R конвертировать zipcode или lat/long в графство

Ответ 1

В итоге я воспользовался предложением JoshO'Brien упомянутым выше, и нашел его здесь.

Я взял его код и изменил state на county как показано здесь:

library(sp)
library(maps)
library(maptools)

# The single argument to this function, pointsDF, is a data.frame in which:
#   - column 1 contains the longitude in degrees (negative in the US)
#   - column 2 contains the latitude in degrees

latlong2county <- function(pointsDF) {
    # Prepare SpatialPolygons object with one SpatialPolygon
    # per county
    counties <- map('county', fill=TRUE, col="transparent", plot=FALSE)
    IDs <- sapply(strsplit(counties$names, ":"), function(x) x[1])
    counties_sp <- map2SpatialPolygons(counties, IDs=IDs,
                     proj4string=CRS("+proj=longlat +datum=WGS84"))

    # Convert pointsDF to a SpatialPoints object 
    pointsSP <- SpatialPoints(pointsDF, 
                    proj4string=CRS("+proj=longlat +datum=WGS84"))

    # Use 'over' to get _indices_ of the Polygons object containing each point 
    indices <- over(pointsSP, counties_sp)

    # Return the county names of the Polygons object containing each point
    countyNames <- sapply([email protected], function(x) [email protected])
    countyNames[indices]
}

# Test the function using points in Wisconsin and Oregon.
testPoints <- data.frame(x = c(-90, -120), y = c(44, 44))

latlong2county(testPoints)
[1] "wisconsin,juneau" "oregon,crook" # IT WORKS

Ответ 2

Соответствие Zipcodes для округов сложно. (Некоторые почтовые индексы охватывают более одного округа, а иногда и более одного состояния. Например 30165)

Я не знаю какого-либо конкретного пакета R, который может соответствовать этим требованиям для вас.

Однако вы можете получить хорошую таблицу из Центра данных переписи Миссури.
Для извлечения данных вы можете использовать следующие данные: http://bit.ly/S63LNU

Пример вывода может выглядеть так:

    state,zcta5,ZIPName,County,County2
    01,30165,"Rome, GA",Cherokee AL,
    01,31905,"Fort Benning, GA",Russell AL,
    01,35004,"Moody, AL",St. Clair AL,
    01,35005,"Adamsville, AL",Jefferson AL,
    01,35006,"Adger, AL",Jefferson AL,Walker AL
    ...

Обратите внимание на County2. описание метаданных можно найти здесь.

    county 
    The county in which the ZCTA is all or mostly contained. Over 90% of ZCTAs fall entirely within a single county.

    county2 
    The "secondary" county for the ZCTA, i.e. the county which has the 2nd largest intersection with it. Over 90% of the time this value will be blank.

См. также коды округа ANSI http://www.census.gov/geo/www/ansi/ansi.html

Ответ 3

Я думаю, что пакет "noncensus" полезен.

соответствует тому, что я использую для сопоставления zipcode с округом

### code for get county based on zipcode

library(noncensus)
data(zip_codes)
data(counties)

state_fips  = as.numeric(as.character(counties$state_fips))
county_fips = as.numeric(as.character(counties$county_fips))    
counties$fips = state_fips*1000+county_fips    
zip_codes$fips =  as.numeric(as.character(zip_codes$fips))

# test
temp = subset(zip_codes, zip == "30329")    
subset(counties, fips == temp$fips)

Ответ 4

Простая опция заключается в использовании функции geocode() в ggmap с опцией output="more" или output="all.

Это может принимать гибкий ввод, такой как адрес или lat/lon, и возвращает адрес, город, графство, страну, страну, почтовый индекс и т.д. в качестве списка.

require("ggmap")
address <- geocode("Yankee Stadium", output="more")

str(address)
$ lon                        : num -73.9
$ lat                        : num 40.8
$ type                       : Factor w/ 1 level "stadium": 1
$ loctype                    : Factor w/ 1 level "approximate": 1
$ address                    : Factor w/ 1 level "yankee stadium, 1 east 161st street, bronx, ny 10451, usa": 1
$ north                      : num 40.8
$ south                      : num 40.8
$ east                       : num -73.9
$ west                       : num -73.9
$ postal_code                : chr "10451"
$ country                    : chr "united states"
$ administrative_area_level_2: chr "bronx"
$ administrative_area_level_1: chr "ny"
$ locality                   : chr "new york"
$ street                     : chr "east 161st street"
$ streetNo                   : num 1
$ point_of_interest          : chr "yankee stadium"
$ query                      : chr "Yankee Stadium"

Другое решение - использовать файл формы переписи и ту же команду over() из вопроса. Я столкнулся с проблемой, используя базовую карту maptools: поскольку она использует базу данных WGS84, в Северной Америке точки, расположенные в нескольких милях от побережья, были неправильно отображены и около 5% моего набора данных не совпадали.

попробуйте это, используя sp пакет и файлы формы TIGERLine Census

counties <- readShapeSpatial("maps/tl_2013_us_county.shp", proj4string=CRS("+proj=longlat +datum=NAD83"))

# Convert pointsDF to a SpatialPoints object 
pointsSP <- SpatialPoints(pointsDF, proj4string=CRS("+proj=longlat +datum=NAD83"))

countynames <- over(pointsSP, counties)
countynames <- countynames$NAMELSAD