如何在R中找到一个地方的所有美国人口普查区域？

Question

如何在R中找到一个地方的所有美国人口普查区域？

3

有几个 R 包可以更轻松地处理美国人口普查数据。我最常用的两个是 tigris（用于加载空间数据）和 acs（用于加载表格数据）。

然而，我经常遇到的一个问题是，我无法找到一种高效、可靠的方法来确定某个地方（如城市或县）内所有的区域（如人口普查区、街区组、邮政编码等），而不离开 R 控制台。

例如，如果我想要使用西雅图的人口普查区块数据，我将首先使用 tigris::tracts 下载华盛顿州金县的空间数据：

library(tigris)
tr <- tigris::tracts(state = "WA", county = "King")

但不幸的是，目前没有明显的方法来对这些数据进行子集化，以仅包括西雅图地区。

glimpse(tr)
Observations: 398
Variables: 12
$ STATEFP  (chr) "53", "53", "53", "53", "53", "53", "53", ...
$ COUNTYFP (chr) "033", "033", "033", "033", "033", "033", ...
$ TRACTCE  (chr) "003800", "021500", "032704", "026200", "0...
$ GEOID    (chr) "53033003800", "53033021500", "53033032704...
$ NAME     (chr) "38", "215", "327.04", "262", "327.03", "3...
$ NAMELSAD (chr) "Census Tract 38", "Census Tract 215", "Ce...
$ MTFCC    (chr) "G5020", "G5020", "G5020", "G5020", "G5020...
$ FUNCSTAT (chr) "S", "S", "S", "S", "S", "S", "S", "S", "S...
$ ALAND    (dbl) 624606, 3485578, 17160645, 15242622, 10319...
$ AWATER   (dbl) 0, 412526, 447367, 526886, 175464, 0, 4360...
$ INTPTLAT (chr) "+47.6794093", "+47.7643848", "+47.4940877...
$ INTPTLON (chr) "-122.2955292", "-122.2737863", "-121.7717...

同样地，acs 软件包允许用户使用 geo.make功能创建人口普查数据的子集，但在我的示例中，如果我没有所有西雅图普查区 GEOID 的列表，这将对我没有帮助。

值得一提的是，我知道可以在其他地方确定此信息。页面在Census.gov FAQ中清楚说明了如何确定给定census Place中的所有普查区。但是，考虑到这是许多与人口普查相关的分析的关键步骤，最好有一种方便的方法可以从 R 控制台中完成。

提前致谢。

编辑

尽管这个问题涉及空间数据，我最感兴趣的是找到一个非空间解决方案。例如，我更喜欢查询人口普查API并返回所需GEOIDs的向量的解决方案，而不是使用空间分析工具（例如rgeos::intersects）来创建向量。为什么？因为在这个过程中，空间方法更容易出现错误，而这是我们正在讨论的已知信息，而不是需要通过空间推断的东西。

- Tiernan

我不这么认为。城市不适合于人口普查的地理层次结构。如果你可以在R之外做到这一点，为什么不开发一种在R内部实现的方法呢？其他人可能也会发现这很有帮助。 - alexwhitworth

@Alex 在人口普查层次结构中，城市属于“地点”类别。要在R之外获取此信息的方法（请参见我上面提供的链接）需要与美国FactFinder接口进行交互。这似乎是一个非常棘手的过程，难以编写成一个R函数，但如果您有想法，我很乐意听取。 - Tiernan

明白了。然而，总的观点仍然是成立的--地图块比州的等级低；因此，地图块和地点之间没有映射..... 关于你所写代码的想法：不幸的是，这不是我感兴趣的问题（并非有意冒犯），所以我对此没有想法。 - alexwhitworth

@Alex 对，使用地理编码层次结构代码是不可能的。但正如描述所示，我们谈论的是已知信息。因此，虽然我们无法使用人口普查地理实体层次结构提取它，但仍应该以某种方式访问该信息（我认为人口普查API是最好的选择）。 - Tiernan

3个回答

1

为了帮助其他遇到这个问题的人，我在这里添加了这个答案。您需要离开R控制台，但是有一个非常好的工具可以解决这个问题：密苏里大学人口普查数据中心的Geocorr应用程序。您可以选择Census place作为源地理位置，Census block作为目标地理位置，该应用程序将生成一个整洁的CSV文件，其中包含显示每个Census place中所有Census block的相关列表。

