使用R語言把火災(zāi)數(shù)據(jù)可視化

　　最近幾周，有關(guān)四川涼山部分地區(qū)發(fā)生毀滅性野火的新聞在新聞中尤為突出。盡管大多數(shù)野火是人為意外引發(fā)的，但諸如風(fēng)和干旱之類的天氣條件會加劇火勢的蔓延和強(qiáng)度。更好地了解歷史野火趨勢和原因可以為火災(zāi)管理提供信息并挽救生命和財(cái)產(chǎn)。在本使用R語言把火災(zāi)數(shù)據(jù)可視化練習(xí)中，我們將使用R進(jìn)行探索性數(shù)據(jù)可視化我們了解了涼山的野火歷史數(shù)據(jù)。在決定對新數(shù)據(jù)集進(jìn)行進(jìn)一步分析時，探索性數(shù)據(jù)可視化是重要的第一步。如果您愿意，可以在安裝了R或RStudio的計(jì)算機(jī)上繼續(xù)學(xué)習(xí)。有關(guān)使用R和設(shè)置RStudio的入門知識，請查看我們的R入門課程。要學(xué)習(xí)執(zhí)行本練習(xí)中將使用的一些更高級的數(shù)據(jù)整理技術(shù)，我們建議使用Intermediate R Programming。
 

　　識別數(shù)據(jù)源
 

　　首先，我們需要找到要使用的數(shù)據(jù)。林業(yè)與消防局提供了豐富的資源，其中包含歷史性的火災(zāi)數(shù)據(jù)，包括有關(guān)可追溯至2000年的大型野火(大于300英畝)的大小，持續(xù)時間和原因的信息。
 

　　我們已經(jīng)從林業(yè)與消防局抓取了數(shù)據(jù)，并在此處提供了數(shù)據(jù)。數(shù)據(jù)集包含以下變量：
 

　　1)id：事件編號，用于唯一標(biāo)識火災(zāi)的ID。

　　2)unit：Ranger Unit，由林業(yè)與消防局用來標(biāo)識管理區(qū)域。* name：用來指火的名字。

　　3)開始：大火開始的日期。

　　4)結(jié)束：發(fā)生火災(zāi)的日期。

　　5)agency：提供數(shù)據(jù)的聯(lián)邦機(jī)構(gòu)。

　　6)英畝：大火燒毀的英畝數(shù)。該數(shù)據(jù)集包含有關(guān)300英畝以上大火的信息。

　　7)原因：引起火災(zāi)的原因(如果已知)。
 

　　我們會首先將數(shù)據(jù)導(dǎo)入R作為命名的數(shù)據(jù)幀ca_fires：

　　讓我們看一下數(shù)據(jù)的前幾行：

　　我們可以使用這些數(shù)據(jù)來回答各種問題，以幫助我們更好地了解過去的涼山野火：
 

　　1)它們有多大?

　　2)它們能持續(xù)多久?

　　3)什么時候最有可能發(fā)生?

　　4)他們的嚴(yán)重程度是否隨著時間而改變?
 

　　準(zhǔn)備分析數(shù)據(jù)
 

　　我們將創(chuàng)建可視化工具來回答其中的一些問題。數(shù)據(jù)非常干凈，但是在開始探索性可視化之前，我們需要執(zhí)行一些操作：
 

　　1)在start和end變量是當(dāng)前字符數(shù)據(jù)，但我們需要將其更改為日期。

　　2)從start和end，我們可以計(jì)算出一個新變量duration，以告訴我們每次火災(zāi)持續(xù)多長時間。
 

　　要將日期start和end可變?nèi)掌趶淖址麛?shù)據(jù)更改為日期數(shù)據(jù)，我們將使用lubridate包。我們還將使用工具處理數(shù)據(jù)dplyr包中的數(shù)據(jù)。

　　使用dplyr函數(shù)mutate()和lubridate函數(shù)as.Date()，我們可以將start和end日期從字符更改為數(shù)字：

　　因?yàn)樗赡苁前丛禄虬茨陙碛?jì)算匯總統(tǒng)計(jì)有用的，讓我們從公司提取信息start欄創(chuàng)造新的month和year變數(shù)。我們可以使用lubridate函數(shù)month()和執(zhí)行此操作year()：

　　從start和end日期，我們還可以計(jì)算火災(zāi)持續(xù)時間。我們將創(chuàng)建一個新的變量，duration使用mutate()：

　　為了使可視化顯示野火燃燒的面積隨時間變化的趨勢，我們將創(chuàng)建一個新變量acres_cumulative，其中包含使用mutate()和基礎(chǔ)R函數(shù)燃燒的累積面積之和cumsum()：

　　現(xiàn)在，我們準(zhǔn)備開始通過創(chuàng)建可視化文件來探索數(shù)據(jù)。我們將使用ggplot2R中非常流行的數(shù)據(jù)可視化程序包。
 

　　可視化數(shù)據(jù)分布
 

　　讓我們從考慮關(guān)于野火數(shù)據(jù)的前兩個問題開始：
 

　　1)CA野火有多大?

　　2)它們能持續(xù)多久?
 

　　在探索數(shù)據(jù)以試圖理解我們對該問題的答案時，一個好的第一步是創(chuàng)建直方圖，以了解數(shù)據(jù)的分布方式，或者大多數(shù)數(shù)據(jù)在值范圍內(nèi)的哪個位置。我們將使用ggplot()函數(shù)創(chuàng)建直方圖，以可視化變量area和的分布duration：

　　首先讓我們看一下直方圖acres：

　　在直方圖中，條形的高度對應(yīng)于落入變量值范圍(在x軸上)的觀察值(在y軸上顯示)的數(shù)量。從該直方圖中可以清楚地看到，數(shù)據(jù)高度不對稱：也就是說，絕大多數(shù)火災(zāi)小于幾千英畝，但是對于area近30萬英畝卻有一些非常大的價值。直方圖可以告訴我們持續(xù)多長時間的火災(zāi)?
 

