The pa ckage spatstat
jest twoim przyjacielem!
http://www.spatstat.org/spatstat/
Jeśli dane jest zbiór zdarzeń (takich jak "zbrodnia miała miejsce w (x, y)" za wielu (x, y)), a następnie można użyć oszacowanie gęstości jądra wygenerować Mapa ciepła. Można zobaczyć tu przykład:
https://github.com/drewconway/WikiLeaks_Analysis/blob/master/density.r
specjalnie linia 72.
Jeśli wartości Z są wartości rzeczywiste (co jest zapewne sprawa czyta pytanie), a następnie można wykorzystać smooth
funkcję spatstat, która wykorzystuje jądro Gaussa, aby wykonać interpolację i odzyskać zestaw pikseli, które zostały wygenerowane przez interpolację danych.
Można również użyć pakietu akima
(zgodnie z zaleceniami autorów spatstat
) w celu interpolacji w określonych lokalizacjach. Używa interpolacji liniowej lub spline i wydaje się dość prosta (choć nie mam z tym żadnego doświadczenia!).
Ogólnie rzecz biorąc to, co próbujesz zrobić, jest często nazywane "Kriging", więc masz dużo wyników, jeśli trafisz w Google. Zobacz np. pakiety gstat
i geoR
.
Wreszcie (i FTW) można używać procesów Gaussa do robienia tego samego. Pozwoli to na dystrybucję możliwych interpolacji danych. Pakiet R kernlab
ma implementację, chociaż nie mam pojęcia, jak z niego korzystać.
Wypróbuj pakiet 'raster'. –
Jeśli masz dane dotyczące szerokości i długości geograficznej, czy kody pocztowe są nieistotne? –
Tak, mogę używać zarówno kodów pocztowych, jak i długich danych. – Mark