Rで解析：ggplot2で空間データの不確実性を表現する「ggincerta」パッケージの紹介

「ggincerta」パッケージは、ggplot2に地図の不確実性を表現するレイヤーとスケールを追加するパッケージです。sfの空間データにひもづく推定値と誤差・標準偏差のような2つの数値を1つの塗り色やグリフに統合し、二変量の彩色地図、グリフを使った地図、ランダムな点で敷き詰めたピクセル地図として描き出せます。渡すデータは、ポリゴンごとに推定値と不確実性の指標を持つsfオブジェクトです。ggplot2の上に成り立つ拡張のため、ggplot2でのプロット作成に慣れていることが前提になります。地図で示す数値に誤差や標準偏差が伴う分析を行っている人に向いているのではないかと考えます。

パッケージバージョンは0.2.1。Windows 11 x64 (build 26200)のR version 4.6.1で確認しています。

＜おすすめのRに関する書籍です＞

Rによるテキストマイニング入門 第2版 | 石田基広

日本語テキストの前処理から分析までをRで扱う定番の入門書。形態素解析を絡めた分析の基礎が身につく。

パッケージのインストール

下記コマンドを実行してください。ggplot2やsfなどの依存パッケージは自動的に導入されます。

# パッケージのインストール
install.packages("ggincerta")


# パッケージの読み込み
library("ggincerta")
Loading required package: ggplot2

コマンド例

詳細はコメント、パッケージのヘルプを確認してください。

ggincertaは、1つの塗り色やグリフで2つの数値を同時に見せることを目指したパッケージです。duo()とduo_pixel()は、推定値と誤差のような2つの数値をひとまとめにしたオブジェクトを作り、aes(fill = …)にそのまま渡せるようにします。geom_sf_dualmap()は塗り色と輪郭色を別々の変数に割り当てて2つの数値を重ねて見せ、geom_sf_glyph()は各領域の代表点に、色と角度で2つの数値を表す図形を置きます。geom_sf_pixel()は各領域の中にランダムな点や六角形のピクセルを敷き詰め、推定値のばらつきを点の散らばりとして表現します。scale_fill_bivariate()とmanual_bivariate_scale()は、これらのレイヤーが使う二変量の配色を組み立てるスケールです。

以降の例では、宇治茶の主産地とされる京都府南部の9市町村（宇治市・宇治田原町・和束町・南山城村・城陽市・京田辺市・木津川市・笠置町・精華町）を、位置関係を簡略化した3行3列の格子状ポリゴンに見立てます。各区画に、年間収穫量の推定値と、調査地点の少なさから生じる標準誤差を持たせた、次の擬似データを共通データとして使います。

# 乱数の種を固定して結果を再現できるようにする
set.seed(20260904)

# 宇治茶の主産地とされる京都府南部の9市町村
tea_areas <- c(
  "宇治市", "宇治田原町", "和束町",
  "南山城村", "城陽市", "京田辺市",
  "木津川市", "笠置町", "精華町"
)

# 位置関係を簡略化した3行3列の格子状ポリゴンを作る
grid <- sf::st_make_grid(
  sf::st_sfc(
    sf::st_polygon(list(rbind(
      c(135.75, 34.72), c(136.05, 34.72),
      c(136.05, 34.96), c(135.75, 34.96),
      c(135.75, 34.72)
    ))),
    crs = 4326
  ),
  n = c(3, 3)
)

# 市町村名、年間収穫量の推定値（トン）、調査地点数から求めた標準誤差を持つsfオブジェクトを作る
tea <- sf::st_sf(
  area = tea_areas,
  value = round(rnorm(9, mean = 120, sd = 25)),
  sd = round(runif(9, 3, 22), 1),
  geometry = grid
)

[推定値と不確実性のひとまとめ化]：duoコマンド

2つの数値ベクトルをまとめて1つのオブジェクトにし、二変量のマッピングであることが分かるクラスを付けます。geom_sfのfillにそのまま渡すと、以降のscale_fill_bivariate()やmanual_bivariate_scale()が値の組み合わせとして扱ってくれます。

# 推定値と標準誤差をduo()でひとまとめにする
combined <- duo(tea$value, tea$sd)

# 返り値のクラスを確認する
class(combined)
[1] "bivariate" "list"

# どの変数を束ねたかを確認する
attr(combined, "vars")
[[1]]
tea$value

[[2]]
tea$sd

# duo()の結果をfillにそのまま渡して二変量マップを描く
ggplot(tea) +
  geom_sf(aes(fill = duo(value, sd)))

duo()の結果をfillにそのまま渡して二変量マップを描く

[二変量カラースケールの調整]：scale_fill_bivariateコマンド

duo()でまとめた2変数のマッピングに使う配色を調整します。基準となる色や配色コマンド、ビンの数を変えることで、2つの数値の組み合わせをどう色に落とし込むかを制御できます。

# 既定の配色で二変量マップを描く
ggplot(tea) +
  geom_sf(aes(fill = duo(value, sd)))

# bivar_fade_paletteに差し替えて別の配色にする
ggplot(tea) +
  geom_sf(aes(fill = duo(value, sd))) +
  scale_fill_bivariate(
    palette_fun = bivar_fade_palette,
    colours = c("#F6E8C3", "orange", "red")
  )

# 収穫量と標準誤差でビンの数を変える
ggplot(tea) +
  geom_sf(aes(fill = duo(value, sd))) +
  scale_fill_bivariate(n_breaks = c(3, 4))

# 2変数とも等間隔の4ビンに区切る
ggplot(tea) +
  geom_sf(aes(fill = duo(value, sd))) +
  scale_fill_bivariate(
    n_breaks = 4,
    nice.breaks = FALSE
  )