　　讓我們看一下直方圖duration：

　　看一下該圖上的x軸比例。的所有值duration都應(yīng)為正數(shù)，但直方圖表示存在一些較大的負(fù)值。讓我們使用該dplyr函數(shù)filter()來查看其值為duration負(fù)的觀測值：

　　如果我們查看這些觀察的start和end日期，則可以發(fā)現(xiàn)它們似乎不正確，可能是由于數(shù)據(jù)輸入錯誤所致：

　　讓我們從數(shù)據(jù)集中刪除這些明顯不準(zhǔn)確的觀察結(jié)果：

　　如果我們重新運(yùn)行用于創(chuàng)建直方圖的代碼，而duration現(xiàn)在我們省略了具有不正確日期數(shù)據(jù)的行，則可以看到絕大多數(shù)火災(zāi)燃燒不到100天。

　　可視化年度模式
 

　　現(xiàn)在，我們已經(jīng)使用直方圖來了解野火的最常見大小和持續(xù)時間，讓我們可視化數(shù)據(jù)來回答另一個問題：
 

　　什么時候最有可能發(fā)生火災(zāi)?
 

　　一年中的某些時候野火是否更常見?由于我們有一個month變量，我們可以可視化野火發(fā)生的趨勢以及按月燃燒的英畝數(shù)。首先，讓我們使用這些dplyr函數(shù)group_by()并summarize()創(chuàng)建每個月發(fā)生的火災(zāi)計(jì)數(shù)：

　　然后，我們將創(chuàng)建一個條形圖以可視化每月發(fā)生的火災(zāi)數(shù)量：

　　此條形圖使我們可以清楚地看到，大多數(shù)火災(zāi)發(fā)生在春季，夏季和秋季，這些季節(jié)的特點(diǎn)往往是炎熱，干燥的條件，有利于火勢蔓延。然而，它并沒有讓我們能夠想象的變異在不同年份之間，每月發(fā)生的火災(zāi)數(shù)量。取而代之的是，讓我們ca_fires按月和按年匯總數(shù)據(jù)幀中的火災(zāi)發(fā)生計(jì)數(shù)，并創(chuàng)建一個箱形圖，使我們可以直觀地看出多年來每月火災(zāi)計(jì)數(shù)的變化性：

　　箱形圖以圖形方式描繪了數(shù)據(jù)的最小值，最大值和中值，因此是用于比較數(shù)據(jù)組而又不遮掩可變性的出色可視化工具。讓我們看一下我們按月進(jìn)行的野火數(shù)量的箱線圖：

　　正如我們之前創(chuàng)建的條形圖所示，野火在夏季最為常見，而在冬季則很少見。代表異常值的點(diǎn)的存在表明，盡管不常見，但野火可能全年發(fā)生。
 

　　可視化隨時間變化
 

　　讓我們繼續(xù)討論另一個可以使用這些數(shù)據(jù)回答的問題：
 

　　野火嚴(yán)重程度是否隨時間變化?
 

　　為了回答這個問題，我們將創(chuàng)建一個折線圖，該折線圖是隨時間推移而累積的累積英畝：

　　一條平滑的向上趨勢線表明，野火燃燒的英畝數(shù)隨時間推移一直保持不變，而燃燒的英畝數(shù)的任何增加或減少都會隨著線的坡度的變化而明顯。

　　當(dāng)我們看一看累積燃燒的英畝的折線圖時，我們可以看到一個看起來有點(diǎn)像階梯的模式：燃燒的英畝數(shù)量迅速增加，然后又趨于穩(wěn)定。根據(jù)早期的探索，我們可以推斷出這種模式很可能是由于季節(jié)差異造成的。在夏季，燃燒更多的土地，而在天氣涼爽的月份，增加的面積較小。我們還可以看到，有些“臺階”比另一些臺階高，這表明立即焚燒了更多英畝土地。
 

　　結(jié)論和后續(xù)步驟
 

　　在此練習(xí)中，我們的探索性數(shù)據(jù)可視化為我們使用了美國有關(guān)300英畝以上的加利福尼亞野火的信息：
 

　　1)盡管存在一些較大的異常值，但大多數(shù)野火都小于幾百英畝，并且持續(xù)時間不到50天。

　　2)大多數(shù)野火發(fā)生在夏季，盡管一年中的任何時候都可能發(fā)生。

　　3)有些年份的野火更具破壞性。
 

　　探索性數(shù)據(jù)可視化的目的是使您熟悉新的數(shù)據(jù)集，了解趨勢并計(jì)劃未來的分析。有趣的下一步可能是探索氣候和天氣條件對森林火災(zāi)發(fā)生頻率和嚴(yán)重性的影響。有許多此類數(shù)據(jù)來源：
 

　　1)您可以從國家海洋和大氣管理局的國家綜合干旱信息系統(tǒng)計(jì)劃中獲取加利福尼亞州的干旱數(shù)據(jù)。

　　2)可從海洋局獲得歷史天氣和氣候數(shù)據(jù)，例如溫度和降水。

　　3)大氣管理局提供有關(guān)土壤濕度的數(shù)據(jù)，這是干旱的指標(biāo)，并且是加劇野火的一個因素。

　　如果您想了解更多有關(guān)使用R進(jìn)行探索性數(shù)據(jù)可視化的信息，包括研究環(huán)境變量與野火數(shù)據(jù)之間關(guān)系的方法，請務(wù)必查看我們在R課程中的數(shù)據(jù)可視化。