Résumé

Le package mapsf permet de générer des cartes simplement. Toutefois, il convient de choisir le type de carte adaptés aux données à représenter et parfois adapter le fond de carte. Nous présentons ici des statistiques sur les arrondissements de Paris.

Adaptation de la fiche Mapsf de Coralie Cottet (2023).

Les étapes pour représenter des indicateurs simples sur une fond de carte

Importer dans R - le fond de carte des arrondissements de Paris (données géométriques) - le tableau des indicateurs à représenter (données attributaires)
Utiliser le package mapsf - choisir le type de carte adapté aux données à représenter. - habiller la carte (titre, légende, ..) - exporter la carte produite au format désiré (vectoriel ou image)

Packages	Fonctions
sf	`st_read` ,`st_union`
mapsfr	`mf_map`
mapsfr	`mf_theme`
mapsfr	`mf_label`
mapsfr	`mf_title`

Si nécessaire, installation des packages avec la commande install.packages("mapsf","sf","dplyr")

Appel des packages

library(mapsf)
library(sf)

Linking to GEOS 3.12.1, GDAL 3.8.4, PROJ 9.3.1; sf_use_s2() is TRUE

library(dplyr)


Attachement du package : 'dplyr'

Les objets suivants sont masqués depuis 'package:stats':

    filter, lag

Les objets suivants sont masqués depuis 'package:base':

    intersect, setdiff, setequal, union

Les données

Les données géométriques

Les formats les plus courants en cartographie automatique sont :

GeoJSON, basé sur JSON (JavaScript Object Notation) qui permet de stocker des données géographiques sous forme de caractères.
Shapefile, plus ancien, développé par Esri. c’est un ensemble de fichiers qui stockent des informations sur les entités géographiques et leurs attributs.

Le fond de carte utilisé ici correspond aux limites des arrondissements de Paris, il est au format GeoJSON. On va lui ajouter les voies d’eau (Seine et canaux). On importe ces 2 couches à partir du site opendata.paris.fr.

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 des contours des arrondissements et des cours d’eau à Paris

On superpose 3 couches différentes : les polygones représentant les contours des arrondissements, les numéro des arrondissements et les cours d’eau.

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

# plot labels
mf_label(
  x = arrondissements,
  var = "c_ar",
  col = "black",
  cex = 0.8,
)

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

mf_title("Les arrondissements de Paris")

Les indicateurs à représenter et le choix du type de carte

Le tableau suivant contient les identifiants des arrondissements de Paris, les bords politiques des élus aux élections municipales de 2020 et les effectifs des populations de ces arrondissements.
Sources :
- Le parisien du 29-06-2020
- Insee - Chiffres détaillés, Comparateur de territoires - Mise en ligne le 27/06/2024.

Codgeo	Libelle	Municipalités	Population en 2021
75101	Paris 1er Arrondissement	PS, EELV	15919
75102	Paris 2e Arrondissement	PS, EELV	21119
75103	Paris 3e Arrondissement	PS, EELV	32793
75104	Paris 4e Arrondissement	PS, EELV	28324
75105	Paris 5e Arrondissement	LR, LREM	56841
75106	Paris 6e Arrondissement	LR	40209
75107	Paris 7e Arrondissement	LR	47947
75108	Paris 8e Arrondissement	LR	35123
75109	Paris 9e Arrondissement	LREM	58951
75110	Paris 10e Arrondissement	PS, EELV	83543
75111	Paris 11e Arrondissement	PS, EELV	142583
75112	Paris 12e Arrondissement	PS, EELV	140954
75113	Paris 13e Arrondissement	PS, EELV	178350
75114	Paris 14e Arrondissement	PS, EELV	136368
75115	Paris 15e Arrondissement	LR	227746
75116	Paris 16e Arrondissement	LR	162061
75117	Paris 17e Arrondissement	LR	164413
75118	Paris 18e Arrondissement	PS, EELV	188446
75119	Paris 19e Arrondissement	PS, EELV	181616
75120	Paris 20e Arrondissement	PS, EELV	189805

Les 4 premiers arrondissements ont été regroupés en une seule entité dans le cadre des élections municipales (étiquette PS, EELV). Nous verrons plus loin comment modifier le fond de carte pour représenter cette information sur une carte.

Identifier le type de donnée à représenter car cela va conditionner le type de carte à utiliser

Nous disposons donc d’une variable de stock : la population des arrondissements, d’une variable qualitative nominale : le bord politique de la mairie et nous pourrons calculer une variable quantitative absolue : la densité de population de chaque arrondissement car nous avons la superficie de chaque arrondissement (st_area) dans le data frame correspondant au fond de carte.

Générer des cartes adaptées aux données

La population par arrondissements

#Tri de la table des arrondissements selon leur numéro
arrondissements2 = arrondissements %>% arrange(c_arinsee)

#Ajout des valeurs des populations de chaque arrondissements dans une nouvelle colonne nommée "population"
arrondissements2$population <- c(15919, 21119, 32793, 28324, 56841, 40209, 47947, 35123, 58951, 83543, 142583, 140954, 178350, 136368, 227746, 162061, 164413, 188446, 181616, 189805) 
#La valeur 15919 correspond à la population dans le 1er arrondissement.

On affiche une carte en symboles proportionnels car c’est la méthode à utiliser pour visualiser des variables de stocks. La surface des cercles représente l’effectif de la population pour chaque arrondissement.

La fonction map_sf() sert à indiquer la variable à représenter (var=population), et le type de carte (type=prop).

On habille la carte en y ajoutant une légende et un titre

mf_map(x = arrondissements2)
mf_map(
  x = arrondissements2,
  var = "population" ,
  type = "prop",  
  leg_title = "Effectif de la population\ en 2021",
  col="#C24168",
  add= TRUE,
  inches=0.2)

mf_title("La population des arrondissements de Paris")

La densité de population de chaque arrondissement

# calcul de la densité de population par arrondissements  
arrondissements2$densite <- 1e6 * arrondissements2$population / as.numeric(st_area(arrondissements2))

On va ici générer une carte choroplèthe (ou en aplat de couleur) car c’est la méthode à utiliser pour visualiser des ratios (variables quantitatives relatives).

On utilise la méthode des quantiles pour discrétiser la variable densite, et on applique une palette de couleurs séquentielles avec dégradé pour représenter l’ordre entre les valeurs.

mf_map(
  x = arrondissements2,
# variable à représenter: densité de population  
var = "densite",
# 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
)

mf_title("Les densités de population des arrondissements de Paris")

Nota Bene : Les 12e et 16e arrondissements sont très eu denses car sont composés des bois de Vincenne et de Boulogne.

Le “bord politique” des mairies

Pour les élections municipales de 2020, les 4 premiers arrondissements de la ville ont été fusionnés dans une zone appelée Centre, et le choix de la localisation de mairie s’est porté sur le 3ème arrondissement. Nous devons créer un nouveau fond de carte où on fusionne les 4 polygones correspondants à ces 4 arrondissements avec la fonction st_union.

# Louvre  
poly1 = arrondissements2[arrondissements2$c_ar == "1", ] 
# Bourse
poly2 = arrondissements2[arrondissements2$c_ar == "2", ]
# Temple
poly3 = arrondissements2[arrondissements2$c_ar == "3", ]
# Hôtel de Ville
poly4 = arrondissements2[arrondissements2$c_ar == "4", ]
# Fusion des polygones
poly12   = st_union(poly1,poly2)

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

poly34   = st_union(poly3,poly4)

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

centre = st_union(poly12,poly34)

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

centre$l_aroff = "Centre" # changer le nom de l'arrondissement
centre$c_ar    =  "3"     # On prend le code qui correspond au 3e arrondissement

# On garde les arrondissemnts qui ne sont pas au centre

arrondissementsp <- arrondissements2 %>%
  filter(c_ar > 4) %>%
  select(c_ar, l_aroff, surface, l_ar, n_sq_co, c_arinsee, n_sq_ar, perimetre, geom_x_y, geometry)

centre_fus = subset(centre, select = c(c_ar, l_aroff,surface, l_ar, n_sq_co, c_arinsee, n_sq_ar, perimetre, geom_x_y, geometry))


# Combiner les data frames et sélectionner les colonnes en une seule étape
arrondissementsnew = rbind(centre_fus, arrondissementsp) %>%
  select(c_ar, l_aroff, geom_x_y, geometry)

mf_map(x = arrondissementsnew,border= "black")
mf_title("Le découpage des municipalités de Paris")

