आईपी ​​​​पते के आधार पर बड़ी संख्या में पदों का भौगोलिक स्थान। (880,000 पंक्तियाँ)

हम कुछ IP पते जनरेट करेंगे, उनका भौगोलिक स्थान निर्धारित करेंगे और उन्हें प्लॉट करेंगे:

library(iptools)
library(rgeolocate)
library(tidyverse)

एक लाख (जिस तरह से समान रूप से वितरित) यादृच्छिक IPv4 पते उत्पन्न करें:

ips <- ip_random(1000000)

और, उनका भौगोलिक स्थान निर्धारित करें:

system.time(
  rgeolocate::maxmind(
    ips, "~/Data/GeoLite2-City.mmdb", c("longitude", "latitude")
  ) -> xdf
)
##    user  system elapsed 
##   5.016   0.131   5.217 

1m IPv4s के लिए 5s।

अब एकरूपता के कारण, बुलबुले छोटे छोटे होंगे, इसलिए इस उदाहरण के लिए हम उन्हें थोड़ा सा गोल कर देंगे:

xdf %>% 
  mutate(
    longitude = (longitude %/% 5) * 5,
    latitude = (latitude %/% 5) * 5
  ) %>%  
  count(longitude, latitude) -> pts

और, उन्हें प्लॉट करें:

ggplot(pts) +
  geom_point(
    aes(longitude, latitude, size = n), 
    shape=21, fill = "steelblue", color = "white", stroke=0.25
  ) +
  ggalt::coord_proj("+proj=wintri") +
  ggthemes::theme_map() +
  theme(legend.justification = "center") +
  theme(legend.position = "bottom")

आप देख सकते हैं कि "बहुत वर्दी" के बारे में मेरा क्या मतलब है। लेकिन, आपके पास "असली" IPv4s हैं, इसलिए आपको gtg होना चाहिए।

scale_size_area() का उपयोग करने पर विचार करें , लेकिन, ईमानदारी से, किसी भू-मानचित्र पर IPv4s की साजिश रचने पर विचार न करें। मैं जीवनयापन के लिए इंटरनेट-पैमाने पर शोध करता हूं और सटीकता के दावे वांछित होने के लिए बहुत कुछ छोड़ देते हैं। मैं शायद ही उस कारण से देश-स्तरीय एट्रिब्यूशन से नीचे जाता हूं (और हम "वास्तविक" डेटा के लिए भुगतान करते हैं)।