Bienvenue ! Cette page présente les fonctionnalités du package R - Leaflet, et a pour objectif de vous guider dans la création et le partage de vos cartes interactives.
Condition requise pour l’affichage des cartes : le fichier HTML doit être ouvert sur Chrome ou Firefox.
Leaflet est une librairie JavaScript open-source permettant de créer des cartes interactives. Heureusement, Le package R facilite la création de cartes en R, sans avoir besoin d’apprendre le JavaScript. Les cartes peuvent ensuite être intégrées dans une page HTML.
Les cartes interactives avec Leaflet permettent notamment :
Pour installer le package, il suffit d’exécuter dans la console :
install.packages("leaflet")On crée des cartes avec ces deux étapes basiques :
leaflet() (widget : application interactive qui permet l’affichage d’informations variées (calendrier, météo…))addTiles(), addMarkers(), addPolygons() séparées par les tuyaux %>%. On répéte autant de fois que nécessaire pour incorporer l’information que l’on souhaite.Ressources
Chargement des packages qui nous seront utiles
library(leaflet)
library(dplyr) # pour la manipulation des tableaux de données
library(purrr) # pour faciliter la programmation fonctionnelle (en permettant d’appliquer une même fonction à chaque élément d’un ensemble (les colonnes d’un data frame, ou les éléments d’une list par exemple)
library(stringr) # pour la manipulation de chaînes de caractères
library(sf) # pour la manipulation de données géographiques vectorielles
library(widgetframe) # pour sauver les widgets
library(htmlwidgets) # pour la lecture des labels comme éléments HTML
library(readxl) # pour l'importation des fichiers ExcelPremière carte
Un exemple tout simple :
m <- leaflet() %>%
addTiles() %>%
addMarkers(lng = 3.0715128394022075, lat = 50.63099115236466, popup = "Direccte Hauts-de-France")
mComment sauvegarder la carte ?
La carte peut être sauvegardée en HTML grâce à la fonction saveWidget() du package widgetframe, pour pouvoir être partagée (par mail par exemple) ou ajoutée dans une page Web. L’interactivité vient du “côté client” (via JavaScript dans le navigateur Web). Cela signifie que les données sont écrites en dur dans le code HTML.
Si un chemin d’accès complet au fichier n’est pas défini, le résultat sera enregistré dans le répertoire de travail.
saveWidget(m, file="marqueurs.html", selfcontained = TRUE)La fonction leaflet() renvoie un “Map Widget”, qui stocke une liste d’objets pouvant être modifiés ou mis à jour ultérieurement.
On peut manipuler les attributs du widget de carte en utilisant différentes méthodes. Pour plus de détails, consulter la page d’aide ?SetView.
setView() définit le centre de la vue de la carte et le niveau de zoom ;fitBounds() ajuste la vue dans le rectangle [lng1, lat1] - [lng2, lat2] ;clearBounds() efface la limite, de sorte que la vue sera automatiquement déterminée par la plage de données de latitude / longitude dans les couches de la carte si elles sont fournies.Leaflet() et les fonctions de couche de carte ont un paramètre de données facultatif conçu pour recevoir des données spatiales sous l’une des formes suivantes :
SpatialPoints [DataFrame]line/linesSpatialLines [DataFrame]Polygon/PolygonsSpatialPolygons [DataFrame]map()L’argument data est utilisé pour convertir des données spatiales pour les fonctions qui en ont besoin ; par exemple, si data est un objet SpatialPolygonsDataFrame, alors l’appel de addPolygons() saura ajouter les polygones.
Il est simple d’utiliser des objets sp car ils représentent toujours les données spatiales de la même manière. D’un autre côté, pour une matrice ou une simple data frame, toute colonne numérique peut potentiellement contenir des données spatiales.
lat ou latitude (insensible à la casse)lng, long ou longitudeOn peut également spécifier explicitement les colonnes Lat et Long de cette manière:
leaflet(df) %>% addCircles(lng = ~Long, lat = ~Lat)Les formules avec ~
Les arguments de toutes les fonctions de couches peuvent prendre des objets R classiques, tels qu’un vecteur numérique pour l’argument lat ou un vecteur de caractères de couleurs pour l’argument color. Ils peuvent également prendre une formule, auquel cas la formule sera évaluée en utilisant l’argument data comme environnement. Par exemple, ~x signifie la variable x dans l’objet de données, et on peut écrire des expressions arbitraires sur le côté droit, par exemple, ~ sqrt(x + 1).