既定の配色で二変量マップを描く

bivar_fade_paletteに差し替えて別の配色にする

収穫量と標準誤差でビンの数を変える

2変数とも等間隔の4ビンに区切る

＜おすすめのRに関する書籍です＞

基礎からわかる時系列分析―Rで実践するカルマンフィルタ・MCMC・粒子フィルタ― Data Science Library

カルマンフィルタ・MCMC・粒子フィルタといった手法をRで実践しながら学ぶ時系列分析の一冊。

www.amazon.co.jp

[塗り色と輪郭色で2変数を表すデュアルマップ]：geom_sf_dualmapコマンド

各領域の塗り色と輪郭色に別々の変数を割り当て、1枚の地図で2つの数値を見せます。塗り色にduo()の結果を渡せば、塗り色自体も二変量の組み合わせとして表現できます。

# 塗りと輪郭色をそれぞれ別の変数に割り当てたデュアルマップ
ggplot(tea) +
  geom_sf_dualmap(aes(fill = sd, colour = value))
Warning message:
st_point_on_surface assumes attributes are constant over geometries
Warning message:
st_point_on_surface may not give correct results for longitude/latitude data

# 塗りをduo()による二変量スケールにし、輪郭色は対数変換した標準誤差にする
ggplot(tea) +
  geom_sf_dualmap(aes(fill = duo(value, sd), colour = log2(sd)))
Warning message:
st_point_on_surface assumes attributes are constant over geometries
Warning message:
st_point_on_surface may not give correct results for longitude/latitude data

塗りと輪郭色をそれぞれ別の変数に割り当てたデュアルマップ

塗りをduo()による二変量スケールにし、輪郭色は対数変換した標準誤差にする

[代表点に図形を置くグリフマップ]：geom_sf_glyphコマンド

各領域の代表点に図形（グリフ）を置き、色と角度で2つの数値を表します。角度で表す変数はangleに、色で表す変数はcolourに割り当てます。

# 六角形のグリフで収穫量の推定値を色に割り当てる
ggplot(tea) +
  geom_sf_glyph(aes(colour = value), shape = "hex")
Warning message:
st_point_on_surface assumes attributes are constant over geometries
Warning message:
st_point_on_surface may not give correct results for longitude/latitude data

# 標準誤差の大きさで向きを変えた雫型グリフ
ggplot(tea) +
  geom_sf_glyph(
    aes(colour = value, angle = sd),
    shape = "drop"
  )
Warning message:
st_point_on_surface assumes attributes are constant over geometries
Warning message:
st_point_on_surface may not give correct results for longitude/latitude data

# ggChernoffパッケージが使える場合はChernoff顔グリフで表す
if (requireNamespace("ggChernoff", quietly = TRUE)) {
  ggplot(tea) +
    geom_sf_glyph(
      aes(colour = value, smile = sd),
      shape = "chernoff"
    )
}
Warning message:
st_point_on_surface may not give correct results for longitude/latitude data

六角形のグリフで収穫量の推定値を色に割り当てる

標準誤差の大きさで向きを変えた雫型グリフ

ggChernoffパッケージが使える場合はChernoff顔グリフで表す

＜おすすめのRに関する書籍です＞

Rによるテキストマイニング入門 第2版 | 石田基広

日本語テキストの前処理から分析までをRで扱う定番の入門書。形態素解析を絡めた分析の基礎が身につく。

[領域内にピクセルを敷き詰めるピクセルマップ]：geom_sf_pixelコマンド

各領域の中を格子状のピクセルで埋めます。塗り色にduo_pixel()の結果を渡すと、標準誤差が大きい地域ほど点のばらつきが視覚的に伝わります。幾何演算を高速にするため、事前に平面座標系へ変換しておきます。

# 幾何演算を高速にするため、平面座標系（Webメルカトル）へ変換する
tea_flat <- sf::st_transform(tea, sf::st_crs(3857))

# 推定値と標準誤差をduo_pixel()でまとめ、六角形のピクセルで敷き詰める
ggplot(tea_flat, aes(fill = duo_pixel(value, sd))) +
  geom_sf_pixel(n = 25)

# ピクセルの形状と解像度を変える
ggplot(tea_flat, aes(fill = duo_pixel(value, sd))) +
  geom_sf_pixel(n = 15, pixel_shape = "square")

推定値と標準誤差をduo_pixel()でまとめ、六角形のピクセルで敷き詰める

ピクセルの形状と解像度を変える

[配色を手動で指定する二変量スケール]：manual_bivariate_scaleコマンド

自動生成の配色ではなく、ビンの組み合わせごとの色を自分で指定したいときに使います。valuesには、2変数のビン数の積と同じ数以上の色を、行優先で並べて渡します。

# 収穫量（緑の濃さ）と標準誤差（茶の濃さ）を掛け合わせた16色を手動で指定する
ggplot(tea, aes(fill = duo(value, sd))) +
  geom_sf() +
  manual_bivariate_scale(
    aesthetics = "fill",
    values = c(
      "#F7F4E9", "#D9CBA3", "#B99B5B", "#8C6D1F",
      "#DCEBD5", "#B7D9A8", "#8FBF7A", "#5E9C4A",
      "#B8DCE0", "#8FC4CB", "#5CA3AC", "#2E7A85",
      "#C9C2E0", "#A79BCB", "#8574B0", "#5F4A94"
    ),
    n_breaks = 4
  )

収穫量（緑の濃さ）と標準誤差（茶の濃さ）を掛け合わせた16色を手動で指定する

＜おすすめのRに関する書籍です＞

Rによるベイジアン動的線形モデル (統計ライブラリー)

動的線形モデル（状態空間モデル）をベイズの枠組みで扱う専門書。理論と実装を往復しながら読み進める。

www.amazon.co.jp

この記事が誰かの役に立ちますように。