Représenter une information, c'est avant tout choisir un canal de représentation qui permette de faire une correspondance la plus immédiate et la moins biaisée possible entre la donnée et la perception.
Pour résumer, on aurait la hiérarchie suivante:
La pente, l'inclinaison et les angles ont une efficacité variable (du même niveau que les longueurs à pire que la superficie) et les couleurs sont au mieux du même niveau de précision que la superficie. Le volume arrive en dernier.
On peut utiliser plusieurs canaux à la fois, et il peut y avoir redondance ou interférence.
Source: Tamara Munzner (2014, lien).
Or avec les cartes, position et longueurs sont monopolisées par le positionnement géographique.
On n’interroge plus les bases de données pour en faire des cartes. On utilise des interfaces cartographiques pour naviguer dans un univers de données (Joliveau, 2011).
La carte porte d'entrée dans un univers de données
•La spatialisation = géoréférencer des données
•Plusieurs méthodes (lat/long, jointure attributaire, géotagging, géocodage, géoparsing)
•En plus de permettre de visualiser une information, la spatialise
Logiques de concentration, de distribution, d’interactions spatiale d’objets, de phénomènes, de dynamiques,…
Bref FAÎTES DES CARTES ou du moins explorer les données par l'espace et le territoire ;)
OUI ! on fait dire ce qu'on veux à une carte ;)
NON! (*)
(*) Pas plus que toute forme de narration (EN: sotry-telling).
Toutes les cartes sont subjectives, dans le sens où le cartographe fait nécessairement des choix dans les aspects du phénomène qui sont présentés.
Toutes les cartes sont objectives, pour peu qu'elles respectent les principes de base de représentation. Si elles "mentent", elles mentent par omission.
ggplot2
)L'échelle est l'élément constitutif de la réflexion géographique
Principalement R
Mais aussi JavaScript (d3.js
, turf.js
, Mapbox, Leaflet…) pour les visualisation interactives.
R possède de nombreuses bibliothèques (packages) dédiées à l'analyse spatiale…
La nouveauté, sf
.
sp
+ rgeos
+ rgdal
tidyverse
%>%
(pipe)ggplot2
votes_par_arrondissement <- votes_par_commune %>%
group_by(candidat, arrondissement) %>%
summary(
voix = somme(voix),
geometry = st_union(geometry)
)
Pour la statistique et l'économétrie spatiale, spatialreg
(ex-spdep
).
Pour les cartographies thématiques, cartography
.
Pour l'interactivité, shiny
.
Principalement QGIS, ArcGIS, PostGIS, et R
PAS DE CARTES avec R ! juste dataprep ;)
Les bibliothèques d'analyse spatiales Sextante, GDAL SAGA ou encore GRASS
Mais aussi le JavaScript leaflet.js et mapboxGL.js pour le Webmapping
Et KeplerGL (Uber) pour l'exploration de données spatiales volumineuses
A chaque usages, étapes un format de donnée
https://katossky.github.io/2016/04/how-to-download-data-from-openstreetmap
http://bl.ocks.org/katossky/raw/cc328e6aadf10c5bb035e7f48a50866a
Tableaux de bord
Mantra de Shneiderman (overview, zoom, filter, details on demand)
Ney-York Times, 2015 (lien)
Facile à implémenter avec ggplot2
:
ggplot() +
geom_sf(
data = countries,
color="white", fill="#7f7f7f",
size=0.05, alpha=1/4
) +
geom_point(
data = travel_points,
aes(x=Lon3, y=Lat3, color=Nation),
size=0.15, alpha=1/100
) +
...
+
facet_wrap(~Nation) # <================
Tuiles vectorielles comme outils de géovisualisation de données volumineuses
Annotations des cartes
Mobiliser les potentialités autour du WebGL pour mettre un peu de 3D dans les cartes
Quelques exemples Arthur :
https://bl.ocks.org/katossky
Et en particulier:
https://bl.ocks.org/katossky/cc328e6aadf10c5bb035e7f48a50866a
Sur l'importation / la manipulation de fichiers:
https://katossky.github.io/blogs/journey-planner-the-making-of
Cartes de Boris:
https://www.sites.univ-rennes2.fr/mastersigat/B_Mericskay/index.html
Quelques exemples Webmapping Boris :
https://bl.ocks.org/mastersigat
https://r-spatial.github.io/sf
Exemple d'utilisation: https://statnmap.com/fr/2018-07-14-initiation-a-la-cartographie-avec-sf-et-compagnie/
Cheatsheet: https://github.com/rstudio/cheatsheets/blob/master/sf.pdf
Tutoriel: https://geocompr.robinlovelace.net/