用于生成数据文件的R语言的函数实现。

> filename loadDate',date))+ city-read.csv(file='woeid.csv',header=false,fileencoding='utf-8',>-c('en','woeid','zh','prov','long','lat')+>-city[-nrow(city),]++>-do.call(rbind,>-cbind(city,wdata)+>-function(date){>-function(date=sys.time()){>

运行程序loadDate()的函数，程序会根据城市列表的数据，调用getWeather()函数自动爬取我们定义的所有城市的天气数据。

> date=Sys.time();date # 选择日期[1] '2014-10-01 13:01:08 CST'> loadDate(date) # 爬取数据[1] 'Date ==> 2014-10-01 13:01:08'[1] '2151330 ==> 9 13 21 59 4.1 1016.4 0'[1] '2151849 ==> 18 23 30 57 9.99 1015.92 0'[1] '2159908 ==> 12 22 30 58 9.99 1017 0'[1] '20070171 ==> 16 22 26 79 NA 1013.6 0'[1] '2141166 ==> 2 13 34 29 9.99 1015.92 0'[1] '2137321 ==> 3 6 11 81 9.99 1015.92 1'[1] '2148332 ==> 7 16 34 27 9.99 1015.92 0'[1] '2149760 ==> 4 19 30 59 9.99 982.05 0'[1] '2171287 ==> 12 14 11 94 2.49 982.05 2'[1] '26198317 ==> 12 23 34 52 9.99 1015.92 2'[1] '2145605 ==> 6 17 20 82 8 812.73 0'[1] '2138941 ==> 3 21 32 63 9 745.01 0'[1] '2157249 ==> 13 23 11 91 2.99 1017.9 0'[1] '2150551 ==> 8 22 28 60 7 1016.8 0'[1] '2172736 ==> 13 19 32 52 8 1015.92 0'[1] '2168327 ==> 14 22 32 49 NA 1017 0'[1] '2154547 ==> 9 18 20 88 1.59 982.05 2'[1] '2127866 ==> 17 23 34 60 9.99 1015.92 2'[1] '2163866 ==> 19 26 28 78 6 982.05 2'[1] '26198213 ==> 21 28 28 65 9.99 982.05 2'[1] '2137081 ==> 15 23 34 57 9.99 1015.92 2'[1] '2158433 ==> 19 27 20 69 4.01 1015.92 0'[1] '2146703 ==> 18 26 28 73 9.99 1015.92 0'[1] '2160693 ==> 13 23 28 64 9.99 1015.92 2'[1] '2166473 ==> 24 32 30 62 9.99 982.05 0'[1] '26198235 ==> -1 15 30 50 NA 643.41 0'[1] '2132574 ==> 16 23 30 53 9.99 1015.92 0'[1] '26198151 ==> 21 27 20 75 7 1016.4 0'[1] '2161838 ==> 25 31 28 58 8 982.05 2'[1] '2139963 ==> 21 29 28 65 9.99 982.05 0'[1] '2306179 ==> 24 28 28 70 9.99 982.05 0'[1] '2162779 ==> 24 31 30 58 9.99 982.05 0'[1] '24865698 ==> 26 30 30 59 9.99 982.05 2'

