7  Trực quan hóa 2

Slide

Full screen

Trước bài học

• Tải data cho buổi học

• Tải các package sau: tidyverse, sf, plotly, leaflet

• Và load packages

library(tidyverse)
library(sf)
library(plotly)
library(leaflet)

Mục tiêu

• Hiểu cách sử dụng các lệnh geom_*() của ggplot

• Sử dụng plotly để tạo biểu đồ tương tác

• Học cách vẽ bản đồ bằng leaflet

7.1 ggplot

Chúng ta sẽ sử dụng bộ data Covid từ phần phân tích cho các ví dụ trong bài học này

linelist <- read_rds("data/simulated_covid.rds") %>% mutate_if(is.Date, ymd) 

7.1.1 Ôn tập ggplot

Như đã học ở phần trước, quá trình vẽ ggplot được thực hiện tương tự như quá trình vẽ đồ thị thủ công, bao gồm việc vẽ từng lớp đồ thị và các lớp sẽ được nối bằng dấu +.

Quá trình vẽ như sau

• Bắt đầu với lớp nền bằng lệnh ggplot() - nơi người dùng thường quy định dữ liệu được vẽ và các biến nằm trên trục x và y

• Thêm các lớp geom - mỗi lớp geom sẽ thêm 1 loại biểu đồ (VD: biểu đồ cột, biểu đồ đường, biểu đồ phân tán, histogram). Các hàm này đều bắt đầu bằng geom_*

• Thêm các yếu tố thiết kế vào đồ thị, chẳng hạn như nhãn trục, tiêu đề, phông chữ, kích thước, phối màu, chú giải hoặc xoay trục

VD: Vẽ số ca theo thời gian từ dữ liệu covid

# ------ Tính số ca theo ngày phát triệu chứng ------ 
case_data <- linelist %>% 
  group_by(date_onset) %>% # nhóm theo ngày phát triệu chứng
  summarize(
    no_cases = n() # đếm số ca theo nhóm
  ) 

# ------- Vẽ biểu đồ bằng ggplot() ------ 
ggplot(
  data = case_data, # sử dụng case_data để plot
  # quy định biến sử dụng làm trục x và y
  # lấy ngày phát triệu chứng làm trục x, số ca làm trục y
  aes(x = date_onset, y = no_cases)
) +                   
  geom_col( # vẽ biểu đồ cột
    # thêm các tuỳ chọn khác, ở vd này quy định màu là "cornflowerblue"
    color = "cornflowerblue"    
  )+                       
  labs(
    # thêm tên bảng và tên các trục
    title = "Số ca Covid theo ngày",
    x = "Ngày",
    y = "Số ca"
  )+                                 
  theme_minimal() # chỉnh thêm màu sắc, font size

Chọn màu cho ggplot

Ngoài các màu cơ bản, ta có thể quy định màu trong R dưới dạng hex color

VD

ggplot(data = my_data)+                   
  geom_point(                             
    aes(x = col1, y = col2),    
    color = "#03d3fc")

Để có được hex color, ta có thể google “hex color”, chọn màu phù hợp và copy HEX

7.1.2 Một số geom_ thông dụng

Lệnh geom_	Công dụng	Các tuỳ chỉnh
geom_histogram()	Tạo biểu đồ cột với x là biến liên tục động được chia thành các khoảng (bin) còn y là số quan sát trong mỗi khoảng	Dữ liệu cần cung cấp: Giá trị cho cột x (y là số quan sát, sẽ tự động được tính) Các tham số khác: bin (số nhóm để chia trục x) hoặc binwidth (độ rộng cho mỗi nhóm của trục x)
geom_col()	Tạo biểu đồ cột từ x và y	Dữ liệu cần cung cấp: Giá trị cho cột x và y
geom_bar()	Tương tự như geom_col() nhưng y sẽ tự động được tính theo tham số stat	Dữ liệu cần cung cấp: Giá trị cho cột x (y sẽ tự động được tính theo tham số stat) Các tham số khác: stat cách tính y (mặc định stat = "count" nghĩa là lấy số quan sát làm giá trị y)
geom_boxplot()	Tạo boxplot từ x và y (nếu 1 trục là biến liên trục, trục còn lại phải thuộc biến phân loại)	Dữ liệu cần cung cấp: Giá trị cho cột x và y
geom_point()	Tạo biểu đồ phân tán từ x và y	Dữ liệu cần cung cấp: Giá trị cho cột x và y
geom_line()	Tạo biểu đồ đường từ x và y	Dữ liệu cần cung cấp: Giá trị cho cột x và y
geom_smooth()	Tạo biểu đồ đường hồi quy cùng khoảng tin cậy (confidence interval) từ x và y	Dữ liệu cần cung cấp: Giá trị cho cột x và yCác tham số khác: method quy định mô hình hồi quy ("auto", "lm", "glm", "gam", "loess")

