LIBREAS.Library Ideas

Open Access Journals – eine Weltkarte

Posted in LIBREAS.Visualisierung by libreas on 25. August 2011

Verteilung Open Access Journals nach Ländern (Quelle: DOAJ)

Das Directory of Open Access Journals (DOAJ)  verzeichnet qualitätsgeprüfte wissenschaftliche Zeitschriften, die unter Kriterien des Open Access publizieren. Bis dato sind 6936 Zeitschriften dokumentiert und auch LIBREAS.Library Ideas ist  auf Artikelebene erfasst (vgl. hier).

Angeregt von einer Vielzahl an Aktivitäten, Open Access  Entwicklungen über Visualisierungen global zu erfassen, wie Open Access Map oder Repository66.org Repository Maps, setzen wir passend zur Reisezeit unsere Rubrik LIBREAS.Visualisierung fort. Auch in diesem Fall erfolgt die Datenvisualisierung mit R. Neben der obigen Weltkarte können über eine Google API dynamische Karten aus R heraus  gewonnen werden.

Dynamische DOAJ-Karte | Tabellarische Übersicht

Datengewinnung

Eine aktuelle Tabelle aller im DOAJ verzeichneten Zeitschriften lässt sich von DOAJ.org unter

http://www.doaj.org/doaj?func=csv

herunterladen. Anschließend wird die Anzahl der Journals  je Land gebildet.

url <- c("http://www.doaj.org/doaj?func=csv")

doaj<-read.csv(url,header=T,sep=",")

doaj.country <- data.frame(table(unlist(doaj$Country)))

Datenaufbereitung

R bietet eine Vielzahl an Paketen für das Arbeiten mit Geo-Informationen (eine Übersicht). Eine Shapefile kann sich etwa unter thematicmapping.org frei heruntergeladen  und in R weiterverarbeitet werden.

library(maps)
library(rgdal)
library(gpclib)
library(ggplot2)

world <- readOGR(dsn="D:/Dokumente und Einstellungen/jahn/Eigene Dateien/R",
layer="TM_WORLD_BORDERS-0.3") 

world2 <- fortify(world, region = "ISO2")
gpclibPermit()
world2 <- fortify(world, region = "ISO2")

Die so aufbereitete Karte muss noch mit dem Datensatz vereint werden. Wir wandeln zunächst die Ländernamen in die entsprechenden ISO – Codes um

library(countrycode)

country<-countrycode(doaj.country$Var1,"country.name", "iso2c")
df.doaj<-cbind(doaj.country,country)

und verbinden diese mit den Geo-Informationen.

mergedata<-merge(world2,df.doaj,by.x="id",by.y="country")
mergedata <- mergedata[order(mergedata$order),]

Visualisierung mit ggplot2

Der Plot der aufbereiteten Daten erfolgt abschließend mit dem Paket ggplot2.

map <- ggplot(mergedata, aes(long,lat,group=group)) +
geom_polygon(aes(fill=Freq))+
scale_fill_gradient(low="#B6C5CC", high="#771C19", "DOAJ\nJournals") +
geom_path (data=world2,colour = "#556670", size = .5, alpha = .5) + coord_map()
map
ggsave("doajmap.png")

Visualisierung mit googlevis

Wem dies zu aufwendig ist, der kann mit dem Paket googlevis ein Flächenkartogramm viel leichter und weniger rechenintensiv visualisieren.

library(googleVis)

Geo1=gvisGeoMap(df.doaj, locationvar="country", numvar="Freq",
options=list(width=600, height=400, dataMode='regions', colors='[0xFCBBA1, 0x99000D]'))

plot(Geo1)

Weiterführende Informationen und Tutorials

Einen guten Einstieg bietet:

http://blog.revolutionanalytics.com/2009/11/choropleth-challenge-result.html

Eine ausführliche Einführung zu ggplot2

H. Wickham. 2009.ggplot2: Elegant Graphics for Data Analysis. Springer. DOI: 10.1007/978-0-387-98141-3.

sowie zur Geodaten-Analyse mit R:

R. S. Bivand, E. J. Pebesma, V. Gómez-Rubio. 2008. Applied Spatial Data Analysis with R. Springer. DOI: 10.1007/978-0-387-78171-6

(NJ)

Eine Antwort

Subscribe to comments with RSS.

  1. CH said, on 26. August 2011 at 17:30

    Kleine Korinthe: Das Shapefile ist nicht aktuell, Südsudan anscheinend noch nicht enthalten.


Schreibe einen Kommentar

Trage deine Daten unten ein oder klicke ein Icon um dich einzuloggen:

WordPress.com-Logo

Du kommentierst mit Deinem WordPress.com-Konto. Abmelden / Ändern )

Twitter-Bild

Du kommentierst mit Deinem Twitter-Konto. Abmelden / Ändern )

Facebook-Foto

Du kommentierst mit Deinem Facebook-Konto. Abmelden / Ändern )

Google+ Foto

Du kommentierst mit Deinem Google+-Konto. Abmelden / Ändern )

Verbinde mit %s

%d Bloggern gefällt das: