17、地图绘制：数据可视化的有效途径

地图绘制：数据可视化的有效途径

在数据可视化领域，地图是展示空间数据的重要工具。然而，在使用地图进行数据呈现时，我们需要谨慎处理各种细节，以确保结果准确且具有可读性。

数据处理与地图绘制的挑战

在处理一些涉及枪支自杀等数据时，我们会遇到数据报告方面的问题。例如，对于一个有10万居民且一年发生9起枪支相关自杀事件的县，疾病控制与预防中心（CDC）不会报告这个数字，而是将其编码为“压制”，并提示任何标准化估计或比率都不可靠。如果我们为了绘制一张所有县都有颜色填充的地图，可能会想把这些被压制的结果归为最低类别，比如编码为零。但这是不可取的，一种标准的替代方法是使用计数模型来估计这些被压制的观测值，这可能会自然地引导我们对数据进行更广泛、更合适的空间建模。

同样，对于一个有10万居民且一年发生12起枪支相关自杀事件的县，虽然CDC会报告绝对死亡人数，但也会警告用这个数字计算的比率不可靠。如果我们忽略这个警告进行计算，可能会使人口稀少的县在自杀率类别中处于最高类别，而略低于阈值的低人口县则被编码为最低类别，但实际上它们可能并没有那么大的差异，而且量化这种差异的努力也不可靠。如果无法直接获得这些县的估计值或用一个好的模型进行估计，那么最好将这些情况视为缺失值，即使这会影响地图的美观，也比用不可靠的数字给大片区域上色要好。

小的报告差异、粗糙的分箱和错误编码会产生空间误导和实质性的错误结果。这些看似细微的变量编码细节，实际上会极大地改变任何图表，尤其是地图的外观，而且事后很难察觉。

Statebins的使用

作为州级等值区域图的替代方案，我们可以考虑使用由Bob Rudis开发的statebins包。它类似于ggplot，但语法略