On va représenter cette variable de type qualitative nominale (ici bords politiques des mairies de chaque arrondissement), par un symbole de couleur sans dégradé (palette qualitative).

arrondissementsnew$bords_politiques <- c("PS, EELV", "LR, LREM", "LR", "LR", "LR", "LREM", "PS, EELV", "PS, EELV", "PS, EELV", "PS, EELV", "PS, EELV", "LR", "LR", "LR", "PS, EELV", "PS, EELV", "PS, EELV")

# Choix des couleurs

levels(as.factor(arrondissementsnew$bords_politiques))

[1] "LR"       "LR, LREM" "LREM"     "PS, EELV"

# PS, EELV en "#d175b8", LR, LREM en "#8856a7", LR en "#3182bd" et LREM en "#e6550d"
colors <- c("#3182bd", "#1c9099", "#e6550d","#c51b8a")

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

Warning: st_centroid assumes attributes are constant over geometries

mf_map(x = arrondissementsnew, 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"
)

the length of pch does not match the number of modalities. The first pch is used for all modalities

# habillage 
mf_layout(
  title = "Bords politiques aux élections municipales de 2020",
  credits = paste0("mapsf ", packageVersion("mapsf")),
  arrow = FALSE,  # Désactiver l'orientation
  scale = FALSE  # Désactiver l'échelle
)

Il est plus courant de représenter les cartes électorales par des cartes chloroplèthe. Ainsi par rapport à la carte précédente, il faut utiliser type="typo" et de retirer l’argument pch. On ajoute également le numéro de l’arrondissement avec la fonction mf_label.

mf_map(
  x = arrondissementsnew,
  # 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 = "Bords politiques aux élections municipales de 2020",
  credits = paste0("mapsf ", packageVersion("mapsf")),
  arrow = FALSE,  # Désactiver l'orientation
  scale = FALSE   # Désactiver l'échelle
  )

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

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

Exporter les cartes

Au format image

# export en format image (.png)
mf_export( 
  x= arrondissementsnew,
  filename ="img/carte.png", width = 600)
mf_map(x = arrondissementsnew)
mf_map(
  x = arrondissementsnew,
   var = "population" ,
  type = "prop",   
  leg_title = "Population des arrondissements",
  col="#C24168",
  add= TRUE,
  inches=0.2)
mf_arrow()
mf_credits (txt = "Fait avec mapsf de T. Giraud",pos = "bottomright",font = 2)
mf_title(txt = "Ma carte")
dev.off()

Attention

Toujours utiliser add = TRUE après un appel à mf_export() et ne pas oublier d’utiliser dev.off() pour finaliser l’export de la figure.

Au format vectoriel

# format vectoriel (.svg)
mf_export( 
  x= arrondissementsnew,
  filename ="img/carte.svg", width = 600)
mf_map(x = arrondissementsnew)
mf_map(
  x = arrondisst4,
   var = "population" ,
  type = "prop",   
  leg_title = "Population des arrondissements",
  col="#C24168",
  add= TRUE,
  inches=0.2)
mf_arrow()
mf_credits (txt = "Fait avec mapsf de T. Giraud",pos = "bottomright",font = 2)
mf_title(txt = "Ma carte")
dev.off()

pour afficher la vignette contenant des scriprs commentés sur commment créer des cartes, exécuter le code vignette(topic = "mapsf", package = "mapsf")
sur le choix du type de carte riatelab.github.io/mapsf/articles
sur la cartographie avec R rcarto.github.io/cartographie_avec_r