• Histograms - geom_histogram()

Code geom_histogram()

ggplot(
  data = case_data, aes(x = date_onset) ) +                   
  geom_histogram(
    fill = "cornflowerblue"
  ) +                       
  labs(
    # thêm tên bảng và tên các trục
    title = "Số ca Covid theo ngày",
    x = "Ngày",
    y = "Số ca"
  )

`stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

• Biểu đồ cột - geom_bar() hoặc geom_col()

Code geom_col()

ggplot(
    data = case_data, 
    aes(x = date_onset, y = no_cases)
  ) +                   
  geom_col(
    color = "cornflowerblue"    
  )+                       
  labs(
    title = "Số ca Covid theo ngày",
    x = "Ngày",
    y = "Số ca"
  )

• Box plots - geom_boxplot()

Code geom_boxplot()

# --- Tính số ca mỗi ngày trong từng đợt dịch ---- 
linelist %>% 
  group_by(outbreak, date_onset) %>% 
  summarize(
    no_cases = n()
  ) %>% 
# --- Vẽ boxplot so sánh số ca mỗi ngày trong 2 đợt dịch ---- 
  ggplot(
    aes(x = outbreak, y = no_cases) ) +                   
    geom_boxplot() +                       
    labs(
      x = "Đợt dịch",
      y = "Số ca mỗi ngày"
    )

`summarise()` has grouped output by 'outbreak'. You can override using the
`.groups` argument.

• Điểm (vd: biểu đồ phân tán) - geom_point()

Code geom_point()

ggplot(
  data = case_data, aes(x = date_onset, y = no_cases) ) +                   
  geom_point(
    color = "cornflowerblue"
  ) +                       
  labs(
    # thêm tên bảng và tên các trục
    title = "Số ca Covid theo ngày",
    x = "Ngày",
    y = "Số ca"
  )

• Biểu đồ đường - geom_line()

Code geom_line()

ggplot(
  data = case_data, aes(x = date_onset, y = no_cases) ) +                   
  geom_line(
    color = "cornflowerblue"
  ) +                       
  labs(
    # thêm tên bảng và tên các trục
    title = "Số ca Covid theo ngày",
    x = "Ngày",
    y = "Số ca"
  )

• Đường xu hướng - geom_smooth()

Code geom_smooth()

ggplot(
  data = case_data, aes(x = date_onset, y = no_cases) ) +                   
  geom_smooth(
    color = "cornflowerblue"
  ) +                       
  labs(
    # thêm tên bảng và tên các trục
    title = "Số ca Covid theo ngày",
    x = "Ngày",
    y = "Số ca"
  )

`geom_smooth()` using method = 'loess' and formula = 'y ~ x'

Code geom_area()

ggplot(
  data = case_data, aes(x = date_onset, y = no_cases) ) +                   
  geom_area(
    fill = "cornflowerblue", color = "black"
  ) +                       
  labs(
    # thêm tên bảng và tên các trục
    title = "Số ca Covid theo ngày",
    x = "Ngày",
    y = "Số ca"
  )

