R数据可视化第三弹---ggplot2和REmap包绘制地图

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

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。

> 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)

> 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。

> 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：

> install.packages("maps")
> install.packages("mapdata")

　　然后加载：

> library(maps)
> library(mapdata)

　　加载成功后我们可以使用map方法绘制中国地图：

> 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：

> 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：

> plot(x,col=gray(924:0/924))

在地图中只画出部分省份所代表的区域：

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：

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

> 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

> 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：

> remapC(cdata,maptype = "China",color = 'skyblue',markPointData=dat)

添加箭头：

> remapC(cdata,maptype="China",color='skyblue',markLineData=dat)

如果即要有箭头，又要又气泡：

> 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。

> 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)
> heatdatatemp.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")

转载于:https://www.cnblogs.com/lizhilei-123/p/6734378.html

R数据可视化第三弹---ggplot2和REmap包绘制地图相关推荐

三、R语言可视化--ggplot2和REmap包绘制地图
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/drawi ...
高级转录组分析和R数据可视化(2020.2,课程推迟,可先报名,时间另行告知)
封面来源:https://www.zhihu.com/question/304747766 常规转录组是我们最常接触到的一种高通量测序数据类型,其实验方法成熟,花费较低,是大部分CNS必备的技术,以后 ...
高级转录组分析和R数据可视化专题研讨会(2019.12)
常规转录组是我们最常接触到的一种高通量测序数据类型,其实验方法成熟,花费较低,是大部分CNS必备的技术,以后应该就如做个PCR一样常见.而且分析思路简洁清晰,是入门生信,学习生信分析思路和数据可视化的 ...
高级转录组分析和R数据可视化第十一期(报名线上课还可免费参加线下课)
" 福利公告:为了响应学员的学习需求,经过易生信培训团队的讨论筹备,现决定安排扩增子16S分析.宏基因组.Python课程和转录组的线上直播课.报名参加线上直播课的老师可在1年内选择参加同课 ...
R 数据可视化 02 | 火山图
R 数据可视化 02 | 火山图文章目录 R 数据可视化 02 | 火山图一. 示例数据准备二. 环境需求三. 绘制火山图 1. 火山图 2. 标记基因的火山图四. 保存为图片五. 详细参 ...
高级转录组分析和R数据可视化
封面来源:https://www.zhihu.com/question/304747766 常规转录组是我们最常接触到的一种高通量测序数据类型,其实验方法成熟,花费较低,是大部分CNS必备的技术,以后 ...
高级转录组分析和R数据可视化第11期(报名线上课还可免费参加线下课2020.6)
福利公告:为了响应学员的学习需求,经过易生信培训团队的讨论筹备,现决定安排扩增子16S分析.宏基因组.Python课程和转录组的线上直播课.报名参加线上直播课的老师可在1年内选择参加同课程的一次线下课 ...
高级转录组分析和R数据可视化第11期(课程推迟，可先报名，时间另行告知)
封面来源:https://www.zhihu.com/question/304747766 常规转录组是我们最常接触到的一种高通量测序数据类型,其实验方法成熟,花费较低,是大部分CNS必备的技术,以后 ...
独家 | 盘点9个适用所有学科的R数据可视化包（附链接）
作者:Asha Hill 翻译:王雨桐校对:蒋雨畅本文约1900字,建议阅读8分钟. 本文将简要盘点R中常用的9个可视化包,并通过简要介绍包的特点和相关案例来帮助读者深入理解可视化包. 如果最近浏 ...

R数据可视化第三弹---ggplot2和REmap包绘制地图

R数据可视化第三弹---ggplot2和REmap包绘制地图相关推荐

最新文章

热门文章