The hardware and bandwidth for this mirror is donated by METANET, the Webhosting and Full Service-Cloud Provider.
If you wish to report a bug, or if you are interested in having us mirror your free-software or open-source project, please feel free to contact us at mirror[@]metanet.ch.
The English version of the README is here.
jpgridは,日本産業規格JIS X 0410 地域メッシュコード (Grid Square Code)で定められた基準地域メッシュ (1次~3次) と分割地域メッシュ,および3次メッシュ1/10細分区画を利用するためのRパッケージです. 地域メッシュコードは,経度・緯度に基づいて,日本全国の地域に設定された正方形に近い地域区分です. 地域メッシュコードの詳細については,統計局ページを確認してください.
地域メッシュコードの概要を以下に示します.jpgridでは,grid_80km
のように,メッシュの一片の長さで各地域メッシュコードを区別します.
名称 | 一片の長さ | 桁数 |
---|---|---|
第1次地域区画 (1次メッシュ) | 約80km | 4 |
第2次地域区画 (2次メッシュ) | 約10km | 6 |
第3次地域区画 (3次メッシュ) | 約1km | 8 |
2分の1地域メッシュ | 約500m | 9 |
4分の1地域メッシュ | 約250m | 10 |
8分の1地域メッシュ | 約125m | 11 |
3次メッシュ1/10細分区画 | 約100m | 10 |
jpgridは,Rパッケージのjpmeshより高速な処理を可能とするために開発されたものです. jpgridとjpmeshとの主な違いとして以下が挙げられます.
grid_80km
など) が明示的に与えられます.CRANからインストールが可能です.
開発版はGitHubからインストールしてください.
geometry_to_grid()
により,sf
オブジェクトを地域メッシュコードに変換することができます. また,grid_as_sf()
により地域メッシュ(grid
クラス)を含むデータをsf
オブジェクトに変換できます.
geom_chiba <- rnaturalearth::ne_states(country = "japan",
returnclass = "sf") |>
filter(name == "Chiba")
grid_chiba <- geometry_to_grid(geom_chiba, "10km") |>
first() |>
grid_as_sf(crs = sf::st_crs(geom_chiba))
grid_chiba |>
ggplot() +
geom_sf(data = geom_chiba) +
geom_sf(fill = "transparent") +
geom_sf_text(aes(label = as.character(grid)),
size = 2)
また,grid_city_2020
には,市区町村別の1 kmメッシュコードが格納されています.
grid_city_2020 |>
filter(str_starts(city_code, "121")) |>
grid_as_sf(crs = JGD2011) |>
ggplot(aes(fill = as_factor(city_name_ja))) +
geom_sf() +
scale_fill_brewer("City",
palette = "Set2")
文字列・数値から地域メッシュコードを生成するためにはparse_grid()
を使用します.
grid_size = "80km"
のようにメッシュサイズを指定します.
grid_size = NULL
の場合はメッシュサイズが自動的に決定されます.strict = TRUE
)では,メッシュコードの桁数が所定の桁数であることを要求します.x <- c("53394526313", "5339358633", "533945764", "53394611", "523503", "5339", NA)
parse_grid(x, grid_size = "80km")
#> <grid_80km[7]>
#> [1] <NA> <NA> <NA> <NA> <NA> 5339 <NA>
parse_grid(x, grid_size = "125m")
#> <grid_125m[7]>
#> [1] 53394526313 <NA> <NA> <NA> <NA> <NA>
#> [7] <NA>
parse_grid(x)
#> Guessing, grid_size = "80km"
#> <grid_80km[7]>
#> [1] <NA> <NA> <NA> <NA> <NA> 5339 <NA>
parse_grid(x, "125m",
strict = FALSE)
#> <grid_125m[7]>
#> [1] 53394526313 <NA> <NA> <NA> <NA> <NA>
#> [7] <NA>
parse_grid(x,
strict = FALSE)
#> Guessing, grid_size = "80km"
#> <grid_80km[7]>
#> [1] 5339 5339 5339 5339 5235 5339 <NA>
地域メッシュコードのメッシュサイズを粗くする場合には,grid_convert()
を使用します. また,grid_subdivide()
により,地域メッシュコードの細分化を行います.
grid_subdivide()
は,元のメッシュに含まれるメッシュを要素にもつリストを出力します.grid_500m <- parse_grid("533945764", "500m")
grid_convert(grid_500m, "1km")
#> <grid_1km[1]>
#> [1] 53394576
grid_100m <- grid_subdivide(grid_500m, "100m")
grid_100m
#> [[1]]
#> <grid_100m[25]>
#> [1] 5339457655 5339457665 5339457675 5339457685 5339457695 5339457656
#> [7] 5339457666 5339457676 5339457686 5339457696 5339457657 5339457667
#> [13] 5339457677 5339457687 5339457697 5339457658 5339457668 5339457678
#> [19] 5339457688 5339457698 5339457659 5339457669 5339457679 5339457689
#> [25] 5339457699
tibble(grid_100m = grid_100m[[1]]) |>
grid_as_sf(crs = JGD2011) |>
ggplot() +
geom_sf() +
geom_sf_text(aes(label = as.character(grid_100m)))
coords_to_grid()
は,経度・緯度を地域メッシュコードに変換します.
