丹佛市在其开放数据目录中公开保存过去五年的犯罪数据。在本教程中，我们将使用 R 访问和可视化这些数据，这些数据本质上是具有犯罪类型、社区等特征的时空参考点。
首先，我们将加载一些稍后会用到的包。
library(dplyr) library(ggplot2) library(lubridate)
然后，我们需要下载包含原始数据的逗号分隔值文件。
data_url <- "https://www.denvergov.org/media/gis/DataCatalog/crime/csv/crime.csv" d <- read.csv(data_url)
让我们将列名小写，并用str()函数查看数据的结构。
names(d) <- tolower(names(d)) str(d) ## 'data.frame': 479762 obs. of 19 variables: ## $ incident_id : num 2.02e+09 2.02e+09 2.02e+10 2.02e+10 2.02e+09 ... ## $ offense_id : num 2.02e+15 2.02e+15 2.02e+16 2.02e+16 2.02e+15 ... ## $ offense_code : int 2399 5441 2399 2308 5016 1316 5499 5499 7399 1102 ... ## $ offense_code_extension: int 0 0 1 0 0 0 0 0 2 0 ... ## $ offense_type_id : chr "theft-other" "traffic-accident" "theft-bicycle" "theft-from-bldg" ... ## $ offense_category_id : chr "larceny" "traffic-accident" "larceny" "larceny" ... ## $ first_occurrence_date : chr "12/27/2018 3:58:00 PM" "11/13/2015 7:45:00 AM" "6/8/2017 1:15:00 PM" "12/7/2019 1:07:00 PM" ... ## $ last_occurrence_date : chr "" "" "6/8/2017 5:15:00 PM" "12/7/2019 6:30:00 PM" ... ## $ reported_date : chr "12/27/2018 4:51:00 PM" "11/13/2015 8:38:00 AM" "6/12/2017 8:44:00 AM" "12/9/2019 1:35:00 PM" ... ## $ incident_address : chr "2681 N HANOVER CT" "4100 BLOCK W COLFAX AVE" "1705 17TH ST" "1350 N IRVING ST" ... ## $ geo_x : int 3178210 3129148 3140790 3132400 3188580 3142086 3152605 3148176 3143312 NA ... ## $ geo_y : int 1700715 1694748 1699792 1694088 1716158 1699093 1710822 1694866 1690483 NA ... ## $ geo_lon : num -105 -105 -105 -105 -105 ... ## $ geo_lat : num 39.8 39.7 39.8 39.7 39.8 ... ## $ district_id : int 5 1 6 1 5 6 2 6 1 6 ... ## $ precinct_id : int 512 122 612 122 521 612 212 623 123 611 ... ## $ neighborhood_id : chr "stapleton" "west-colfax" "union-station" "west-colfax" ... ## $ is_crime : int 1 0 1 1 1 1 1 1 1 1 ... ## $ is_traffic : int 0 1 0 0 0 0 0 0 0 0 ...
下面的代码使用该dplyr包对数据进行子集化以仅包括交通事故犯罪 ( filter(...))，并解析日期/时间列，以便我们可以提取诸如小时-分钟（以评估一天中的模式）、当天周（例如，1 = 星期日，2 = 星期一，...）和年（一年中的哪一天？），使用mutate()函数为这些变量创建新列。
accidents <- d %>% filter(offense_type_id == "traffic-accident") %>% mutate(datetime = mdy_hms(first_occurrence_date, tz = "MST"), hr = hour(datetime), dow = wday(datetime), yday = yday(datetime))
最后，我们将按小时和星期几对数据进行分组，对于这两个数量的每种组合，计算交通事故犯罪的数量。然后我们将创建一个新变量day，它是数字dow列 (1, 2, ...)的字符表示形式 (Sunday, Monday , ...)。我们还将创建一个新变量offense_type，它是该offense-type-id列的更易于阅读的版本。使用 ggplot，我们将为一周中的每一天创建一个带有颜色的密度图。此工作流用于dplyr处理我们的数据，然后将结果通过管道传输到ggplot2，以便我们在全局环境中仅创建一个对象p，即我们的绘图。
p <- accidents %>% count(hr, dow, yday, offense_type_id) %>% # the call to mutate() makes new variables with better names mutate(day = factor(c("Sunday", "Monday", "Tuesday", "Wednesday", "Thursday", "Friday", "Saturday")[dow], levels = c("Monday", "Tuesday", "Wednesday", "Thursday", "Friday", "Saturday", "Sunday")), offense_type = ifelse( offense_type_id == "traffic-accident-hit-and-run", "Hit and run", ifelse( offense_type_id == "traffic-accident-dui-duid", "Driving under the influence", "Traffic accident"))) %>% ggplot(aes(x = hr, fill = day, color = day)) + geom_freqpoly(binwidth = 1) + # 60 sec/min * 60 min scale_color_discrete("Day of week") + xlab("Time of day (hour)") + ylab("Frequency") + ggtitle("Traffic crimes in Denver, Colorado") p