Tham số stat của hàm geom

• "identity" lấy dữ liệu thô

• "count" đếm số quan sát (số hàng) trong từng phân nhóm

• "sum" tính tổng của các hàng trong từng phân nhóm

VD: vẽ biểu đồ số ca trực tiếp từ data linelist thay vì case_data bằng các quy định stat = count

ggplot(
    data = linelist,
    aes(x = date_onset) # không cần quy định y ở đây
  ) +                   
  geom_bar(
    # ggplot sẽ tự tính y bằng các đếm số hàng nhóm theo mỗi giá trị của x (đếm số ca theo date_onset)
    stat = "count",
    color = "cornflowerblue"
  ) +                       
  labs(title = "Số ca Covid theo ngày",
    x = "Ngày", y = "Số ca"
  ) 

7.1.3 Điều chỉnh các đặc điểm của biểu đồ

Một số đặc điểm quan trọng cho các lớp geom_

Tên đặc điểm	Công dụng
fill	quy định fill color cho đồ thị
color	quy định border color cho đồ thị
size	quy định kích cỡ của đường/điểm cho đồ thị
alpha	quy định độ trong suốt của màu (từ 0-1, càng gần 0 màu càng trong suốt)
linetype	quy định loại đường (thẳng, đứt, …) cho các đồ thị đường
shape	quy định loại điểm cho các đồ thị có điểm

Ta có thể quy định giá trị cho các đặc điểm của biểu đồ như một tham số của lệnh geom_ (VD: geom_bar(color = "cornflowerblue") trong các ví dụ trên)

Tuy nhiên, nếu muốn thay đổi các đặc điểm dựa theo biến từ dữ liệu, ta cần quy định mối liên hệ giữa biến và đặc điểm trong lệnh aes()

Lệnh aes()

Lệnh aes được sử dụng để quy định mối quan hệ giữa các biến và các đặc điểm của biểu đồ

VD: quy định màu của cột theo đợt dịch

linelist %>% 
  mutate(
    # ----- Đổi label cho từng đợt dịch ------
    outbreak = factor(outbreak, 
                      levels = c("1st outbreak", "2nd outbreak"), 
                      labels = c("Đợt dịch 1", "Đợt dịch 2"))
  ) %>% 
  ggplot(
    aes(x = date_onset)
  ) +                   
  geom_bar(
    aes(fill = outbreak) # quy định mỗi đợt dịch có màu khác nhau
  ) +                       
  labs(title = "Số ca Covid theo ngày",
    x = "Ngày", y = "Số ca", 
    # optional: đổi tên ô chú thích
    fill = "Đợt dịch"
  ) 

Quy định màu

Để tự quy định màu cho biểu đồ, ta có thể sử dụng các lệnh scale_color_*() khi muốn quy định màu viền, hoặc scale_fill_*() quy định màu fill

Function	Công dụng	Tham số
scale_color_manual()/ scale_fill_manual()	Quy định màu cho từng giá trị biến phân loại	breaks các giá trị trong biến phân loại values màu tương ứng labels chú thích cho màu
scale_color_continuous()/ scale_fill_continuous()	Quy định màu cho biến liên tục	low màu cho giá trị thấp nhất high màu cho giá trị cao nhất
scale_color_binned()/ scale_fill_binned()	Tạo thang màu bằng cách chia giá trị biến liên tục thành các nhóm (bins).	low màu cho giá trị thấp nhất high màu cho giá trị cao nhất n.breaks số bin để chia

VD: quy định màu và label cho từng đợt dịch bằng lệnh scale_fill_manual()

linelist %>% 
  ggplot(aes(x = date_onset)) +                   
  geom_bar(aes(fill = outbreak) ) +   
  # ------ Quy định màu cho từng đợt dịch ------
  scale_fill_manual(
    breaks = c("1st outbreak", "2nd outbreak"),
    values = c("#91deed", "#67b6e0"),
    labels = c("Đợt dịch 1", "Đợt dịch 2")
  ) +
  labs(title = "Số ca Covid theo ngày", x = "Ngày", y = "Số ca", fill = "Đợt dịch") 

7.1.4 Facet

Facets, hay “chia nhỏ biểu đồ”, được sử dụng để chia một biểu đồ thành nhiều phần nhỏ, với mỗi phần (“facet”) đại diện cho một nhóm của dữ liệu.

Trong ggplot, có 2 loại facet chính

• facet_wrap() hiện thị các biểu đồ khác nhau cho từng nhóm của một biến số. (VD: thể hiện các đường cong dịch bệnh khác nhau cho từng khu vực).

