **Installation des packages**: ```markdown install.packages(mapsf) install.packages(sf) install.packages(dplyr) ``` ```{r warning=FALSE, message=FALSE} library(mapsf) library(sf) library(dplyr) ``` Nous allons réaliser une carte de Paris avec les données du site de Paris Data [[Lien](http://opendata.paris.fr/pages/catalogue/?disjunctive.theme&disjunctive.publisher)] # Importation des données Il existe plusieurs formats de fond de carte: * **GeoJSON** est un format de données géospatiales basé sur JSON (JavaScript Object Notation) qui permet de stocker des données géographiques sous forme de caractères. * **Shapefile** est un format de données géospatiales propriétaire développé par *Esri* (Environmental Systems Research Institute). Il est constitué de plusieurs fichiers qui stockent des informations sur les entités géographiques telles que les points, les lignes et les polygones, ainsi que des attributs associés à ces entités. Ici le fond importé est en format *GeoJSON*, il correspond aux limites des arrondissements. On va lui ajouter celui des voies d'eau en couche d'habillage. ```{r filename="Importation des données", result=FALSE} arrondissements <- st_read(dsn = "https://opendata.paris.fr/explore/dataset/arrondissements/download/?format=geojson&timezone=Europe/Berlin&lang=fr") cours_deau<-st_read(dsn="https://opendata.paris.fr/api/explore/v2.1/catalog/datasets/plan-de-voirie-voies-deau/exports/geojson?lang=fr&timezone=Europe%2FBerlin") ``` ```{r filename="Affichage du fond de carte des arrondissements avec cours d'eau"} # Arrondissements mf_map(x = arrondissements, border = "black") # Ajout des cours d'eau mf_map(x=cours_deau,lwd=2,border="lightblue",col="lightblue",add=TRUE) ``` ```{r filename="Fond noir"} mf_theme("darkula") ``` # Différents types de cartes ![](arbre_type_data.png) ## Les cartes à symboles proportionnels La carte en symboles proportionnels est la méthode de représentation graphique à utiliser pour visualiser des variables de stocks (variables quantitatives absolues pour lesquelles la somme et la moyenne ont une signification). Sur la carte, on affiche l'effectif de la population de chaque arrondissement et on ajoute la légende et un titre. ```{r filename"Ajout manuel de la population des arrondissements", results= 'hide'} #Ajout manuel des valeurs des populations de chaque arrondissements dans le tableau sous le nom "pop" arrondissements$pop <- c(1012687, 903036, 1369857, 1491027, 1672009, 1506475, 1637163, 1603380, 1637542, 1059282, 1494945, 1436205, 1705774, 1425805, 236769, 1668605, 1674568, 1539668, 1421827, 1829526) #INSEE,2021. La valeur 1012687 correspond à la population dans le 1er arrondissement. ``` * Pour représenter la carte, on utilise la fonction `map_sf()`. On doit indiquer à minima la variable liée à la statistique (`var=pop`), et le type de carte (`type=prop`). * On va superposer 2 cartes: le fond affichant seulement les limites des arrondissements, et celle affichant sous forme de bulle proportionnelles la taille de la population dans chaque arrondissement. ```{r filename="Carte avec la fonction mf_map()"} mf_map(x = arrondissements) mf_map( x = arrondissements, var = "pop" , type = "prop", leg_title = "Population totale\12 271 794", col="#C24168", add= TRUE, inches=0.2) mf_title("Distribution de la population dans les arrondissements de Paris") ``` ## Les cartes choroplèthes La *carte choroplèthe* est la représentation à utiliser pour visualiser des ratios (variables quantitatives relatives pour lesquelles la moyenne a un sens, mais dont la somme n'en a pas), et qui sont des variables ordinales. Sur la carte, on affiche la densité de population de chaque arrondissement. On utilise ici la méthode des quantiles pour discrétiser cette variable, et on applique une palette de couleurs séquentielles avec dégradé pour représenter l'ordre entre les valeurs. ```{r filename="Variable densité de la population"} #création de la variable densite arrondissements$DENS <- 1e6 * arrondissements$pop / as.numeric(st_area(arrondissements)) ``` ```{r filename="Carte avec la fonction