- Kumar

1

使用ggmaps包，我们可以进行反向地理编码，使用数据中的纬度/经度点获取信息。这将创建一个包含所有数据点城市名称的向量。

city <- vector(mode = "character", length=nrow(tr@data))
for (i in 1:nrow(tr@data))
    city[i] <- strsplit(revgeocode(c(as.numeric(tr@data[i,12]), 
                                     as.numeric(tr@data[i,11]))), ", ")[[1]][2]
head(city)
[1] "Seattle"          "Lake Forest Park" "North Bend"       "Tukwila"
      "Snoqualmie"       "Woodinville"

- TomNash

1

这个解决方案可行。不幸的是，地理参考所有这些点的过程非常耗时。我已经更新了我的问题，表明我更喜欢非空间解决方案。我们会看看是否有任何结果。谢谢@TomNash！ - Tiernan

@TomNash，这段代码存在多个问题，首先tr@data会报错，然后revgeocode需要API密钥，最后格式已经改变，无法提供城市信息。 - Gaurav Singhal

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- GL_Li · Accepted Answer

我经常需要同类数据，因此我编写了一个R包来完成这项工作。这个包叫做totalcensus。你可以在这里找到它：https://github.com/GL-Li/totalcensus。

通过这个包，您可以非常容易地获得城镇、城市、县、都市区和所有其他地理区域的分段、街区组或街区水平的数据。例如，如果您想从2011-2015年ACS 5年调查中以街区组为单位获取各个地区的种族数据，只需运行以下代码：

mixed <- read_acs5year(
    year = 2015,
    states = c("ut", "ri"),
    table_contents = c(
        "white = B02001_002",
        "black = B02001_003",
        "asian = B02001_005"
    ),
    areas = c(
        "Lincoln town, RI",
        "Salt Lake City city, UT",
        "Salt Lake City metro",
        "Kent county, RI",
        "COUNTY = UT001",
        "PLACE = UT62360"
    ),
    summary_level = "block group"
)

它返回的数据如下所示：

#                      area               GEOID        lon      lat state population white black asian GEOCOMP SUMLEV                                                             NAME
#    1:    Lincoln town, RI 15000US440070115001  -71.46686 41.94419    RI       1561  1386   128    47     all    150 Block Group 1, Census Tract 115, Providence County, Rhode Island
#    2:    Lincoln town, RI 15000US440070115002  -71.47159 41.96754    RI        916   806    97     0     all    150 Block Group 2, Census Tract 115, Providence County, Rhode Island
#    3:    Lincoln town, RI 15000US440070115003  -71.47820 41.96364    RI       2622  2373    77    86     all    150 Block Group 3, Census Tract 115, Providence County, Rhode Island
#    4:    Lincoln town, RI 15000US440070115004  -71.47830 41.97346    RI       1605  1516    43     0     all    150 Block Group 4, Census Tract 115, Providence County, Rhode Island
#    5:    Lincoln town, RI 15000US440070116001  -71.44665 41.93120    RI        948   764     0     0     all    150 Block Group 1, Census Tract 116, Providence County, Rhode Island
# ---                                                                                                                                                                               
# 1129: Providence city, UT 15000US490050012011 -111.82424 41.69198    UT       2018  1877     0     0     all    150            Block Group 1, Census Tract 12.01, Cache County, Utah
# 1130: Providence city, UT 15000US490050012012 -111.80736 41.69323    UT       1486  1471     0     0     all    150            Block Group 2, Census Tract 12.01, Cache County, Utah
# 1131: Providence city, UT 15000US490050012013 -111.81310 41.65837    UT       1563  1440    15     0     all    150            Block Group 3, Census Tract 12.01, Cache County, Utah
# 1132: Providence city, UT 15000US490050012022 -111.85231 41.68674    UT       3894  3594     0     0     all    150            Block Group 2, Census Tract 12.02, Cache County, Utah
# 1133: Providence city, UT 15000US490059801001 -111.64525 41.67498    UT        118   118     0     0     all    150             Block Group 1, Census Tract 9801, Cache County, Utah