--- title: "Premiers pas en cartographie avec R" author: - name: "Bénédicte Garnier" affiliations: - name: "Ined" categories: - Cartographie - Fond de carte date: 08/26/2024 format: html: toc: true toc-depth: 3 image: "logo.png" execute: cache: true abstract: | Le package mapsf permet de générer des cartes simplement. Toutefois, il convient de choisir le type de carte adaptés aux données à représenter et parfois adapter le fond de carte. Nous présentons ici des statistiques sur les arrondissements de Paris. --- Adaptation de la fiche *Mapsf* de Coralie Cottet (2023). ::: callout-tip ## Les étapes pour représenter des indicateurs simples sur une fond de carte Importer dans R - le fond de carte des arrondissements de Paris (*données géométriques*) - le tableau des indicateurs à représenter (*données attributaires*)\ Utiliser le *package mapsf* - choisir le type de carte adapté aux données à représenter. - habiller la carte (titre, légende, ..) - exporter la carte produite au format désiré (vectoriel ou image) ::: | Packages | Fonctions | |------------|-----------------------| | **sf** | `st_read` ,`st_union` | | **mapsfr** | `mf_map` | | **mapsfr** | `mf_theme` | | **mapsfr** | `mf_label` | | **mapsfr** | `mf_title` | Si nécessaire, installation des packages avec la commande `install.packages("mapsf","sf","dplyr")` # Appel des packages ```{r} library(mapsf) library(sf) library(dplyr) ``` # Les données ## Les données géométriques Les **formats** les plus courants en cartographie automatique sont : - *GeoJSON*, basé sur JSON (JavaScript Object Notation) qui permet de stocker des données géographiques sous forme de caractères. - *Shapefile*, plus ancien, développé par Esri. c'est un ensemble de fichiers qui stockent des informations sur les entités géographiques et leurs attributs. Le fond de carte utilisé ici correspond aux limites des arrondissements de Paris, il est au format GeoJSON. On va lui ajouter les voies d'eau (Seine et canaux). On importe ces 2 couches à partir du site *opendata.paris.fr*. ```{r} 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") ``` ### Affichage des contours des arrondissements et des cours d'eau à Paris On superpose 3 couches différentes : les polygones représentant les contours des arrondissements, les numéro des arrondissements et les cours d'eau. ```{r} mf_theme("candy") # Arrondissements mf_map(x = arrondissements, border = "black") # plot labels mf_label( x = arrondissements, var = "c_ar", col = "black", cex = 0.8, ) # Ajout des cours d'eau mf_map(x=cours_deau,lwd=2,border="lightblue",col="lightblue",add=TRUE) mf_title("Les arrondissements de Paris") ``` ## Les indicateurs à représenter et le choix du type de carte Le tableau suivant contient les identifiants des arrondissements de Paris, les bords politiques des élus aux élections municipales de 2020 et les effectifs des populations de ces arrondissements.\ Sources :\ - [Le parisien du 29-06-2020](https://www.leparisien.fr/elections/municipales/municipales-le-second-tour-a-paris-decrypte-en-six-cartes-29-06-2020-8343966.php)\ - [Insee - Chiffres détaillés, Comparateur de territoires](htts://www.insee.fr/fr/statistiques/2521169) - Mise en ligne le 27/06/2024. | Codgeo | Libelle | Municipalités | Population en 2021 | |--------|--------------------------|---------------|--------------------| | 75101 | Paris 1er Arrondissement | PS, EELV | 15919 | | 75102 | Paris 2e Arrondissement | PS, EELV | 21119 | | 75103 | Paris 3e Arrondissement | PS, EELV | 32793 | | 75104 | Paris 4e Arrondissement | PS, EELV | 28324 | | 75105 | Paris 5e Arrondissement | LR, LREM | 56841 | | 75106 | Paris 6e Arrondissement | LR | 40209 | | 75107 | Paris 7e Arrondissement | LR | 47947 | | 75108 | Paris 8e Arrondissement | LR | 35123 | | 75109 | Paris 9e Arrondissement | LREM | 58951 | | 75110 | Paris 10e Arrondissement | PS, EELV | 83543 | | 75111 | Paris 11e Arrondissement | PS, EELV | 142583 | | 75112 | Paris 12e Arrondissement | PS, EELV | 140954 | | 75113 | Paris 13e Arrondissement | PS, EELV | 178350 | | 75114 | Paris 14e Arrondissement | PS, EELV | 136368 | | 75115 | Paris 15e Arrondissement | LR | 