如何用Tidycensus获取特定城市的小地理单元（tract、Block Group）数据？

方案1：通过城市行政边界筛选（精准匹配城市范围） #

这个方法先获取城市的行政边界，再用空间筛选把落在边界内的tract/block group挑出来，适合需要严格城市范围的场景。

1. 加载所需包

library(tidycensus)
library(tigris)
library(sf)

2. 获取目标城市的行政边界
   以迈阿密市为例，用tigris::places()函数获取佛罗里达州的城市边界，再筛选出迈阿密：

# 获取佛罗里达州所有城市边界
fl_places <- places(state = "FL", year = 2020, class = "sf")
# 筛选迈阿密市
miami_city <- fl_places[fl_places$NAME == "Miami", ]

3. 获取目标县的tract数据（先缩小范围到城市所在的县，减少数据量）

miami_tracts <- get_decennial(
  geography = "tract",
  variables = "P2_001N",
  state = "FL",
  county = "Miami-Dade", # 迈阿密市主要在这个县，无需覆盖三个县
  geometry = TRUE,
  year = 2020
)

4. 空间筛选：保留落在迈阿密市边界内的tract
   用sf::st_filter()筛选与城市边界相交的tract（如果要严格保留完全在边界内的单元，把predicate改成st_within）：

miami_city_tracts <- st_filter(miami_tracts, miami_city, predicate = st_intersects)

方案2：用Census Urban Areas筛选（宽松范围，适合无需精确行政边界的场景） #

如果你接受Urban Areas的范围（比城市行政范围稍大，包含周边建成区），可以直接获取Urban Areas边界后筛选：

1. 获取迈阿密对应的Urban Area边界

urban_areas <- get_decennial(
  geography = "urban area",
  variables = "P2_001N",
  year = 2020,
  geometry = TRUE
)
# 筛选迈阿密的Urban Area
miami_urban <- urban_areas[urban_areas$NAME == "Miami-Fort Lauderdale-Pompano Beach, FL Urban Area", ]

2. 获取目标区域的tract数据（覆盖Urban Area涉及的县）

fl_tracts <- get_decennial(
  geography = "tract",
  variables = "P2_001N",
  state = "FL",
  county = c("Miami-Dade", "Broward", "Palm Beach"),
  geometry = TRUE,
  year = 2020
)

3. 空间筛选Urban Area内的tract

miami_urban_tracts <- st_filter(fl_tracts, miami_urban, predicate = st_intersects)

注意事项 #

• 运行前确保已设置Census API密钥：census_api_key("你的密钥", install = TRUE)，密钥可在Census官网免费申请。
• 空间筛选的predicate参数可按需调整：st_intersects（只要有交集就算）、st_within（完全在边界内）、st_contains（边界包含单元）。
• 若要获取Block Group数据，只需把geography参数改成"block group"，逻辑完全一致。

内容的提问来源于stack exchange，提问作者TeaNoMilk