• facet_grid() áp dụng khi muốn đưa một biến thứ hai vào sắp xếp các biểu đồ con. Ở đây mỗi ô thể hiện sự giao nhau của các giá trị giữa hai cột.

facet_wrap	facet_grid
biểu đồ số ca bệnh sốt rét chia theo tỉnh (tên tỉnh ở phía trên mỗi biểu đồ)	biểu đồ số ca bệnh sốt rét chia theo tỉnh và nhóm tuổi

VD: dùng facet_grid để vẽ biểu đồ theo giới tính và đợt dịch

linelist %>% 
  mutate(
    # optional: đổi label cho biến đợt dịch và giới tính
    outbreak = factor(outbreak, 
                      levels = c("1st outbreak", "2nd outbreak"), 
                      labels = c("Đợt dịch 1", "Đợt dịch 2")),
    sex = factor(sex,
                 levels = c("f", "m"),
                 labels = c("nữ", "nam"))
  ) %>% 
  ggplot(
    aes(x = date_onset)
  ) +                   
  geom_bar(
    color = "cornflowerblue"
  ) +                       
  labs(title = "Số ca Covid theo ngày",
    x = "Ngày", y = "Số ca"
  ) +
  facet_grid(
    cols = vars(outbreak),
    rows = vars(sex)
    )

7.1.5 Lưu biểu đồ

Để lưu biểu đồ, ta sử dụng lệnh ggsave() với các tham số sau

• path đường dẫn đến nơi lưu bản đồ

• filename tên file được lưu

• plot biểu đồ được lưu (tự động lưu biểu đồ được vẽ gần nhất)

• width, height kích cỡ của ảnh được lưu

• dpi độ phân giải của ảnh được lưu

VD: lưu biểu đồ

ggsave(
  path = file.path(getwd(), "images"), # lưu tại folder images
  filename = "latest_plot.png", # lưu với tên latest_plot.png
  width = 3000, height = 2100, # chỉnh size ảnh
  units = "px", # quy định kích cỡ size theo pixel
  create.dir = TRUE, # tạo folder nếu folder không tồn tại
  dpi = 400)

7.2 Plotly

Package plotly cung cấp lệnh ggplotly giúp người dùng nhanh chóng biến biểu đồ của ggplot thành biểu đồ tương tác (interactive plot).

VD: dùng ggplotly để biến biểu đồ số ca thành dạng tương tác

# Vẽ biểu đồ bằng ggplot 
case_plot <- linelist %>% 
  mutate(
    # ----- Đổi label cho từng đợt dịch ------
    outbreak = factor(outbreak, 
                      levels = c("1st outbreak", "2nd outbreak"), 
                      labels = c("Đợt dịch 1", "Đợt dịch 2"))
  ) %>% 
  group_by(outbreak, date_onset) %>% 
  summarize(no_cases = n()) %>% 
  ggplot(aes(x = date_onset, y = no_cases)) +                   
  geom_col( aes(fill = outbreak) ) + 
  scale_x_date() +
  labs(title = "Số ca Covid theo ngày", x = "Ngày", y = "Số ca", fill = "Đợt dịch") 

`summarise()` has grouped output by 'outbreak'. You can override using the
`.groups` argument.

# Dùng lệnh ggplotly để biến thành biểu đồ tương tác
ggplotly(case_plot)

Lưu ý

Khi knit file .Rmd sang các định dạng file khác, tính tương tác của đồ thị chỉ còn khi người dùng knit thành file .html

Thay đổi giá trị hiển thị cho tooltip

Để thay đổi giá trị hiển trị trên tooltip, ta có thể tạo một đặc điểm qua lệnh aes() và quy định giá trị cho tham số tooltip khi sử dụng plotly

example_plot <- linelist %>% 
  mutate(
    # ----- Đổi label cho từng đợt dịch ------
    outbreak = factor(outbreak, 
                      levels = c("1st outbreak", "2nd outbreak"), 
                      labels = c("Đợt dịch 1", "Đợt dịch 2"))
  ) %>% 
  group_by(outbreak, date_onset) %>% 
  summarize(no_cases = n()) %>% 
  ggplot(
    aes(x = date_onset, y = no_cases,
        # ------- Tạo đặc điểm mới cho tooltip, đặt tên là text ------
        text = paste0(
          "Ngày: ", date_onset,
          "\nSố ca: ",no_cases,
          "\nĐợt dịch: ", outbreak
        ))
    ) +                   
  geom_col( aes(fill = outbreak) ) + 
  scale_x_date() +
  labs(title = "Số ca Covid theo ngày", x = "Ngày", y = "Số ca", fill = "Đợt dịch") 