227746 | | 75116 | Paris 16e Arrondissement | LR | 162061 | | 75117 | Paris 17e Arrondissement | LR | 164413 | | 75118 | Paris 18e Arrondissement | PS, EELV | 188446 | | 75119 | Paris 19e Arrondissement | PS, EELV | 181616 | | 75120 | Paris 20e Arrondissement | PS, EELV | 189805 | | | | | | Les 4 premiers arrondissements ont été regroupés en une seule entité dans le cadre des élections municipales (étiquette PS, EELV). Nous verrons plus loin comment modifier le fond de carte pour représenter cette information sur une carte. **Identifier le type de donnée à représenter** car cela va conditionner le type de carte à utiliser ::: {.box_img} ![cf T. Giraud](arbre_type_data.png){width="75%"} ::: Nous disposons donc d'une *variable de stock* : la population des arrondissements, d'une *variable qualitative nominale* : le bord politique de la mairie et nous pourrons calculer une *variable quantitative absolue* : la densité de population de chaque arrondissement car nous avons la superficie de chaque arrondissement (st_area) dans le data frame correspondant au fond de carte. ## Générer des cartes adaptées aux données ### La population par arrondissements ```{r} #Tri de la table des arrondissements selon leur numéro arrondissements2 = arrondissements %>% arrange(c_arinsee) #Ajout des valeurs des populations de chaque arrondissements dans une nouvelle colonne nommée "population" arrondissements2$population <- c(15919, 21119, 32793, 28324, 56841, 40209, 47947, 35123, 58951, 83543, 142583, 140954, 178350, 136368, 227746, 162061, 164413, 188446, 181616, 189805) #La valeur 15919 correspond à la population dans le 1er arrondissement. ``` On affiche une **carte en symboles proportionnels** car c'est la méthode à utiliser pour visualiser des variables de stocks. La surface des cercles représente l'effectif de la population pour chaque arrondissement. La fonction `map_sf()` sert à indiquer la variable à représenter (var=population), et le type de carte (type=prop). On **habille** la carte en y ajoutant une légende et un titre ```{r} mf_map(x = arrondissements2) mf_map( x = arrondissements2, var = "population" , type = "prop", leg_title = "Effectif de la population\ en 2021", col="#C24168", add= TRUE, inches=0.2) mf_title("La population des arrondissements de Paris") ``` ### La densité de population de chaque arrondissement ```{r} # calcul de la densité de population par arrondissements arrondissements2$densite <- 1e6 * arrondissements2$population / as.numeric(st_area(arrondissements2)) ``` On va ici générer une **carte choroplèthe** (ou en aplat de couleur) car c'est la méthode à utiliser pour visualiser des ratios (variables quantitatives relatives). On utilise la méthode des quantiles pour discrétiser la variable densite, et on applique une palette de couleurs séquentielles avec dégradé pour représenter l'ordre entre les valeurs. ```{r} mf_map( x = arrondissements2, # variable à représenter: densité de population var = "densite", # type de carte type = "choro", # méthode de dsicrétisation breaks = "quantile", # palette de rouges pal = "Reds", lwd = 1, leg_title = "Densité de population\n(habitants par km2)", leg_val_rnd = 0 ) mf_title("Les densités de population des arrondissements de Paris") ``` Nota Bene : Les 12e et 16e arrondissements sont très eu denses car sont composés des bois de Vincenne et de Boulogne. ### Le "bord politique" des mairies Pour les élections municipales de 2020, les 4 premiers arrondissements de la ville ont été fusionnés dans une zone appelée *Centre*, et le choix de la localisation de mairie s'est porté sur le 3ème arrondissement. Nous devons créer un nouveau fond de carte où on fusionne les 4 polygones correspondants à ces 4 arrondissements avec la fonction `st_union`. ```{r} # Louvre poly1 = arrondissements2[arrondissements2$c_ar == "1", ] # Bourse poly2 = arrondissements2[arrondissements2$c_ar == "2", ] # Temple poly3 = arrondissements2[arrondissements2$c_ar == "3", ] # Hôtel de Ville poly4 = arrondissements2[arrondissements2$c_ar == "4", ] # Fusion des polygones poly12 = st_union(poly1,poly2) poly34 = st_union(poly3,poly4) centre = st_union(poly12,poly34) centre$l_aroff = "Centre" # changer le nom de l'arrondissement centre$c_ar = "3" # On prend le code qui correspond au 3e arrondissement # On garde les arrondissemnts qui ne sont pas au centre arrondissementsp <- arrondissements2 %>% filter(c_ar > 4) %>% select(c_ar, l_aroff, surface, l_ar, n_sq_co, c_arinsee, n_sq_ar, perimetre, geom_x_y, geometry) centre_fus = subset(centre, select = c(c_ar, l_aroff,surface, l_ar, n_sq_co, c_arinsee, n_sq_ar, perimetre, geom_x_y, geometry)) # Combiner les data frames et sélectionner les colonnes en une seule étape arrondissementsnew = rbind(centre_fus, arrondissementsp) %>% select(c_ar, l_aroff, geom_x_y, geometry) mf_map(x = arrondissementsnew,border= "black") mf_title("Le découpage des municipalités de Paris") ``` On va représenter cette variable de type *qualitative nominale* (ici bords politiques des mairies de chaque arrondissement), par un symbole de couleur sans dégradé (palette qualitative). ```{r} arrondissementsnew$bords_politiques <- c("PS, EELV", "LR, LREM", "LR", "LR", "LR", "LREM", "PS, EELV", "PS, EELV", "PS, EELV", "PS, EELV", "PS, EELV", "LR", "LR", "LR", "PS, EELV", "PS, EELV", "PS, EELV") # Choix des couleurs levels(as.factor(arrondissementsnew$bords_politiques)) # PS, EELV en "#d175b8", LR, LREM en "#8856a7", LR en "#3182bd" et LREM en "#e6550d" colors <- c("#3182bd", "#1c9099", "#e6550d","#c51b8a") # Placer les carrés sur les centroïdes des polygones des arrondissements. arr_c<-st_centroid(arrondissementsnew) mf_map(x = arrondissementsnew, 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 mf_layout( title = "Bords politiques aux élections municipales de 2020", credits = paste0("mapsf ", packageVersion("mapsf")), arrow = FALSE, # Désactiver l'orientation scale = FALSE # Désactiver l'échelle ) ``` Il est plus courant de représenter les cartes électorales par des cartes chloroplèthe. Ainsi par rapport à la carte précédente, il faut utiliser `type="typo"` et de retirer l'argument pch. On ajoute également le numéro de l'arrondissement avec la fonction `mf_label`. ```{r} mf_map( x = arrondissementsnew, # 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 = "Bords politiques aux élections municipales de 2020", credits = paste0("mapsf ", packageVersion("mapsf")), arrow = FALSE, # Désactiver l'orientation scale = FALSE # Désactiver l'échelle ) mf_label( x = arrondissementsnew, var = "c_ar", col = "grey", halo = FALSE, overlap = FALSE, lines = FALSE, ) # Ajout des cours d'eau mf_map(x=cours_deau,lwd=2,border="lightblue",col="lightblue",add=TRUE) ``` ## Exporter les cartes ### Au format image ```{r,eval=FALSE, warning=FALSE} # export en format image (.png) mf_export( x= arrondissementsnew, filename ="img/carte.png", width = 600) mf_map(x = arrondissementsnew) mf_map( x = arrondissementsnew, var = "population" , type = "prop", leg_title = "Population des arrondissements", col="#C24168", add= TRUE, inches=0.2) mf_arrow() mf_credits (txt = "Fait avec mapsf de T. Giraud",pos = "bottomright",font = 2) mf_title(txt = "Ma carte") dev.off() ``` ::: {.callout-warning title="Attention"} Toujours utiliser `add = TRUE` après un appel à `mf_export()` et ne pas oublier d'utiliser `dev.off()` pour finaliser l'export de la figure. ::: ### Au format vectoriel ```{r, warning=FALSE, eval=FALSE} # format vectoriel (.svg) mf_export( x= arrondissementsnew, filename ="img/carte.svg", width = 600) mf_map(x = arrondissementsnew) mf_map( x = arrondisst4, var = "population" , type = "prop", leg_title = "Population des arrondissements", col="#C24168", add= TRUE, inches=0.2) mf_arrow() mf_credits (txt = "Fait avec mapsf de T. Giraud",pos = "bottomright",font = 2) mf_title(txt = "Ma carte") dev.off() ``` ::: callout-note ## En savoir plus - pour afficher la vignette contenant des scriprs commentés sur commment créer des cartes, exécuter le code `vignette(topic = "mapsf", package = "mapsf")` - sur le choix du type de carte [riatelab.github.io/mapsf/articles](https://riatelab.github.io/mapsf/articles/mapsf.html#symbology) - sur la cartographie avec R [rcarto.github.io/cartographie_avec_r](https://rcarto.github.io/cartographie_avec_r/) :::