之前本号转载了DataCharm公众号的一篇推送：

• 转载 | 双变量映射地图可视化绘制方法

这篇推送使用了biscale工具包绘制了双变量填充地图。近来，小编发现使用常用的绘图工具包也能很便捷的绘制这种地图，而且灵活性更强一些。

1  示例数据

本篇使用的示例数据和上面转载的推送一样，关于数据的介绍可以点击上面的推送链接查看。

library(tidyverse)
data <- socviz::county_dataalbersusa::counties_sf(proj = "laea") %>%mutate(fips = as.character(fips)) %>%left_join(data, by = c("fips" = "id")) -> usa

• 示例数据来自socviz和albersusa两个工具包，目前它们都只能通过github安装。不会安装的读者可以在公众号后台发送关键词“示例数据”获取。

2 准备工作

灵感来自Nature上的一篇论文：

• Dwyer-Lindgren, L., Cork, M.A., Sligar, A. et al. Mapping HIV prevalence in sub-Saharan Africa between 2000 and 2017. Nature, 570, 189–193 (2019). https://doi.org/10.1038/s41586-019-1200-9

这篇论文绘制的双变量填充地图是这样的：

要想绘制这样的地图，关键是要定义两个方向的渐变颜色，这里直接使用了上述论文所定义的颜色，然后使用sf工具包的网格生成函数制作了图例，后续只要把这个图例与主图拼接在一起就行了。

library(sf)
# 选择颜色
colors <- list(c(249, 244, 248), c(205, 216, 236), c(177, 203, 230), c(138, 181, 223),c(239, 212, 219), c(202, 190, 210), c(175, 176, 207), c(131, 160, 204),c(237, 170, 179), c(197, 163, 187), c(157, 145, 183), c(130, 142, 190),c(234, 129, 143), c(192, 130, 155),c(161, 129, 166), c(121, 122, 170))
colors <- sapply(colors, function(x) do.call('rgb', c(as.list(x), maxColorValue = 255)))
comb <- outer(1:4, 1:4, paste0) %>% c()
coldf <- data.frame(col = colors, comb = comb) %>%mutate(col = as.character(col))
# 生成网格
pts <- rbind(c(0,0), c(0, 4),c(4,4), c(4,0), c(0,0))
sfc <- st_sfc(st_polygon(list(pts)))
grid <- st_make_grid(sfc, n = c(4,4))
Legend <- st_sf(geom = grid, label = coldf$col)
Legend$col <- coldf$col
# 可视化
plot(st_geometry(Legend), col = Legend$col, border = NA)

通过给矢量对象及其属性变量一个固定的命名，在更换绘图数据或变量时只需在下面代码中相应位置修改即可：

Shp <- usa %>%mutate(Var01 = hh_income) %>%mutate(Var02 = travel_time)

• 这里和转载推文一样，使用hh_income和travel_time作为绘图映射变量。

生成示例对象的边界、将属性变量由连续变量转换为分类变量：

Border <- st_union(Shp)
Shp %>%mutate(A = as.numeric(cut(Var01, include.lowest = T,breaks = quantile(Var01, na.rm = T,probs = c(0, 0.25,0.5, 0.75, 1)))),B = as.numeric(cut(Var02, include.lowest = T,breaks = quantile(Var02, na.rm = T,probs = c(0, 0.25,0.5, 0.75, 1)))),comb = paste0(A, B)) %>%left_join(coldf, by = "comb") -> Shp

• 这里使用的是四分位分类法，如果有需要在probs参数中可以修改相应的分位数，或者选用其他分类方法。

3 常用工具包

R语言中常用的绘图系统主要是基础绘图系统graphics和ggplot2两种，另外，tmap是专门绘制地图的工具包。本文分别使用这三个常用工具包来绘制双变量填充地图。

3.1 graphics

绘制方法如下：

# 主图
par(fig = c(0,0.9,0,1), plt = c(0,1,0.05,1), family = "mono")
plot(st_geometry(Shp), col = Shp$col, border = NA)
plot(Border, cex = 1, lwd = 2, add = T)
# 图例
par(fig = c(0.85,1,0.1,0.35), plt = c(0,1,0.1,1))
par(new = T, mgp = c(0,0,-2))
plot(st_geometry(Legend), col = Legend$col, border = NA)
mtext("hh_income", side = 1)
mtext("travel_time", side = 2)