`summarise()` has grouped output by 'outbreak'. You can override using the
`.groups` argument.

ggplotly(
  example_plot,
  # quy định lấy đặc điểm text làm tooltip
  tooltip = "text"
)

7.3 Vẽ bản đồ

7.3.1 Dữ liệu bản đồ

Trước tiên, ta cần dữ liệu để vẽ biểu đồ trong R. Trong khoá học này ta sẽ sử dụng dữ liệu được cấp bởi GADM.

Để download dữ liệu biểu đồ Việt Nam, thực hiện các bước sau:

• Vào trang https://gadm.org/download_country.html

• Chọn Vietnam trong danh sách Country

• Bấm Geopackage

• File được tải về có tên là gadm41_VNM.gpkg

Lưu ý

• Các nguồn bản đồ mở thường sẽ không có các phần lãnh thổ tranh chấp (VD: Hoàng Sa, Trường Sa)

• Các thay đổi về bản đồ hành chính có thể không được cập nhật kịp thời (VD: các quận được sáp nhập thành TP. Thủ Đức)

Dữ liệu bản đồ tải về sẽ có 3 cấp bậc

• Cấp tỉnh/ thành phố

• Cấp quận/ huyện

• Cấp phường/ xã

Để đọc dữ liệu bản đồ, dùng lệnh st_read của package sf

Để vẽ dữ liệu đọc được, dùng lệnh geom_sf của ggplot

# Đọc dữ liệu bản đồ
map_path <- "data"
vn_tinh <- st_read(dsn = file.path(map_path, "gadm41_VNM.gpkg"), layer = "ADM_ADM_1")
vn_qh <- st_read(dsn = file.path(map_path, "gadm41_VNM.gpkg"), layer = "ADM_ADM_2")
vn_px <- st_read(dsn = file.path(map_path, "gadm41_VNM.gpkg"), layer = "ADM_ADM_3")

# Vẽ dữ liệu đọc được
ggplot(vn_tinh) + geom_sf()

ggplot(vn_qh) + geom_sf()

ggplot(vn_px) + geom_sf()

Debug package sf

Nếu gặp lỗi như sau khi chạy geom_sf()

In CPL_crs_from_input(x) :
  GDAL Error 1: PROJ: proj_create_from_database: Cannot find proj.db

Chạy dòng code sau để giải quyết lỗi (@edzer)

remove.packages("sf")
install.packages('sf', repos = c('https://r-spatial.r-universe.dev'))
library(sf)

7.3.2 Điều chỉnh dữ liệu bản đồ

Khi thử nhìn dữ liệu cho bản đồ, ta có thể thấy dữ liệu đọc được cũng là một bảng dữ liệu và nhiều lệnh điều chỉnh bảng dữ liệu cũng có thể áp dụng với bảng này

Một số cột đáng lưu ý bao gồm

• Các cột có format NAME_`cấp bậc hành chính` chứa tên tiếng Việt

• Các cột có format VARNAME_`cấp bậc hành chính` chứa tên tiếng Anh

• Cột geom sẽ chứa dữ liệu để vẽ nên bản đồ

head(vn_qh)

Để lựa chọn các khu vực được vẽ trên bản đồ, ta có thể sử dụng lệnh filter() tương tự như các bảng dữ liệu khác

VD: chỉ vẽ bản đồ các quận của phố Hồ Chí Minh

hcm_map <- vn_qh %>% filter( NAME_1 == "Hồ Chí Minh" ) 
hcm_map %>% ggplot() + geom_sf()

Để nối một số khu vực được vẽ trên bản đồ, ta có thể sử dụng lệnh st_join() của gói sf