Par défaut, le fond de cartes est OpenStreetMap. Toutefois, on peut utiliser d’autres fonds de carte grâce à la fonction addProviderTiles(). Cliquer ici pour la liste complète
m %>% addProviderTiles(providers$Stamen.Toner)Les marqueurs permettent d’identifier des points sur la carte. Chaque point doit être défini en coordonnées latitude/longitude. Ils peuvent provenir d’un shapefile (importé grâce à sp), ou simplement avec une data frame avec latitude et longitude.
Un petit exemple :
sitesDireccte <- read_excel("J:\\g_etstat\\Formations\\R cartographie dynamique\\Données\\sites.xlsx",sheet = "Feuil1")
#Un aperçu de la table
library(knitr)
kable(sitesDireccte)| Site | adresse | tel | latitude | longitude |
|---|---|---|---|---|
| Direccte - Unité régionale siège à Lille | Les Arcades de Flandre - 70, rue Saint Sauveur - BP 30502 - 59022 Lille CEDEX | 03 20 96 48 60 | 50.63112 | 3.071902 |
| Direccte - Unité régionale siège à Amiens | 40, rue de la Vallée - BP 71710 - 80017 Amiens CEDEX 1 | 03 20 96 48 60 | 49.89175 | 2.309850 |
| Direccte - Unité départementale (UD) de la Somme | 40, rue de la Vallée - BP 71710 - 80017 AMIENS CEDEX 1 | 03 22 22 41 41 | 49.89175 | 2.309850 |
| Direccte - UD de l’Aisne | Cité Administrative - 02016 LAON CEDEX | 03 23 26 35 00 | 49.56470 | 3.630543 |
| Direccte - UD Nord - Lille | Immeuble “Le République” - 77, rue Léon Gambetta - BP 20501 - 59022 Lille CEDEX | 03 20 12 55 55 | 50.63008 | 3.058134 |
| Direccte - UD Nord - Valenciennes | Les Tertiales - Rue Marc Lefrancq - BP 90045 - 59301 Valenciennes CEDEX | 03 27 09 96 96 | 50.36431 | 3.529752 |
| Direccte - UD de l’Oise | 101, avenue Jean Mermoz - BP 10459 - 60004 BEAUVAIS CEDEX | 03 44 06 26 26 | 49.43674 | 2.074730 |
| Direccte - UD du Pas-de-Calais | 5, rue Pierre Bérégovoy - BP 60539 - 62008 Arras CEDEX | 03 21 60 28 00 | 50.29311 | 2.769883 |
leaflet(data = sitesDireccte)%>%
addTiles()%>%
addMarkers() ## Assuming "longitude" and "latitude" are longitude and latitude, respectivelyRappel addMarkers() vérifie automatiquement la table pour des colonnes appelées lng/long/longitude et lat/latitude (insensible à la casse).
Si les colonnes des coordonnées ont d’autres noms, il faut les identifier explicitement en utilisant les arguments lng et lat : addMarkers(lng = ~Longitude, lat = ~Latitude).
Chaque point peut montrer du texte en utilisant soit un label (qui apparait si on passe la souris dessus ou statiquement) ou un popup (qui apparait seulement si on clique). Par exemple, on peut labéliser chaque site Direccte avec son nom.
leaflet(data = sitesDireccte) %>%
addTiles() %>%
addMarkers(label = ~Site)## Assuming "longitude" and "latitude" are longitude and latitude, respectivelySi on veut que l’information apparaisse lorsqu’on clique sur le marqueur, on devrait utiliser à la place popup = ~Site.
On peut combiner différentes informations pour créer un message popup personnalisé. Cliquer ici pour quelques informations sur l’écriture de documents HTML pour personnaliser les messages popup.
sitesDireccte%>%
mutate(popup = str_c(Site,
adresse,
str_c("Téléphone:", `tel`,
sep = " "),
sep = "<br/>")) %>%
leaflet() %>%
addTiles() %>%
addMarkers(popup = ~popup)## Assuming "longitude" and "latitude" are longitude and latitude, respectivelyaddPolygons()Leaflet permet d’afficher des lignes et des formes depuis R, et de les ajouter sur les fonds de carte.
On importe notre shapefile en utilisant la fonction read_sf() du package sf, et on produit une carte des Hauts-de-France avec chaque zone d’emploi.
En règle générale, les cartes Web sont générées à l’aide de la projection WGS84 Web Mercator ou WGS84.
St_tranform() est utilisé pour effectuer la transformation.
#Importation de la géographie
couche_ze_reg <- sf::read_sf('J:\\g_etstat\\Cartographie\\Fonds de cartes\\Usuels\\2020\\R32\\ZE parties régionales.shp') %>%
sf::st_transform('+proj=longlat +datum=WGS84')
#Création de la carte
leaflet(data = couche_ze_reg) %>%
addPolygons(color = "#444444",
weight = 1,
smoothFactor = 0.5,
opacity = 1.0,
fillOpacity = 0.5,
label = ~lb_clst,
highlightOptions = highlightOptions(color = "white",
weight = 2,
bringToFront = TRUE)) %>%
addTiles()Les premiers arguments ajustent l’apparence de chaque polygone (par exemple : couleur, opacité, épaisseur de trait). highlightOptions met en surbrillance le polygone survolé.
addCircleMakersPour des cartes avec des symboles proportionnels, on utilisera la fonction addCircleMakers qui permet d’ajouter des cercles proportionnels à la variable observée. Ces cercles sont ensuite localisés sur la carte grâce à la longitude et la latitude du centroïd de la zone géographique.
Nous verrons un exemple dans la deuxième application !
Il existe actuellement trois fonctions de couleur pour gérer les données continues: colorNumeric, colorBin et colorQuantile; et un pour les données catégorielles, colorFactor.
L’argument palette spécifie les couleurs pour représenter les données. Cet argument peut prendre plusieurs formes : 1. Le nom d’une palette prédéfinie du package RColorBrewer, par exemple "RdYlBu", "Accent" ou "Greens". 2. Le nom complet d’une palette de viridis : "viridis", "magma", "inferno" ou "plasma". 3. Un vecteur de caractères RVB ou des couleurs nommées, par exemple palette(), c("# 000000", "# 0000FF", "#FFFFFF"), topo.colors (10).
L’argument domain indique à la fonction de couleur la plage des valeurs d’entrée. On peut mettre NULL pour créer une fonction de palette qui n’a pas de plage prédéfinie ; la plage sera alors déduite des données chaque fois que la fonction de palette sera invoquée.
colorNumeric)Nous allons représenter la densité de population à l’aide de la palette "Reds" de ColorBrewer2. Nous allons utiliser la fonction colorNumeric() pour créer une fonction de mappage : la palette "Reds" ne contient que neuf couleurs, mais colorNumeric() interpole ces couleurs pour obtenir une sortie continue.
#Importation de la géographie
couche_ze <- sf::read_sf('J:\\g_etstat\\Cartographie\\Fonds de cartes\\Usuels\\2020\\R32\\ZE.shp') %>%
sf::st_transform('+proj=longlat +datum=WGS84')
#Importation des données
densite <- read_excel("J:\\g_etstat\\Formations\\R cartographie dynamique\\Données\\densité_de_population_2017.xlsx")%>%
rename(ze2020=Code)
#Concaténation de la géographie et des données
densite <- couche_ze %>% merge(densite , by="ze2020", all.x = TRUE)
#Création de la fonction palette (correspondance données continues et palette de couleur interpolée)
pal <- colorNumeric(palette = "Reds",
domain = densite$Densite)
#Création de la carte
leaflet(data = densite) %>%
addTiles() %>%
addPolygons(label = ~Densite,
fillColor = ~pal(Densite),
color = "#444444",
weight = 1,
smoothFactor = 0.5,
opacity = 1.0,
fillOpacity = 0.5,
highlightOptions = highlightOptions(color = "white",
weight = 2,
bringToFront = TRUE),
labelOptions = labelOptions(style = list("font-weight" = "normal",
padding = "3px 8px"),
textsize = "15px",
direction = "auto"))%>%
addLegend(position="bottomleft",
pal=pal,
values=~Densite,
title="Densité de population 2017, avec colorNumeric")colorBin ou colorQuantile)colorBin() mappe les données d’entrée numériques à un nombre fixe de couleurs de sortie à l’aide du découpage du domaine d’entrée par valeur. On peut spécifier les ruptures exactes à utiliser ou le nombre souhaité de cases. A noter que dans ce dernier cas, si pretty = TRUE (valeur par défaut), on ne retrouve pas nécessairement le nombre de cases souhaitées.
