Utilizzeremo i pacchetti del tidyverse.

library(tidyverse)

Come prima cosa, servono i dati dei poligoni: nell'esempio usiamo quelli scaricati dal sito Istat, decompressi in una cartella (qui, in una sotto-cartella dati della cartella di lavoro).

Installiamo il pacchetto per la gestione dei dati spaziali:

install.packages("sf")
library(sf)

Gli shapefiles possono essere importati con la funzione st_read() e indicando il nome della cartella (e non dei files: Reg01012019_g):

#leggere shapefiles (DATI ISTAT)
reg2019 <- st_read("dati/Reg01012019_g")

Il file viene importato in un formato (simple feature), che è anche di classe dataframe:

head(reg2019)

Simple feature collection with 6 features and 5 fields
Geometry type: MULTIPOLYGON
Dimension:     XY
Bounding box:  xmin: 313279.3 ymin: 4847853 xmax: 819674.3 ymax: 5220292
Projected CRS: WGS 84 / UTM zone 32N
  COD_RIP COD_REG             DEN_REG Shape_Leng  Shape_Area
1       1       1            Piemonte  1236787.2 25393891060
2       1       2       Valle d'Aosta   310968.1  3258837561
3       1       3           Lombardia  1410222.9 23862316681
4       2       4 Trentino-Alto Adige   800893.7 13607548167
5       2       5              Veneto  1054697.6 18343532672
6       1       7             Liguria   819640.4  5414544646
                        geometry
1 MULTIPOLYGON (((457749.5 51...
2 MULTIPOLYGON (((390652.6 50...
3 MULTIPOLYGON (((595652.4 51...
4 MULTIPOLYGON (((743267.7 52...
5 MULTIPOLYGON (((768124 5175...
6 MULTIPOLYGON (((459010.2 49...

Il pacchetto comprende funzioni per rappresentare questi dati con ggplot:

ggplot(data = reg2019) +
  geom_sf()

o

reg2019 %>%
  ggplot() +
  geom_sf()

È dunque possibile usare tutte le funzioni di ggplot2. Qui, ad esempio, coloriamo le aree delle regioni in base alla variabile DEN_REG (denominazione della regione: aes(fill = DEN_REG)), eliminiamo la legenda, e usiamo il tema “vuoto” (theme_void(); vedi I temi predefiniti):

ggplot(reg2019) +
  geom_sf(aes(fill = DEN_REG),
          show.legend = FALSE) +
  theme_void()

Per aggiungere etichette alle mappe, usiamo le funzioni geom_sf_text() e geom_sf_label(), analoghe a geom_text() e geom_label() (Vedi la voce: Etichette dei valori).

Usiamo ad esempio il nome della regione (aes(label = DEN_REG)), e riduciamo la dimensione delle etichette (size = 3):

ggplot(reg2019) +
  geom_sf() +
  geom_sf_text(aes(label = DEN_REG),
               size = 3) +
  theme_void()

Per rappresentare nelle mappe i valori di altre variabili, basterà aggiungere i dati al dataframe dei dati spaziali.

Ad esempio, avendo un dataframe di dati su base regionale, bisognerà prima di tutto accertarsi che esso preveda una variabile comune con il dataframe dei poligoni (COD_REG = codice regione):

head(df)

# A tibble: 6 x 2
  COD_REG totale_casi
    <dbl>       <dbl>
1      13       12543
2      17        2788
3      18        6092
4      15       69613
5       8       62914
6       6       12264

Uniamo i due dataframe con right_join (vedi dplyr_join):

right_join(reg2019, df, by = "COD_REG") %>% 
  head()

Simple feature collection with 6 features and 6 fields
geometry type:  MULTIPOLYGON
dimension:      XY
bbox:           xmin: 313279.3 ymin: 4879338 xmax: 819674.3 ymax: 5220292
projected CRS:  WGS 84 / UTM zone 32N
  COD_RIP COD_REG             DEN_REG Shape_Leng  Shape_Area totale_casi                       geometry
1       1       1            Piemonte  1236787.2 25393891060       81409 MULTIPOLYGON (((457749.5 51...
2       1       2       Valle d'Aosta   310968.1  3258837561        3720 MULTIPOLYGON (((390652.6 50...
3       1       3           Lombardia  1410222.9 23862316681      224191 MULTIPOLYGON (((595652.4 51...
4       2       4 Trentino-Alto Adige   800893.7 13607548167       10097 MULTIPOLYGON (((743267.7 52...
5       2       4 Trentino-Alto Adige   800893.7 13607548167        9872 MULTIPOLYGON (((743267.7 52...
6       2       5              Veneto  1054697.6 18343532672       65531 MULTIPOLYGON (((768124 5175...

Ora procediamo alla costruzione della mappa:

right_join(reg2019, df, by = "COD_REG") %>% 
  ggplot(aes(fill = totale_casi)) +
  geom_sf()

Miglioriamo la visualizzazione, ad esempio:

right_join(reg2019, df, by = "COD_REG") %>% 
  ggplot(aes(fill = totale_casi)) +
  geom_sf(col = "black"   # bordo dei poligoni
  ) +
  # tema vuoto
  theme_void() +
  # scala del colori
  scale_fill_distiller(direction = 1) +
  # eliminare il titolo della legenda
  theme(legend.title=element_blank())

Infine, aggiungiamo le etichette:

right_join(reg2019, df, by = "COD_REG") %>% 
  ggplot(aes(fill = totale_casi)) +
  geom_sf(col = "black") +
  theme_void() +
  scale_fill_distiller(direction = 1) +
  theme(legend.title=element_blank()) +
  # etichette
  geom_sf_text(aes(label = totale_casi),
               size = 3)

Vedi:

• https://r-spatial.github.io/sf/index.html
• https://yutannihilation.github.io/ggsflabel/index.html