Geolokalisering af et stort antal indlæg baseret på IP-adresser. (880.000 rækker)

Vi genererer nogle IP-adresser, geolokaliserer dem og plotter dem:

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

Generer en million (alt for ensartet fordelt) tilfældige IPv4-adresser:

ips <- ip_random(1000000)

Og geolokaliser dem:

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

5s til 1m IPv4s. 👍🏼

Nu på grund af ensartetheden vil boblerne være dumme små, så bare for dette eksempel vil vi runde dem lidt op:

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

Og plot dem:

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")

Du kan se, hvad jeg mener med "for ensartet". Men du har "rigtige" IPv4'er, så du burde være gtg.

Overvej at bruge scale_size_area() , men ærlig talt, overvej slet ikke at plotte IPv4'er på et geo-kort. Jeg laver research på internet-skala til livets ophold, og påstandene om nøjagtighed lader meget tilbage at ønske. Jeg går sjældent under tilskrivning på landeniveau af den grund (og vi betaler for "rigtige" data).