绘制地图
1.ggplot2提供了一些工具，让使用maps包绘制的地图与其他ggplot2图形的结合变得十分方便。关于中国地图的绘制可以参考：http://cos.name/2009/07/drawing-china-map-using-r/
国家maps地图数据名法国
意大利
新西兰
美国（郡）
美国（州）
美国（边界）
全世界
france
italy
nz
country
state
usa
world
我们使用地图数据主要有两种原因：1.为空间数据添加参考轮廓线2.通过不同的区域填充颜色以构建等值线图。
添加地图边界可以通过borders()来完成。函数的前两个参数指定了要绘制的地图名map以及其中的具体区域region，其余的参数用于控制边界的外观。填充颜色的多边形使用的是fill。
1 2 3 4 > library (maps) > data (us.cities) > big_citi <- subset (us.cities,pop > 500000) ##人口大于50万的城市 > qplot (long,lat,data=big_citi) + borders ( "state" ,size=0.5)1 2 > tx_city <- subset (us.cities,country.etc== "TX" ) > ggplot (tx_city, aes (long,lat)) + borders ( "county" , "texas" ,colour= "grey70" ) + geom_point (colour = "black" ,alpha=0.5)
德克萨斯州的城市区划：
使用map_data将地图数据转化为数据框，此数据框可以在之后通过merge() 操作与我们的数据相融合，最终绘制处等值线图。
1 2 3 4 5 6 7 8 9 > states <- map_data ( "state" ) > arrests <- USArrests > names (arrests) <- tolower ( names (arrests)) > arrests$region <- tolower ( rownames (USArrests)) > choro <- merge (states,arrests,by= "region" ) #由于绘制多边形时涉及顺序问题，且merge破坏了原始排序，故将行重新排序 > choro <- choro[ order (choro$order),] > qplot (long,lat,data=choro,group=group,fill=assault,geom= "polygon" )
#######################华丽的分割线############################
接下来简单介绍一下中国地图的绘制。
首先要成功安装好两个包：
1 2 > install.packages ( "maps" ) > install.packages ( "mapdata" )然后加载：
1 2 > library (maps) > library (mapdata)加载成功后我们可以使用map方法绘制中国地图：
1 > map ( "china" )
以上的地图比较老了(重庆仍然在四川省内)，获取比较新的，下载中国GIS数据（http://cos.name/wp-content/uploads/2009/07/chinaprovinceborderdata_tar_gz.zip），解压到我的文档中（默认的R工作空间），然后下载maptools包：install.packages("maptools"),加载到R的工作空间：library(maptools),然后绘制地图：
1 2 > x <- readShapePoly ( 'bou2_4p.shp' ) > plot (x)
通过调节plot命令中的col（旧版为fg）参数来根据自己的需要对地图中的省份着以特定的颜色。
GIS数据包含925个多边形，col参数应该时一个长度为925的向量，第i个分量的取值就代表了地图中第i个多边形的颜色：
1 > plot (x,col= gray (924:0/924))
在地图中只画出部分省份所代表的区域：
1 2 3 4 5 6 7 8 9 10 11 x= readShapePoly ( 'bou2_4p.shp' ); getColor= function (mapdata,provname,provcol,othercol) { f= function (x,y) ifelse (x % in % y, which (y==x),0); colIndex= sapply (mapdata@data$NAME,f,provname); fg= c (othercol,provcol)[colIndex+1]; return (fg); } midchina <- c ( "河南省" , "山西省" , "湖北省" , "安徽省" , "湖南省" , "浙江省" ); plot (x, col = getColor (x, midchina, rep ( "green" , 6), "white" ), border = "black" , xlab = "" , ylab = "" )##若不显示其他省份，只需将border设置为"white"即可。
根据人口的多少，对区域进行着色：
1 2 3 4 5 6 7 8 9 10 11 12 13 14 provname= c ( "北京市" , "天津市" , "河北省" , "山西省" , "内蒙古自治区" , "辽宁省" , "吉林省" , "黑龙江省" , "上海市" , "江苏省" , "浙江省" , "安徽省" , "福建省" , "江西省" , "山东省" , "河南省" , "湖北省" , "湖南省" , "广东省" , "广西壮族自治区" , "海南省" , "重庆市" , "四川省" , "贵州省" , "云南省" , "西藏自治区" , "陕西省" , "甘肃省" , "青海省" , "宁夏回族自治区" , "新疆维吾尔自治区" , "台湾省" , "香港特别行政区" ); pop= c (1633,1115,6943,3393,2405,4298,2730,3824,1858,7625, 5060,6118,3581,4368,9367,9360,5699,6355,9449, 4768,845,2816,8127,3762,4514,284,3748,2617, 552,610,2095,2296,693); provcol= rgb (red=1-pop/ max (pop)/2,green=1-pop/ max (pop)/2,blue=0); plot (x,col= getColor (x,provname,provcol, "white" ),xlab= "" ,ylab= "" );
颜色越深的地方表示人口越密集。
2.还有ERmap包，它是可交互的地图数据可视化工具，托管在github,基于echarts开发的一个包，它本身提供的参数也比较少。
2.1迁移图
1 2 3 4 5 > cong1 <- c ( "bei jing" , "chang sha" , "shang hai" , "hang zhou" ) > dao2 <- c ( "chang sha" , "shang hai" , "hang zhou" , "xia men" ) > dat2 <- data.frame (cong1,dao2) > out <- remap (dat2) > plot (out)
这个包有个严重的问题是，你输入中文的时候，它有时候无法辨别，幸好当你输入地名的时候可以使用拼音，也不区分大小写，比如输入西安的时候，你可以输入“xi an”也可以“xi an shi”.
2.2颜色等级图
1 2 3 4 > city <- c ( "上海" , "浙江" , "四川" , "北京" ) > value <- c (3734,3248,2361,3305) > cdata <- data.frame (city,value) > remapC (cdata,maptype= "China" ,color= 'skyblue' )
上图因为鼠标移动到浙江区域上，所以高亮黄色显示。同时标签信息在途中显示。
如果我们想在颜色等级图上添加迁移图特点，那我们就要用到marklineData和markPointData这两个参数，它们默认为NULL。
我们下面添加气泡：
1 > remapC (cdata,maptype = "China" ,color = 'skyblue' ,markPointData=dat)
添加箭头：
1 > remapC (cdata,maptype= "China" ,color= 'skyblue' ,markLineData=dat)
如果即要有箭头，又要又气泡：
1 > remapC (cdata,maptype= "China" ,color= 'skyblue' ,markLineData=dat,markPointData=dat)
2.3 热力图
现在我们来继续绘制热力图。数据是随便取的。
1 2 3 4 5 6 7 8 9 10 11 > city <- c ( "xia men" , "shang hai" , "bei jing" , "chong qing" ) > heat <- c (0.9,0.6,0.8,0.7) > temp <- get_geo_position ( as.vector (city)) ##获取坐标 > heatdata <- data.frame (temp$lon,temp$lat,heat) > heatdata temp.lon temp.lat heat 1 118.0959 24.48582 0.9 2 121.4802 31.23631 0.6 3 116.4136 39.91101 0.8 4 106.5572 29.57100 0.7 > remapH (heatdata,minAlpha=0.51,title= "Heat Map from REmap" )
好文要顶 关注我 收藏该文
