密度热图 - 我认为奇怪的比例和显示问题？
Density Heatmap - odd scale and display issues, I think?
我正在尝试对洛杉矶的 arrest-related 数据进行一些映射（使用此数据集：https://data.lacity.org/A-Safe-City/Arrest-Data-from-2010-to-Present/yru6-6re4）。
当我运行如下所示的代码时，出现以下错误：
Warning message: Removed 11,578 rows containing non-finite values (stat_density2d).
所以，这意味着在 11,808 个数据点中，只有 230 个显示在地图上。这似乎是合理的，考虑到我只放大了洛杉矶体育馆周围的两个或 three-block 半径。这意味着，2017 年，该地区有 230 人被捕。好的。
但是，当我绘制它时，我得到一个从 500 一直到 2,500 的密度等级 运行ning（如下所示）。
这是 location2017.df 的小标题：
> as_tibble(location2017.df)
# A tibble: 11,808 x 3
lon lat Frequency
<dbl> <dbl> <int>
1 -118. 33.7 5
2 -118. 33.7 2
3 -118. 33.7 1
4 -118. 33.7 1
5 -118. 33.7 4
6 -118. 33.7 2
7 -118. 33.7 2
8 -118. 33.7 1
9 -118. 33.7 1
10 -118. 33.7 4
# … with 11,798 more rows
这是我用来设置所有内容的代码。
这是绘图输出：
如您所见，这相当 "washed out" ... 我觉得奇怪的是，根据假定的 238 人总逮捕人数，整张地图上都有紫色调。还有，密度图很奇怪...为什么逮捕人数有限时从500增加到2,500？
所以，最后有两个问题：
1.整张地图都是紫色调是不是正确？
2。为什么地图侧面的密度比例显示的是只有 238 人被捕的情况？
非常感谢任何 thoughts/suggestions/corrections 如何使这个情节 look/read 更好。
编辑
决定快速输出一个geom_point与上面相同的信息。这是情节：
如您所见，第一张图片中的 "purple hue" 是有道理的。整个地区的逮捕人数有限，热图的黄色部分有大量逮捕。
那么，有没有什么办法可以在少逮捕和多逮捕之间形成更强的对比，以限制当前覆盖地图的色调？
你的第二个问题可以帮助回答你的第一个问题：
ggplot2 在从数据集中选择应该绘制的元素之前计算比例范围，因此它看到您的值范围是 500 到 2500 - 为什么？因为你的数据。请注意，当您放大非常特定的区域时，您的 long lat 坐标值非常宽（即 33.7）。坐标可以有不同程度的准确度，例如，如果您在 33.72515 逮捕了一些人，在 33.71235 逮捕了更多人，您将得到更准确地描述缩放范围内实际犯罪数量的数字。
这也解释了为什么整个地块都带有紫色调 - 您的数据表明在这些地区发生了 500 多起犯罪，尽管在现实中它可能更具体 streets/alleys。
你能做什么？
- 如果您对坐标进行了预处理以删除小数点后的一些数字-您应该尝试使用原始坐标数据。
查看你的数据集，看看是否有对犯罪地点的描述（通常在政府数据库中，每个条目都有大量输入数据），然后你可以尝试找到为每起犯罪行为指明的街道的确切坐标，并通过这种方式获得更准确的坐标 - 这将需要一些工作，并且取决于您是否拥有数据集中每一行的街道名称。
绘制更缩小的地图视图。
这是我过去从事的一个项目的示例，我在该项目中创建了华盛顿特区的停车罚单图。如您所见，与您的设置相比，我从数据集中获得的准确度相当高（小数点后 4），您会看到这在密度图中的反映：
我正在尝试对洛杉矶的 arrest-related 数据进行一些映射（使用此数据集：https://data.lacity.org/A-Safe-City/Arrest-Data-from-2010-to-Present/yru6-6re4）。
当我运行如下所示的代码时，出现以下错误：
Warning message: Removed 11,578 rows containing non-finite values (stat_density2d).
所以，这意味着在 11,808 个数据点中，只有 230 个显示在地图上。这似乎是合理的，考虑到我只放大了洛杉矶体育馆周围的两个或 three-block 半径。这意味着，2017 年，该地区有 230 人被捕。好的。
但是，当我绘制它时，我得到一个从 500 一直到 2,500 的密度等级 运行ning（如下所示）。
这是 location2017.df 的小标题：
> as_tibble(location2017.df)
# A tibble: 11,808 x 3
lon lat Frequency
<dbl> <dbl> <int>
1 -118. 33.7 5
2 -118. 33.7 2
3 -118. 33.7 1
4 -118. 33.7 1
5 -118. 33.7 4
6 -118. 33.7 2
7 -118. 33.7 2
8 -118. 33.7 1
9 -118. 33.7 1
10 -118. 33.7 4
# … with 11,798 more rows
这是我用来设置所有内容的代码。
这是绘图输出：
如您所见，这相当 "washed out" ... 我觉得奇怪的是，根据假定的 238 人总逮捕人数，整张地图上都有紫色调。还有，密度图很奇怪...为什么逮捕人数有限时从500增加到2,500？
所以，最后有两个问题：
1.整张地图都是紫色调是不是正确？
2。为什么地图侧面的密度比例显示的是只有 238 人被捕的情况？
非常感谢任何 thoughts/suggestions/corrections 如何使这个情节 look/read 更好。
编辑
决定快速输出一个geom_point与上面相同的信息。这是情节：
如您所见，第一张图片中的 "purple hue" 是有道理的。整个地区的逮捕人数有限，热图的黄色部分有大量逮捕。
那么，有没有什么办法可以在少逮捕和多逮捕之间形成更强的对比，以限制当前覆盖地图的色调？
你的第二个问题可以帮助回答你的第一个问题：
ggplot2 在从数据集中选择应该绘制的元素之前计算比例范围，因此它看到您的值范围是 500 到 2500 - 为什么？因为你的数据。请注意，当您放大非常特定的区域时，您的 long lat 坐标值非常宽（即 33.7）。坐标可以有不同程度的准确度，例如，如果您在 33.72515 逮捕了一些人，在 33.71235 逮捕了更多人，您将得到更准确地描述缩放范围内实际犯罪数量的数字。
这也解释了为什么整个地块都带有紫色调 - 您的数据表明在这些地区发生了 500 多起犯罪，尽管在现实中它可能更具体 streets/alleys。
你能做什么？
- 如果您对坐标进行了预处理以删除小数点后的一些数字-您应该尝试使用原始坐标数据。
查看你的数据集，看看是否有对犯罪地点的描述（通常在政府数据库中，每个条目都有大量输入数据），然后你可以尝试找到为每起犯罪行为指明的街道的确切坐标，并通过这种方式获得更准确的坐标 - 这将需要一些工作，并且取决于您是否拥有数据集中每一行的街道名称。
绘制更缩小的地图视图。
这是我过去从事的一个项目的示例，我在该项目中创建了华盛顿特区的停车罚单图。如您所见，与您的设置相比，我从数据集中获得的准确度相当高（小数点后 4），您会看到这在密度图中的反映：