VD: gộp quận 2, quận 9 và quận Thủ Đức thành Thành phố Thủ Đức

# quy định các quận được gộp
thuduc_subset <- (hcm_map$VARNAME_2 == "District 2" | hcm_map$VARNAME_2 == "District 9" | 
             hcm_map$VARNAME_2 == "Thu Duc" )

# gộp các quận 2, 9, Thủ Đức và lưu giá trị vào cột geom của Thủ Đức trong bảng
hcm_map[hcm_map$VARNAME_2 == "Thu Duc", "geom"] <- st_union( subset(hcm_map, thuduc_subset)$geom )

# xoá dữ liệu cho Q2 và Q9 sau khi gộp
hcm_map <- hcm_map %>% filter(!VARNAME_2 == "District 2" & !VARNAME_2 == "District 9")

# vẽ biểu đồ sau khi gộp
hcm_map %>% ggplot() + geom_sf()

Để thêm giá trị từ một bảng khác vào bảng dữ liệu biểu đồ, ta có thể sử dụng left_join() tương tự các bài học trước

VD: vẽ bản đồ cùng số ca

# ------- Tính tổng số ca ------- 
case_by_district <- linelist %>% 
  group_by(district) %>% 
  summarize(
    no_cases = n()
  )

# -------- Nối bảng số ca và bảng dữ liệu bản đồ ----- 
hcm_map <- hcm_map %>% 
  mutate(
    # Trước khi join, phải điều chỉnh cột dùng để join để các giá trị tương ứng giống nhau
    VARNAME_2 = str_replace(VARNAME_2, "District", "Quan")
  ) %>% 
  left_join(
    case_by_district,
    by = join_by(VARNAME_2 == district)
  )

# --------- Vẽ biểu đồ cùng dữ liệu số ca bằng ggplot ------
hcm_map %>%
  ggplot() +
    geom_sf(
      # quy định màu theo số ca
      aes(fill = no_cases)
    ) +
  labs(fill = "Số ca")

7.3.3 Leaflet

Gói leaflet được dùng để vẽ bản đồ tương tác.
Chúng ta sử dụng leaflet thay vì ggplot + plotly vì bản đồ vẽ bởi leaflet thường đẹp hơn

Quá trình vẽ biểu đồ bằng leaflet cũng tương tự như ggplot, bao gồm các bước sau:

• Gọi leaflet() và cung cấp dữ liệu cần vẽ

• Thêm lớp biểu đồ qua lệnh addPolygon()

• Thêm ô chú thích bằng lệnh addLegend() nếu cần thiết

Tên lệnh	Các tham số thông dụng
addPolygon()	color - màu cho đường viền fillColor - màu cho các khu vực fillOpacity - độ trong suốt của màu (từ 0-1, càng gần 0 màu càng trong suốt) label - giá trị được hiển thị (tương tự tooltip của plotly)
addLegend()	pal - palette màu values - cung cấp giá trị cần chú thích title - tiêu đề cho ô chú thích opacity - độ trong suốt của màu (cần giống fillOpacity trong addPolygon() để hiển thị màu chính xác) position - vị trí của ô chú thích

# ----- quy định bảng màu ----
pal <- colorBin(
  # bảng màu cho giá trị từ nhỏ đến lớn 
  palette = c("#cadefa","#73aeff", "#134c9c"), 
  domain = hcm_map$no_cases, # cung cấp khoảng giá trị 
  na.color = "grey" # quy định màu cho giá trị trống
  )

# ----- vẽ biểu đồ ------
leaflet(hcm_map) %>% 
  # vẽ biểu đồ
  addPolygons(
    color="black", # quy định màu viền
    # quy định fillColor dựa theo số ca, và dùng màu từ bảng màu pal
    fillColor = ~pal(no_cases),  
    weight = 1, # độ dày của viền
    # chỉnh tooltip
    label = ~paste0(NAME_2, ". \nSố ca: ", no_cases), 
    fillOpacity=0.8
  ) %>% 
  # thêm ô chú thích
  addLegend(pal = pal, values = ~no_cases, title = "Số ca", position = "bottomright", opacity=1)

