Como sabéis los que me conocéis bien, soy un enamorado del Perú, así que voy a hacer un pequeño homenaje a Perú con esta entrada en la que quiero profundizar en cómo trabajar con gráficos de mapas. En esta ocasión he obtenido los shapefiles de la web de geogpsperu, y los datos sobre turismo que estoy representando del Observatorio Turístico del Perú.

Este es un mapa con más detalles que el anterior que he publicado Mapa de distritos de Madrid. Aquí, además de representar la distribución de una variable continua en un mapa, voy a introducir las etiquetas, en este caso de los departamentos del país.

Y el código con el que lo he generado es el siguiente, que paso a explicar:

filename file "&ruta/DEPARTAMENTOS.shp" encoding="UTF-8";
proc mapimport datafile=file out = PERU;
run;

proc sql;
     create table DEPARTAMENTOS as
     select iddpto,
            departamen,
            avg(x) as x,
            avg(y) as y
     from PERU
     group by 1,2;
quit;

proc sql;
    create table DEPARTAMENTOS2 as
    select a.*,
           b.turistas
    from DEPARTAMENTOS a
    left join TURISTAS b
    on translate(lowcase(a.departamen),'aeiou','áéíóú') = 
            translate(lowcase(b.departamento),'aeiou','áéíóú');
quit;

data LABELS;
    length color $8 text $55;
    set DEPARTAMENTOS2;
    style='Thorndale AMT';
    function='label';
    xsys='2';
    ysys='2';
    hsys='3';
    when='a';
    text=departamen;
    color='FFFFFFFF'; 
    size=2; 
    if departamen in ('LIMA','AYACUCHO','CAJAMARCA') then y=y-0.5;
run;

legend1 label=("Turistas extranjeros:");
proc gmap data=DEPARTAMENTOS2 map=PERU; 
    id iddpto;
    title "Turistas extranjeros en Perú (2015)"; 
    choro turistas / annotate=LABELS 
                     midpoints=5000 10000 50000 100000 500000
                     legend=legend1;
run;

Además dispongo de unos datos sobre el volumen de turistas que visitaron Perú que introduzco en una tabla llamada TURISTAS:

data TURISTAS;
    infile datalines dsd missover;
    format Departamento $20.;
    input Departamento $ Turistas;
cards;
Amazonas,	4157
Ancash,	61384
Apurimac,	5326
Arequipa,	175271
Ayacucho,	12956
Cajamarca,	1270
Callao,	
Cusco,	967266
Huancavelica,	2530
Huánuco,	1735
Ica,	167266
Junín,	8402
La Libertad,	55536
Lambayeque,	75943
Lima,	2112090
Loreto,	67371
Madre de Dios,	74738
Moquegua,	10655
Pasco,	1074
Piura,	25024
Puno,	198817
San Martín,	9833
Tacna,	885744
Tumbes,	152459
Ucayali,	5929
;
run;

Lo primero por lo que empiezo es con la importación del shapefile en SAS con el proc mapimport que guardo en la tabla PERU. Esta será la tabla que contenga la representación del mapa para el gráfico.

Luego necesito crear una tabla que contenga los datos a representar (dentro del mapa) para cada departamento. Para ello tomo los identificadores de los departamentos (campo ID para el proc gmap) y el nombre del departamento y calculo los puntos medios con objeto de situar allí las etiquetas con el nombre de esos mismos departamentos. Posteriormente, solo queda cruzar la tabla anterior con la de TURISTAS. Como ambas fuentes de datos no tienen el mismo origen, y una tiene tildes en los nombres y otra no en e campo de cruce, utilizo la función translate.

El siguiente paso es crear la tabla LABELS que contiene la información necesaria para la representación de las etiquetas en el gráfico. Esta técnica se puede utilizar tanto para representar etiquetas en un mapa, como en cualquier otro tipo de gráfico de líneas, de barras, etc.

La tabla LABELS debe incorporar cierto tipo de campos con un nombre y significado específico y que luego será interpretados por el parámetro ANNOTATE que, entre otros son los siguientes:

• X e Y: Son las coordenadas con las que se representa el mapa. Debe estar en el mismo sistema de representación: grados, radianes, etc.
• XSYS, YSYS y HSYS: Representan el tipo de coordenadas que se están incluyendo en X e Y. Como nuestras variables X y Y son latitud y longitud en grados utilizaremos la combinación de valores 2, 2, 3 para estas variables.
• function: Indica el tipo de representación que se va a hacer en el gráfico. En nuestro caso dibujaremos una etiqueta por lo que su valor deberá ser «label», pero podríamos representar puntos («point»), líneas («line»), flechas («arrow»), etc.
• style: Es el estilo, fuente o patrón que se va a utilizar. Depende de function.
• when: Indica el momento en que se va a dibujar el contenido descrito (la etiqueta en nuestro caso). Nosotros queremos dibujar las etiquetas después del gráfico para que se representen encima y se vean, por lo que le damos valor «a» de after.
• text: Indica el valor de la etiqueta que se va a representar.
• color: El color del texto.
• size: El tamaño del texto.

Al final hago una pequeña corrección de las etiquetas para algunos departamentos para que la representación del gráfico sea satisfactoria.

Finalmente, el ultimo paso es el proc gmap, donde utilizo los tres conjuntos de datos anteriores PERU (contiene los datos del mapa), DEPARTAMENTOS2 (contiene los datos a representar en el mapa sobre cuántos turistas hay por departamento) y LABELS (que contiene los datos para situar y representar las etiquetas con los nombres).

El parámetro id representa la variable que identifica cada zona distinta del mapa. choro es una de las opciones de representación de gráficos que indica que la variable a representar («turistas») se representará con una escala de colores en la superficie del gráfico en función de su valor.

choro> tiene varios parámetros a su vez: annotate que identifica la tabla con los datos de etiquetas («LABELS»). midpoints que permite personalizar los puntos de corte de una variable continua como la nuestra, de forma que cada punto de corte indicará que se representará con un tono de color distinto. legend identifica el título que se le va a dar a la leyenda del gráfico.