tibble(X = c(139.7008, 135.4375), # 経度
Y = c(35.68906, 34.70833)) |> # 緯度
mutate(grid_100m = coords_to_grid(X, Y, "100m"),
grid_125m = coords_to_grid(X, Y, "125m")) |>
knitr::kable()
X | Y | grid_100m | grid_125m |
---|---|---|---|
139.7008 | 35.68906 | 5339452660 | 53394526313 |
135.4375 | 34.70833 | 5235034499 | 52350344444 |
grid_to_coords()
は,地域メッシュコードを経度・緯度に変換します.
tibble(grid = parse_grid(c("5339452660", "5235034590"), "100m")) |>
mutate(grid_to_coords(grid)) |>
knitr::kable()
grid | X | Y |
---|---|---|
5339452660 | 139.7006 | 35.68875 |
5235034590 | 135.4381 | 34.70792 |
grid_neighborhood()
関数は,隣接するメッシュを算出します.
n
を指定することでn次隣接メッシュの算出が可能type = "von_neumann"
でノイマン近傍, type = "moore"
でムーア近傍を指定可能neighborhood <- parse_grid("644142", "10km") |>
grid_neighborhood(n = c(0:2),
type = "von_neumann",
simplify = FALSE)
neighborhood[[1]] |>
grid_as_sf(crs = JGD2011) |>
ggplot(aes(fill = as.factor(n))) +
geom_sf() +
geom_sf_text(aes(label = as.character(grid_neighborhood)))
neighborhood <- parse_grid("644142", "10km") |>
grid_neighborhood(n = c(0:2),
type = "moore",
simplify = FALSE)
neighborhood[[1]] |>
grid_as_sf(crs = JGD2011) |>
ggplot(aes(fill = as.factor(n))) +
geom_sf() +
geom_sf_text(aes(label = as.character(grid_neighborhood)))
grid_components()
関数は,メッシュの連結成分を算出し,クラスターIDを返します.
grid_neighborhood()
関数と同じくn
とtype
を指定できます.set.seed(1234)
grid_city_2020 |>
filter(str_starts(city_code, "121")) |>
slice_sample(prop = 0.5) |>
mutate(cluster = grid_components(grid,
type = "von_neumann")) |>
grid_as_sf(crs = JGD2011) |>
ggplot(aes(fill = fct_shuffle(as_factor(cluster)))) +
geom_sf(show.legend = FALSE)
grid_line()
関数により,メッシュ間の線分上に存在するメッシュを抽出します.
grid_from <- parse_grid(c("6441", "5339"), "80km")
grid_to <- parse_grid(c("5237", "5235"), "80km")
line <- grid_line(grid_from, grid_to)
tibble::tibble(grid = line[[1]]) |>
grid_as_sf(crs = JGD2011) |>
ggplot() +
geom_sf() +
geom_sf_text(aes(label = as.character(grid)))
メッシュのlist
を与えることで複数メッシュを通る場合に対応可能です.
close = TRUE
で線分を閉じます.skip_na = TRUE
でNA
をスキップします.grid_1 <- parse_grid(c("6441", "5339", NA, "5250"), "80km")
grid_2 <- parse_grid(c("6439", "5211", "4013", "6635"), "80km")
line <- grid_line(list(grid_1, grid_2),
close = TRUE,
skip_na = TRUE)
tibble::tibble(grid = line[[1]]) |>
grid_as_sf(crs = JGD2011) |>
ggplot() +
geom_sf() +
geom_sf_text(aes(label = as.character(grid)))
grid_distance()
関数は,メッシュ間距離(大円距離)を算出します.
grid_line()
と同様にメッシュのlist
で経路距離を算出可能です.grid_from <- parse_grid(c("6441", "5339"), "80km")
grid_to <- parse_grid(c("5237", "5235"), "80km")
distance <- grid_distance(grid_from, grid_to)
print(distance)
#> Units: [m]
#> [1] 954045.5 370318.1
grid_move()
関数により,東西南北方向の地域メッシュコードを算出可能です.<-1>
,<123>
のように表示し,既存メッシュと明確に区別できるようにしています.本パッケージのメッシュ・緯度経度間の変換速度は,jpmeshパッケージと比べて数十~数百倍ほど高速です.
These binaries (installable software) and packages are in development.
They may not be fully stable and should be used with caution. We make no claims about them.