Các lệnh tạo bảng màu trong leaflet

Function	Công dụng
colorNumeric()	tạo palette màu liên tục từ biến liên tục
colorBin()	tạo palette màu phân loại từ biến liên tục
colorFactor()	tạo palette màu phân loại từ biến phân loại

7.4 Bài tập

Đọc dữ liệu cleaned_vacdata.rds và vẽ bản đồ thể hiện tỷ lệ tiêm chủng đầy đủ theo từng quận huyện

Tính tỷ lệ trẻ được tiêm ít nhất 3 mũi VGB

Đọc và xử lý dữ liệu

vaccdata <- readRDS("data/cleaned_vacdata.rds")

prop_vaccinated <- vaccdata %>% 
  group_by(huyen) %>% 
  summarize(
    # Tính số trẻ được tiêm vgb_3 tại mỗi quận
    no_vaccinated = sum(khangnguyen == "vgb_3"),
    # đếm số trẻ tại mỗi quận
    total = n_distinct(id)
  ) %>% 
  mutate(
    prop_vaccinated = no_vaccinated/total
  )

Chuẩn bị dữ liệu để vẽ

Code

# ----- đọc bản đồ vn cấp quận huyện ------ 
vn_qh <- st_read(dsn = "data/gadm41_VNM.gpkg", layer = "ADM_ADM_2")

Reading layer `ADM_ADM_2' from data source 
  `/Users/anhptq/Documents/r4babies/data/gadm41_VNM.gpkg' using driver `GPKG'
Simple feature collection with 710 features and 13 fields
Geometry type: MULTIPOLYGON
Dimension:     XY
Bounding box:  xmin: 102.1446 ymin: 8.381355 xmax: 109.4692 ymax: 23.39269
Geodetic CRS:  WGS 84

Code

# ----- lọc bản đồ cho hcm ------ 
hcm_map <- vn_qh %>% filter( NAME_1 == "Hồ Chí Minh" ) 

# ----- tạo bản đồ thành phố Thủ Đức ------ 
thuduc_subset <- (hcm_map$VARNAME_2 == "District 2" | hcm_map$VARNAME_2 == "District 9" | 
             hcm_map$VARNAME_2 == "Thu Duc" )
hcm_map[hcm_map$VARNAME_2 == "Thu Duc", "geom"] <- st_union( subset(hcm_map, thuduc_subset)$geom )
hcm_map <- hcm_map %>% filter(!VARNAME_2 == "District 2" & !VARNAME_2 == "District 9")

# ----- thêm tỷ lệ tiêm chủng ------
hcm_map <- hcm_map %>% 
  mutate(join_key = tolower(NAME_2)) %>% 
  left_join(
    prop_vaccinated %>% mutate(join_key = tolower(huyen)), 
    by = join_by(join_key == join_key)
  )

Cách 1: vẽ bằng ggplot

Code bằng ggplot

hcm_map %>% 
  ggplot() + 
    geom_sf(
      aes(fill = prop_vaccinated)
    ) +
    scale_fill_binned(
      low = "#e5f5e0", high =  "#31a354", n.breaks = 8
    ) + 
    labs(
      title = "Tỷ lệ tiêm VGB mũi 3 theo quận",
      fill = "Tỷ lệ tiêm"
    )

Cách 2: vẽ bằng leaflet

Code bằng leaflet

# ----- quy định bảng màu ----
pal <- colorBin(
  palette = c("#e5f5e0", "#31a354"), 
  domain = hcm_map$prop_vaccinated,
  na.color = "grey" 
  )

# ----- vẽ biểu đồ ------
leaflet(hcm_map) %>% 
  # vẽ biểu đồ
  addPolygons(
    color="black", fillColor = ~pal(prop_vaccinated),  
    weight = 1, label = ~paste0(NAME_2, ". \nTỷ lệ tiêm: ", 
                                format(prop_vaccinated, digits = 4)), 
    fillOpacity=1
  ) %>% 
  # thêm ô chú thích
  addLegend(pal = pal, values = ~prop_vaccinated, title = "Tỷ lệ tiêm", position = "bottomright", opacity=1)