mf_map()"} mf_map( x = arrondissements, # variable à représenter: densité de population var = "DENS", # type de carte type = "choro", # méthode de dsicrétisation breaks = "quantile", # palette de rouges pal = "Reds", lwd = 1, leg_title = "Densité de population\n(habitants par km2)", leg_val_rnd = 0 ) ``` ::: callout-note la faible densité de population des 12e et 16e arrondissement résulte notamment des zônes *bois de Vincennes* et de *Bois de Boulogne* qui les composent. ::: ## Les cartes pour une variable qualitative nominale On peut aussi représenter un autre type de variable: qualitative nominale. Pour illuster cette fiche on va représenter les bords politiques des mairies de chaque arrondissement. Pour cela, on produit une carte choroplèthes mais avec des couleurs *sans dégradé* (palettee qualitative). * Penser à trier la base par numéro d'arrondissement avant de fusionner les informations sur les bords politiques (`arrange()`) * Bien vérifier que les couleurs, ici fortement informatives, correspondent bien aux bords politiques. Sans raison apparente, il a été ici nécessaire de les renseigner dans l'ordre EELV, LR et PS. ```{r, warning=FALSE, message=FALSE} arrondissements2 = select(arrondissements, c_ar, l_aroff, geom_x_y, geometry) arrondissements2 = arrange(arrondissements2, c_ar) bords_politiques <- c("LR", "EELV", "PS", "PS", "LR", "LR", "LR", "LR", "LR", "PS", "PS", "PS", "PS", "PS", "LR", "LR", "LR", "PS", "PS", "PS") # Le maire du 2e arrondissement de Paris était EELV entre 2014 et 2015. arrondissements2 <- cbind(arrondissements2, bords_politiques) # Choix des couleurs colors <- c("EELV" = "#31a354", "LR" = "#3182bd", "PS" = "#C24168") # Placer les carrés sur les centroïdes des polygones des arrondissements. arr_c<-st_centroid(arrondissements2) mf_map(x = arrondissements2, border = "black") # Choix du symbol rectangle (pch=15) mf_map( x = arr_c, var = "bords_politiques", pal=colors, type="symb", pch=15, cex = 2, lwd = .5, leg_title = "", border="black" ) # habillage additionnel mf_layout( title = "Bord politique des maires de Paris entre 2014 et 2020", credits = paste0( "mapsf ", packageVersion("mapsf") ) ) ``` Il est courant de représenter les cartes électorales en remplissant les aires géographiques par des couleurs. Par rapport au graphique précédent, il suffit d'utiliser `type="typo"` et de retirer l'argument `pch`. On ajoute également le numéro de l'arrondissement avec la fonction `mf_label`. ```{r} #| code-fold: true #| code-summary: "Show the code" mf_map( x = arrondissements2, # var à représenter var = "bords_politiques", pal=colors, type="typo", cex = 2, lwd = .5, leg_title = "", leg_pos= c(2.43, 48.91396), border="black" ) mf_layout( title = "Bord politique des maires de Paris entre 2014 et 2020", credits = paste0( "mapsf ", packageVersion("mapsf") ) ) mf_label( x = arrondissements2, var = "c_ar", col = "grey", halo = TRUE, overlap = FALSE, lines = FALSE, ) ``` # Pour aller plus loin: regroupement de polygones **Exemple 1: fusion des arrondissements 15 et 16 avec aggrégation de la population** L'objectif est de fusionner les données de deux arrondissements (le 15ème et le 16ème) en un seul arrondissement sur le fond de carte, et d'agréger leur population. Les étapes sont : * Sélection des polygones géométriques des 15ème (Vaugirard) et 16ème (Passy) arrondissements dans le dataset des arrondissements. * Fusionner ces deux polygones en un seul avec la fonction st_union(). On obtient un nouveau polygone contenant la géométrie unifiée. * Aggreger les valeurs de leur population pour le nouveau polygone. * Renommer les informations d'identification du nouveau secteur (ici son nom). * Créer un nouveau dataset avec ces informations pour le nouveau secteur. * Remplacer dans le dataset original les informations des deux arrondissements par celles du nouveau secteur. On obtient ainsi un nouveau dataset des arrondissements dans lequel les 15ème et 16ème ont été fusionnés . Ce nouveau secteur fusionné peut alors être représenté sur le fond de carte. ```{r filename="Récupération des informations