程序运行完成后，会在当前目录生成一个名字为20141001.csv文件。打开20141001.csv文件，这个文件就是接下来用于生成可视化图片的基础数据了。

'en','woeid','zh','prov','long','lat','low','high','code','humidity','visibility','pressure','rising''beijing',2151330,'北京','北京市',116.4666667,39.9,'9','13','21','59','4.1','1016.4','0''shanghai',2151849,'上海','上海市',121.4833333,31.23333333,'18','23','30','57','9.99','1015.92','0''tianjin',2159908,'天津','天津市',117.1833333,39.15,'12','22','30','58','9.99','1017','0''chongqing',20070171,'重庆','重庆市',106.5333333,29.53333333,'16','22','26','79',NA,'1013.6','0''harbin',2141166,'哈尔滨','黑龙江省',126.6833333,45.75,'2','13','34','29','9.99','1015.92','0''changchun',2137321,'长春','吉林省',125.3166667,43.86666667,'3','6','11','81','9.99','1015.92','1''shenyang',2148332,'沈阳','辽宁省',123.4,41.83333333,'7','16','34','27','9.99','1015.92','0''hohhot',2149760,'呼和浩特','内蒙古自治区',111.8,40.81666667,'4','19','30','59','9.99','982.05','0''shijiazhuang',2171287,'石家庄','河北省',114.4666667,38.03333333,'12','14','11','94','2.49','982.05','2''wulumuqi',26198317,'乌鲁木齐','新疆维吾尔自治区',87.6,43.8,'12','23','34','52','9.99','1015.92','2''lanzhou',2145605,'兰州','甘肃省',103.8166667,36.05,'6','17','20','82','8','812.73','0''xining',2138941,'西宁','青海省',101.75,36.63333333,'3','21','32','63','9','745.01','0''xian',2157249,'西安','陕西省',108.9,34.26666667,'13','23','11','91','2.99','1017.9','0''yinchuan',2150551,'银川','宁夏回族自治区',106.2666667,38.33333333,'8','22','28','60','7','1016.8','0''zhengzhou',2172736,'郑州','河南省',113.7,34.8,'13','19','32','52','8','1015.92','0''jinan',2168327,'济南','山东省',117,36.63333333,'14','22','32','49',NA,'1017','0''taiyuan',2154547,'太原','山西省',112.5666667,37.86666667,'9','18','20','88','1.59','982.05','2''hefei',2127866,'合肥','安徽省',117.3,31.85,'17','23','34','60','9.99','1015.92','2''wuhan',2163866,'武汉','湖北省',114.35,30.61666667,'19','26','28','78','6','982.05','2''changsha',26198213,'长沙','湖南省',113,28.18333333,'21','28','28','65','9.99','982.05','2''nanjing',2137081,'南京','江苏省',118.8333333,32.03333333,'15','23','34','57','9.99','1015.92','2''chengdu',2158433,'成都','四川省',104.0833333,30.65,'19','27','20','69','4.01','1015.92','0''guiyang',2146703,'贵阳','贵州省',106.7,26.58333333,'18','26','28','73','9.99','1015.92','0''kunming',2160693,'昆明','云南省',102.6833333,25,'13','23','28','64','9.99','1015.92','2''nanning',2166473,'南宁','广西壮族自治区',108.3333333,22.8,'24','32','30','62','9.99','982.05','0''lasa',26198235,'拉萨','西藏自治区',91.16666667,29.66666667,'-1','15','30','50',NA,'643.41','0''hangzhou',2132574,'杭州','浙江省',120.15,30.23333333,'16','23','30','53','9.99','1015.92','0''nanchang',26198151,'南昌','江西省',115.8666667,28.68333333,'21','27','20','75','7','1016.4','0''guangzhou',2161838,'广州','广东省',113.25,23.13333333,'25','31','28','58','8','982.05','2''fuzhou',2139963,'福州','福建省',119.3,26.08333333,'21','29','28','65','9.99','982.05','0''taipei',2306179,'台北','台湾省',121.5166667,25.05,'24','28','28','70','9.99','982.05','0''haikou',2162779,'海口','海南省',110.3333333,20.03333333,'24','31','30','58','9.99','982.05','0''hongkong',24865698,'香港','香港特别行政区',114.1666667,22.3,'26','30','30','59','9.99','982.05','2'

数据一共有10列，字段解释：en，城市英文名

woeid， Yahoo天气API定义的WOEID，用于匹配城市

zh，城市中文名

prov，城市所在省的中文名

long，经度(中国处于东经，不区别东经西经)

lat，纬度(中国处于北纬，不区别南纬北纬)

low，最低温度

high，最高温度

code，天气概括代码

humidity，湿度

visibility，能见度

pressure，大气压

rising，气压变动

这样数据就准备好了，那么接下来就是把天气数据对应到中国行政区地图上了。

3.3 中国地国加载

R语言通过第三方的地图R包，可以很方便的实现基于地图的可视化或基于地理信息的数据处理。那么R语言是如何做到的呢，是通过maps, mapdata, maptools这3个包合作完成的。

我们调用maptools包的readShapePoly()函数，加载中国行政区地图的数据信息，保存在map的变量中，直接用plot()函数就可以看到可视化的效果了。地图数据是我提前下载好的，保存放在mapdata目录中，一共全部3个文件bou2_4p.dbf，bou2_4p.shp和bou2_4p.shx。

> library(maps)> library(mapdata)> library(maptools)> map plot(map) # 画出中国行政区图-readshapepoly('mapdata>

是不是很神奇，2行就画出是中国行政区地图的轮廓，我们再继续来分析map这个变量。先检查一下的map的类型，发现是sp包中定义的SpatialPolygonsDataFrame类型的。

> class(map) # 查看map对象类型[1] 'SpatialPolygonsDataFrame'attr(,'package')[1] 'sp'

SpatialPolygonsDataFrame类型我们并不熟悉，再用pryr包的otype查检一下，面向对象系统的类型。

> library(pryr)> otype(map) # 发现是S4类型的data.frame[1] 'S4'

