r heatmap - stat_density2d (ggmap) vs. addHeatmap (glänzende Broschüre)

Question

Ich habe statische Heatmaps mit der library(ggmap) und stat_density2d() Funktion gemacht. Ich suche, um das in einer glänzenden App auf einer dynamischen leaflet Karte neu zu erstellen, fand ich addHeatmap(). Die resultierenden Bilder sind jedoch unähnlich, wobei die ggmap-Version scheinbar das richtige Ergebnis bietet.

GGMAP

LEAFLET

Was diesen Unterschied verursacht?

Um die beiden unten aufgeführten Beispiele auszuführen, können Sie einige Daten (csv-Datei) herunterladen, die ich hier eingefügt habe. https://drive.google.com/drive/folders/0B8_GTHBuoKSRR1VIRmhOUTJKYU0?usp=sharing

Beachten Sie, dass das leaflet Ergebnis mit Zoom-Ebene unterscheidet, aber nie übereinstimmt ggmap Ergebnis (zum Beispiel in Bezug auf Ort maximaler Hitze).

Dies ist der ggmap Code.

library(ggmap) 
data <- read.csv("DATA.csv", sep=";") 
data <- subset(data, !is.na(CrdLatDeg)) 
xmin <- min(data$CrdLonDeg) 
xmax <- max(data$CrdLonDeg) 
ymin <- min(data$CrdLatDeg) 
ymax <- max(data$CrdLatDeg) 
lon <- c(xmin,xmax) 
lat <- c(ymin,ymax) 
map <- get_map(location = c(lon = mean(lon), lat = mean(lat)), zoom = 17, 
       maptype = "satellite", source = "google") 
ggmap(map) + 
    labs(x="longitude", y="latitude") + 
    stat_density2d(data=data, aes(x=CrdLonDeg, y=CrdLatDeg, alpha= ..level.., fill= ..level..), colour=FALSE, 
       geom="polygon", bins=100) + 
    scale_fill_gradientn(colours=c(rev(rainbow(100, start=0, end=.7)))) + scale_alpha(range=c(0,.8)) + 
    guides(alpha=FALSE,fill=FALSE) 

Dies ist der leaflet Code.

library(leaflet.extras) 
data <- read.csv("DATA.csv", sep=";") 
data <- subset(data, !is.na(CrdLatDeg)) 
leaflet(data) %>% 
    addTiles(group="OSM") %>% 
    addHeatmap(group="heat", lng=~CrdLonDeg, lat=~CrdLatDeg, max=.6, blur = 60) 

Answer 1

Die Bilder sehen anders aus, weil die Algorithmen unterschiedlich sind.

stat_density2d() extrapoliert einen probability density function aus den diskreten Daten.

Die Leaflet-Implementierung von Heatmaps beruht auf Bibliotheken wie simpleheat, heatmap.js oder webgl-heatmap. Diese Heatmaps nicht verlassen sich auf Wahrscheinlichkeitsdichte. (Ich bin mir nicht ganz sicher, welche davon von r-leaflet verwendet wird).

Stattdessen arbeiten diese Heatmaps, indem sie für jeden Punkt einen unscharfen Kreis zeichnen, den Wert jedes Pixels um einen Betrag erhöhen, der direkt proportional zur Intensität des Punktes ist (in Ihrem Fall konstant) und umgekehrt proportional zum Abstand zwischen den Punkt und der Kreis. Jeder Datenpunkt wird in der Heatmap als Kreis dargestellt.Sie können sehen, das in der oberen rechten Ecke des Bildes an diesem einsamen Punkt in the heatmap.js webpage mit dem Maus-Cursor durch das Spiel, oder indem man:

Denken Sie an einer Heatmap wie eine Visualisierung der Funktion

f (pixel) = Σ (max (0, radius - Abstand (pixel, Punkt)) · Intensität (Punkt))

Man kann den Radius und die Intensität des Heatmaps zwicken, aber das Ergebnis wird ne ver gleich einer statistischen Dichteabschätzung sein.

Answer 2

Beide verwenden einen anderen Algorithmus. Sie müssen die radius und blur Argumente von addHeatmap und das h Argument von stat_density2d zwicken, um etwas ähnliche Resultate zu erhalten.