• 使用graphics工具包中的函数绘制地图需要加载sf工具包；

• 通过par函数的fig参数控制主图和图例的位置，该参数的元素使用的是相对尺度，即把内边框的长、宽作为1个单位长度，具体可见推文graphics | 基础绘图系统（二）—— 绘图参数及par函数中的布局参数；

• mtext函数中需要修改相应的变量或标签名称。

3.2 ggplot2

绘制方法如下：

library(ggplot2)
# 主图
ggplot(Shp) +geom_sf(aes(fill = I(col)), col = NA) +theme_void() +theme(text = element_text(family = "mono"))-> main
# 图例
ggplot(Legend) +geom_sf(aes(fill = I(col)), col = NA) +labs(x = "hh_income", y = "travel_time") +theme_void() +theme(text = element_text(family = "mono"),axis.title = element_text(),axis.title.y = element_text(angle = 90)) -> legend
# 组合
library(cowplot)
ggdraw() +draw_plot(main, 0, 0, 0.9,1) +draw_plot(legend, 0.75, 0.05, 0.25, 0.25)

• 拼接ggplot2工具包绘制的图形需要借助cowplot工具包，因此需要对主图和图例分别进行命名；

• draw_plot函数同样使用的是相对尺度的坐标方式。

3.3 tmap

绘制方式如下：

library(tmap)
# 主图
tm_shape(Shp) +tm_fill(col = "col") +tm_shape(Border) +tm_borders(lwd = 2) +tm_compass(position = c(0.75, 0.85), size = 2.5) +tm_scale_bar(position = c(0.6, 0.01), text.size = 0.8) +tm_legend(show = F) +tm_layout(frame = F, fontfamily = "mono") -> main
main
# 图例
tm_shape(Legend) +tm_fill("col") +tm_xlab("hh_income") +tm_ylab("travel_time") +tm_layout(frame = F, fontfamily = "mono") -> legend
legend

• tmap作为专门的地图绘制工具包，其语法结构类似于ggplot2，因此对于习惯使用ggplot2绘图的读者很容易入门和掌握。

目前小编还没发现完美拼接tmap绘制的地图的方法，tmap_arrage函数达不到相应的效果：

tmap_arrange(main, legend, ncol = 2,widths = c(0.75, 0.25))

• 该函数只能将主图和图例拼接成并列的两列，而不能将图例缩小放到右下角；替代方法是分别导出主图和图例，然后使用Adobe Illustrator软件进行手动调整。

4 比较

4.1 优劣比较

这三个工具包各有优劣：

• graphics使用自有参数就可以实现灵活的图形拼接功能，运行速度也较快，但是绘制地图时无法添加指北针和比例尺等地图要素；

• ggplot2是比较流行的绘图工具包，其绘制地图的功能可能有限，但它有诸多拓展包，从而可以实现灵活拼接、添加指北针和比例尺等功能，不过这也增加了其学习难度；

• tmap作为专业的地图绘制工具包，可以很方便地添加各种地图要素，缺点是它的图形拼接功能比较有限，而且加载该工具包极为耗时。

4.2 颜色参数比较

这三个工具包中的绘图函数都拥有多个与颜色相关的参数，辨析如下：

• graphics中的plot函数，col参数不能用于映射，其取值只能是颜色编码，并按照行序依次循环赋予给相应的空间单元；palette参数用于映射，并结合breaks和nbreaks参数使用；border参数用于给空间单元的边界上色。这里使用的是col参数并设置border = NA，以消除内部边界；

• ggplot2中的geom_sf函数，fill和col参数均有映射和非映射两种用法，其中前者用于空间单元的填充色，后者用于给边界上色。这里使用fill的映射用法并设置col = NA，以消除内部边界；

• tmap中的tm_fill函数，该函数只针对填充色进行设置，col参数有映射和非映射两种用法，无论是否映射，其取值都需要加引号""；palette参数为非映射用法，用于为col参数的映射提供对应的颜色编码；若col参数映射的变量本身就是颜色编码时，则会忽略palette参数；设置边界需要调用tm_border函数。这里设置col = "col"，其中col变量本身为颜色编码，不调用tm_border函数则默认不显示边界。

往期推荐阅读：

• 《数据处理通识》专辑-base | 使用apply族函数进行向量化运算

• 《制表与可视化》专辑-ggplot2 | ggplot2作图语法入门

• 《数学模型》专辑-car | 线性回归（三）——残差分析和异常点检验

• 《地理计算与分析》专辑-spdep | 如何在R语言中计算空间自相关指数