colorQuantile() mappe les données d’entrée numériques à un nombre fixe de couleurs de sortie à l’aide de quantiles (découpage du domaine d’entrée en sous-ensembles avec un nombre égal d’observations).
qpal <- colorQuantile("Reds", densite$Densite, n = 4)colorFactor)Pour les données catégorielles, utilisez la fonction colorFactor(). Si la palette contient le même nombre d’éléments que les niveaux de facteur, le mappage sera 1:1; sinon, la palette sera interpolée pour produire le nombre de couleurs souhaité. Vous pouvez spécifier le domaine d’entrée soit en passant un facteur ou un vecteur de caractères au domaine, soit en fournissant des niveaux directement à l’aide du paramètre levels (auquel cas le domaine sera ignoré).
factpal <- colorFactor(palette = topo.colors(24), densite$class)La légende est ajoutée à l’aide de la fonction de couche addLegend(), et un titre à l’aide de addControl().
Par exemple pour la dernière carte, cela donne :
addLegend(position="bottomleft",
pal=factpal,
values=densite$class,
title="Classification des zones d'emploi, avec colorFactor")%>%
addControl("Titre",
position = "topright")Pour addLegend(), la principale nécessité est d’indiquer la palette de couleur (pal) utilisée.
Personnalisation de la légende
On peut appliquer un format à la légende grâce à l’argument labFormat :
addLegend(
...,
labFormat = labelFormat(
prefix = "",
suffix = "",
between = " – ",
digits = 3,
big.mark = ",",
transform = identity)
)Voici les arguments :
Nous allons reproduire pas à pas la carte choroplète de la publication trimestrielle sur le taux de chômage
Tout d’abord nous allons ajouter le taux de chômage par ZE au shapefile que nous avons précédemment importé.
cho <- read_excel("J:\\g_etstat\\Formations\\R cartographie dynamique\\Données\\Taux de chômage.xlsx")%>%
rename(ze2020=CodeZE)
carte_cho <- couche_ze_reg %>% left_join(cho,Taux, by=c("ze2020"="ze2020"))Nous allons définir une palette de couleur pour cette carte. Pour générer des palettes de couleur, on peut utiliser les fonctions RColorBrewer ou viridis. On définit d’abord des intervalles, grâce à un vecteur numérique. Ensuite, on appelle colorBin() pour générer une palette qui fait correspondre le RColorBrewer appelé "YlOrRd" à nos intervalles. Enfin, on ajoute l’argument fillcolor dans la couche addPolygons().
bins <- c(7.7, 7.8, 9.9, 10.8, 13.1, 14.1)
pal <- colorBin("YlOrRd", domain = carte_cho$Taux, bins = bins)
carte_cho %>%
leaflet() %>%
addTiles() %>%
addPolygons(fillColor = ~pal(Taux),
color = "#444444",
weight = 1,
smoothFactor = 0.5,
opacity = 1.0,
fillOpacity = 0.5,
highlightOptions = highlightOptions(color = "white",
weight = 2,
bringToFront = TRUE))Nous allons maintenant modifier le label pour identifier le taux de chômage des les zones d’emploi. On génére un HTML à la main et on le passe à map(htmltools::HTML) pour que leaflet sache qu’il faut traiter chaque label comme un HTML (et non comme un texte simple).
