over_query_limit - R convertir código postal o lat/long al condado

massive geocoding

Question

Tengo una lista de ubicaciones que contiene una ciudad, estado, código postal, latitud y longitud para cada ubicación.

Tengo por separado una lista de indicadores económicos a nivel de condado. He jugado con el paquete de zipcode , el paquete ggmap y varios otros sitios web de geocodificación gratuitos, incluidos los archivos de Gazeteer de EE. UU., Pero parece que no se puede encontrar una forma de combinar las dos piezas.

¿Hay actualmente algún paquete u otra fuente que haga esto?

Answer 1

Coincidencia de códigos postales a los condados es difícil. (Ciertos códigos postales abarcan más de un condado y, a veces, más de un estado. Por ejemplo, 30165)

No tengo conocimiento de ningún paquete R específico que pueda coincidir con estos.

Sin embargo, puede obtener una buena tabla del Centro de datos del censo de Missouri.
Puede usar lo siguiente para la extracción de datos: http://bit.ly/S63LNU

Una salida de muestra podría verse como:

    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
    ...

Tenga en cuenta el condado2. La explicación de los metadatos se puede encontrar here .

    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.

Consulte también los códigos del condado de ANSI http://www.census.gov/geo/www/ansi/ansi.html

Answer 2

Creo que el paquete "no censo" es útil.

correspondiente es lo que uso para hacer coincidir el código postal con el condado

### 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)

Answer 3

Terminé usando la sugerencia de JoshO''Brien mencionada anteriormente y encontrada here .

Tomé su código y cambié de state a county como se muestra aquí:

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(counties_sp@polygons, function(x) x@ID)
    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

Answer 4

Una opción simple es usar la función ggmap geocode() en ggmap , con la opción output="more" o output="all .

Esto puede tomar una entrada flexible, como la dirección o lat / lon, y devuelve Dirección, ciudad, condado, estado, país, código postal, etc., como una lista.

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"

Otra solución es usar un archivo de forma censal y el mismo comando over() de la pregunta. Me encontré con un problema usando el mapa base de maptools: debido a que usa el dato WGS84, en América del Norte, los puntos que se encontraban a unas pocas millas de la costa se asignaron incorrectamente y aproximadamente el 5% de mi conjunto de datos no coincidió.

intente esto, utilizando el paquete sp y los archivos de formas Census TIGERLine

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