nécessaires"} arrondissements2 = select(arrondissements, c_ar, l_aroff, geom_x_y, pop) arrondissements2 = arrange(arrondissements2, c_ar) ``` ```{r filename="Sélection des deux polygones à fusionner"} poly1 = arrondissements2[arrondissements2$c_ar == 15, ] poly2 = arrondissements2[arrondissements2$c_ar == 16, ] ``` ```{r filename="Fusion des deux polygones"} new_poly = st_union(poly1, poly2) ``` ```{r filename="Agregation des deux populations"} new_poly$pop = new_poly$pop+ new_poly$pop.1 ``` ```{r filename="Changement du nom de la zône"} new_poly$l_aroff = "Fusion 15 et 16" ``` ```{r filename="Insertion de la fusion dans la base arrondissements"} # Il est très important de mettre les éléments dans le même ordre que celui du tableau arrondissements_fus <- subset(new_poly, select = c(c_ar, l_aroff, geom_x_y, pop)) # On supprime les lignes des deux arrondissements fusionner arrondissements2 = filter(arrondissements2, c_ar<15 | c_ar>16) # On insère la ligne des arrondissements fusionnés dans la base arrondissement arrondissements2 = rbind(arrondissements2, arrondissements_fus) ``` ```{r filename="Exécution de la carte"} #| eval: false mf_map(x = arrondissements2,border= "black") mf_map(x = arrondissements2, # variable à représenter: population des arrondissements var = "pop", # type de carte : symboles proportionnels type = "prop", leg_title = "Population des arrondissements", col="#C24168", add= TRUE, inches=0.2) ``` ![](map.png) **Exemple 2: fusion des 4 premiers arrondissements aux élections de 2020** Pour les élections municipales de 2020, les 4 premiers arrondissements de la ville ont été fusionnés. Cette zône a été appelée **Centre**, et le choix de la localisation de mairie s'est porté sur le 3ème arrondissement. Le code ci-dessous procède à la fusion de ces 4 arrondissements ```{r, warning=FALSE, message=FALSE} #| code-fold: true #| code-summary: "Show the code" #| results: false arrondissements <- st_read(dsn = "https://opendata.paris.fr/explore/dataset/arrondissements/download/?format=geojson&timezone=Europe/Berlin&lang=fr") arrondissements <- subset(arrondissements, select = c(c_ar, l_aroff,geometry)) poly1 = arrondissements[arrondissements$c_ar == "1", ] poly2 = arrondissements[arrondissements$c_ar == "2", ] poly3 = arrondissements[arrondissements$c_ar == "3", ] poly4 = arrondissements[arrondissements$c_ar == "4", ] poly12 = st_union(poly1, poly2) poly34 = st_union(poly3,poly4) new_poly = st_union(poly12,poly34) new_poly$l_aroff = "Centre" # changer le nom de l'arrondissement new_poly$c_ar = "3" # changer le code de l'arrondissement # Il est très important de mettre les éléments dans le même ordre que celui du tableau arrondissements_fus = subset(new_poly, select = c(c_ar, l_aroff,geometry)) arrondissements = filter(arrondissements, c_ar>4) arrondissements = rbind(arrondissements, arrondissements_fus) mf_map(x = arrondissements,border= "black") bords_politiques = c("Gauche","Droite","Droite","Droite","Droite","Droite","Gauche","Gauche","Ecolo","Gauche","Gauche","Droite","Droite","Droite","Gauche","Gauche","Gauche") colors <- c( "Droite" = "#3182bd", "Ecolo" = "#31a354", "Gauche" = "#C24168") # c_ar est passé en string => repasser en numérique pour arrange arrondissements$c_ar = as.numeric(arrondissements$c_ar) arrondissements = arrange(arrondissements, c_ar) arrondissements = cbind(arrondissements, bords_politiques) # label: on change la valeur 3 par centre pour la zône fusionnée arrondissements$c_ar2 = as.character(arrondissements$c_ar) arrondissements$c_ar2[arrondissements$c_ar2 == "3"] = "Centre" ``` Carte électorale à l'issue des élections de 2020 ```{r} #| code-fold: true #| code-summary: "Show the code" mf_map( x = arrondissements, var = "bords_politiques", pal=colors, type="typo", cex = 2, lwd = .5, leg_title = "", leg_pos= c(2.43, 48.91396), border="black" ) mf_layout( title = "Bord politique des maires de Paris aux élections de 2020", credits = paste0( "mapsf ", packageVersion("mapsf") ) ) mf_label( x = arrondissements, var = "c_ar2", col = "grey", halo = TRUE, overlap = FALSE, lines = FALSE, ) ```