On modifie également l’apparence de chaque label en utilisant l’argument labelOptions.
carte_cho %>%
mutate(label = str_c("<strong>", lb_clst,"</strong>","<br/>","Taux de chômage au 3e trimestre 2020 : ", Taux," %") %>%
map(htmltools::HTML)) %>%
leaflet() %>%
addTiles() %>%
addPolygons(label = ~label,
fillColor = ~pal(Taux),
color = "#444444",
weight = 1,
smoothFactor = 0.5,
opacity = 1.0,
fillOpacity = 0.5,
highlightOptions = highlightOptions(color = "white",
weight = 2,
bringToFront = TRUE),
labelOptions = labelOptions(
style = list("font-weight" = "normal", padding = "3px 8px"),
textsize = "15px",
direction = "auto"))addLegend(pal = pal,
values = ~Taux,
opacity = 0.7,
title = "Taux de chômage (en %)",
position = "bottomright") %>%
addControl("Les taux de chômage au 3e trimestre 2020 dans les Hauts-de-France", position = "topright")Les cercles sont ajoutés à l’aide de la fonction addCircles(). Les cercles ont leur rayon spécifié en mètres, par conséquent les cercles sont mis à l’échelle avec la carte lorsque l’utilisateur effectue un zoom avant et arrière. Seuls les centres (et les rayons) des cercles sont requis, contrairement aux polygones.
#Importation des populations légales 2018
pop <- read_excel("J:\\g_etstat\\Formations\\R cartographie dynamique\\Données\\population_légale_2018.xlsx")%>%
rename(ze2020=Code)
#Concaténation de la géographie et des données
pop <- couche_ze %>%
merge(pop , by="ze2020", all.x = TRUE)
#On récupère les centroïdes des zones d'emplois dans un dataframe
centroid<-pop %>%
st_centroid() %>%
st_transform('+proj=longlat +ellps=GRS80 +no_defs') %>%
st_coordinates() %>%
as.data.frame()## Warning in st_centroid.sf(.): st_centroid assumes attributes are constant over
## geometries of x## Warning in st_centroid.sfc(st_geometry(x), of_largest_polygon =
## of_largest_polygon): st_centroid does not give correct centroids for longitude/
## latitude datap <-pop %>%
as.data.frame()
#On ajoute les coordonnées des centroïdes, et on crée les labels personnalisés
popleg <- bind_cols(p, centroid) %>%
mutate(label = str_c("<strong>", lb_clst, "</strong>","<br/>","Population légale 2018 : ", pop) %>%
map(htmltools::HTML))
#Création de la carte
popleg %>%
leaflet() %>%
addTiles() %>%
addCircles(radius=~pop/100,
lng = ~X,
lat = ~Y,
label = ~label,
weight = 0.5,
opacity = 1,
fillOpacity =1,) %>%
addControl("Populations légales 2018 par zone d'emploi dans les Hauts-de-France", position = "topright")Le package Leaflet comprend des fonctions pour afficher et masquer les couches de carte. Vous pouvez permettre aux utilisateurs de décider quelles couches afficher et masquer grâce à la fonction addLayersControl.
L’unité d’affichage/masquage est le groupe. Vous affectez des couches à des groupes en utilisant le paramètre de groupe lors de l’ajout des couches à la carte. De nombreuses couches peuvent appartenir au même groupe, mais on ne peut pas affecter une couche à deux groupes.
Différence entre baseGroups et overlayGroups
baseGroups permet à l’utilisateur de choisir un groupe de couche seulement à la fois.overlayGroups permet à l’utilisateur d’activer ou désactiver chaque groupe indépendamment.#Fonctions palettes de couleur
palpop <- colorNumeric(palette = "Blues", domain = popleg$pop)
pal <- colorNumeric(palette = "Reds",domain = densite$Densite)
pald <- colorBin("YlOrRd", domain = carte_cho$Taux, bins = bins)
leaflet() %>%
addTiles() %>%
#Ajout des cercles et polygones
addPolygons(data = densite,
label = ~Densite,
fillColor = ~pal(Densite),
color = "#444444",
weight = 1,
smoothFactor = 0.5,
opacity = 1.0,
fillOpacity = 0.5,
highlightOptions = highlightOptions(color = "white",
weight = 2,
bringToFront = TRUE),
group = "Densité de population")%>%
addPolygons(data =
carte_cho,
label = ~label,
fillColor = ~pald(Taux),
color = "#444444",
weight = 1,
smoothFactor = 0.5,
opacity = 1.0,
fillOpacity = 0.5,
highlightOptions = highlightOptions(color = "white",
weight = 2,
bringToFront = TRUE),
group = "Taux de chômage")%>%
addCircles(data = popleg,
radius=~pop/50,
lng = ~X,
lat = ~Y,
label = ~label,
color = "#444444",
weight = 0.5,
opacity = 1,
fillColor = ~palpop(pop),
fillOpacity =1,
group = "Populations légales")%>%
#Ajout des légendes
addLegend(position="bottomleft",
pal=palpop,
values=popleg$pop,
title="Populations légales 2018",
group="Populations légales")%>%
addLegend(position="bottomright",
pal=pald,
values=carte_cho$Taux,
title="Taux de chômage au 3e trimestre 2020 (%)",
group="Taux de chômage")%>%
addLegend(position="bottomleft",
pal=pal,
values=densite$Densite,
title="Densité de population 2017",
group="Densité de population")%>%
#Contrôle de couche
addLayersControl(
baseGroups = c("Densité de population", "Taux de chômage"),
overlayGroups = "Populations légales",
options = layersControlOptions(collapsed = FALSE))%>%
#Ajout d'un titre
addControl("Le taux de chômage 2020T3, la densité de population 2017 et les populations légales 2018",
position = "topright")L’extension rmarkdown permet de générer des documents de manière dynamique en mélangeant texte mis en forme et résultats produits par du code R. Les documents générés peuvent être au format HTML, PDF, Word, et bien d’autres. C’est donc un outil très pratique pour l’exportation, la communication et la diffusion de résultats.
Le présent document a lui-même été généré à partir de fichiers R Markdown.
Les avantages de ce système sont nombreux :
Flexdashboard permet d’utilisez R Markdown pour publier un groupe de visualisations de données associées sous forme de tableau de bord.
Prise en charge d’une grande variété de composants, y compris les widgets html; graphiques de base, de treillis et de grille; données tabulaires; jauges et boîtes de valeur; et les annotations de texte.
Flexible et facile à spécifier des dispositions basées sur des lignes et des colonnes. Les composants sont redimensionnés pour remplir le navigateur et adaptés pour être affichés sur les appareils mobiles.
En ajoutant Shiny à un tableau de bord, on peut laisser les utilisateurs modifier les paramètres sous-jacents et voir les résultats immédiatement, ou laisser les tableaux de bord se mettre à jour au fur et à mesure que leurs données sous-jacentes changent (voir les fonctions reactiveFileReader() et reactivePoll() dans le package shiny). Cela se fait en ajoutant runtime: shiny à un document de tableau de bord standard, puis en ajoutant un ou plusieurs contrôles d’entrée et/ou expressions réactives qui déterminent dynamiquement l’apparence des composants dans le tableau de bord.
L’utilisation de Shiny avec Flexdashboard transforme un rapport interactif “côté client” en un document interactif “côté serveur”. Il est important de noter que les documents interactifs doivent être déployés sur un serveur Shiny pour être largement partagés (alors que les documents statiques R Markdown sont des pages Web autonomes qui peuvent être jointes à des e-mails ou servies à partir de n’importe quel serveur Web standard).
Un petit exercice que je vous propose pour mettre en pratique : il s’agit de reproduire la carte Estimations trimestrielles d’emploi salarié au 3ᵉ trimestre 2020 et évolutions par grand secteur d’activité : comparaisons départementales (pour la France métropolitaine uniquement !)
Les données sont téléchargeables sur le site Insee, et la géographie est dans ce répertoire
N’hésitez pas à m’envoyer vos cartes par mail !
Voici quelques ressources pour en savoir plus sur Shiny :
Le site Web officiel de Shiny comprend des articles détaillés, des tutoriels et des exemples pour vous aider à en savoir plus sur Shiny.
L’article Introduction to interactive documents sur le site Web de Shiny est un excellent guide pour démarrer avec Shiny et R Markdown.
Pour déployer des documents interactifs, vous pouvez envisager Shiny Server ou RStudio Connect: https://www.rstudio.com/products/shiny/shiny-server/.
Pour créer des tableaux, graphes, voir la documentation HTMLwidgets for R