R语言基于S4的面向对象编程一文，我们已经掌握了S4类型的基础知识，在知道map是一个S4类型的实例后，大概就能猜出这个对象如何使用了。另外从命名上看，SpatialPolygonsDataFrame类型，应该是用data.frame存储了SpatialPolygons的类型的数据。 先通过length()函数和names()函数，从data.frame的角度查看一下map对象，包括7列925行。

> length(map) # 一共有925条记录[1] 925> names(map) # data.frame包括有7列[1] 'AREA' 'PERIMETER' 'BOU2_4M_' 'BOU2_4M_ID' 'ADCODE93'[6] 'ADCODE99' 'NAME'

再通过str()函数查看map对象第一行数据的静态结构。

> str(map[1,])Formal class 'SpatialPolygonsDataFrame' [package 'sp'] with 5 slots ..@ data :'data.frame': 1 obs. of 1 variable: .. ..$ AREA: num 54.4 ..@ polygons :List of 1 .. ..$ :Formal class 'Polygons' [package 'sp'] with 5 slots .. .. .. ..@ Polygons :List of 1 .. .. .. .. ..$ :Formal class 'Polygon' [package 'sp'] with 5 slots .. .. .. .. .. .. ..@ labpt : num [1:2] 127.8 47.9 .. .. .. .. .. .. ..@ area : num 54.4 .. .. .. .. .. .. ..@ hole : logi FALSE .. .. .. .. .. .. ..@ ringDir: int 1 .. .. .. .. .. .. ..@ coords : num [1:5784, 1:2] 121 121 122 122 122 ... .. .. .. ..@ plotOrder: int 1 .. .. .. ..@ labpt : num [1:2] 127.8 47.9 .. .. .. ..@ ID : chr '0' .. .. .. ..@ area : num 54.4 ..@ plotOrder : int 1 ..@ bbox : num [1:2, 1:2] 121.2 43.4 135.1 53.6 .. ..- attr(*, 'dimnames')=List of 2 .. .. ..$ : chr [1:2] 'x' 'y' .. .. ..$ : chr [1:2] 'min' 'max' ..@ proj4string:Formal class 'CRS' [package 'sp'] with 1 slots .. .. ..@ projargs: chr NA

从这两个维度的观察，我们基本清楚map的结构，map里每一行是一个SpatialPolygonsDataFrame对象，包括5个属性，用于存储地图数据信息。取第一行数据data属性，查看结果，发现是黑龙江省的行政区地图数据。

> map[1,]@data AREA PERIMETER BOU2_4M_ BOU2_4M_ID ADCODE93 ADCODE99 NAME0 54.447 68.489 2 23 230000 230000 黑龙江省

用第一行数据画图。

> plot(map[1,])

如果取前100行数据画图，那么应该是部分中国省的行政区地图了，果然如我所料。

> plot(map[1:100,])

由于本文并不是地图包的详细介绍，只要了解到map对象的基本使用就行了，稍后在博客中我会单独介绍用R做地图可视化的开发。

3.4 数据可视化

完成了地图数据加载后，再接下来就是数据可视化了。数据可视化，我认为要分成2部分操作，一部分是数据处理，另一部分是可视化输出。

我们先想一下要怎么进行数据处理，才能把天气数据和地图数据结合起来呢。我们的目标是要画出中国各省天气概况，会用到过之前过滤出的数据中code的数据，code的数据都是代码，我们还要定义code代码和实际意义的映射关系。

Yahoo的源数据中，一共定义了49种天气情况，如code.csv文件所示，根据描述我把相似的天气情况进行合并，最后保留18种天气概况特征。code代码映射文件为lablecode.csv。

code.csv文件。

'code','en','zh','type'0,tornado,龙卷风,31,tropical storm,热带风暴,22,hurricane,暴风,33,severe thunderstorms,强雷雨天气,164,thunderstorms,雷雨,115,mixed rain and snow,雨雪,126,mixed rain and sleet,雨雪,127,mixed snow and sleet,雨雪,128,freezing drizzle,冻毛毛雨,119,drizzle,毛毛雨,1110,freezing rain,冻雨,1111,showers,阵雨,1112,showers,阵雨,1113,snow flurries,小雪,1314,light snow showers,阵雪,1315,blowing snow,飞雪,1316,snow,雪,1417,hail,冰雹,1518,sleet,雨雪,1219,dust,灰尘,520,foggy,雾,721,haze,薄雾,722,smoky,烟雾弥漫,623,blustery,大风,324,windy,风,425,cold,冷,1826,cloudy,多云,827,mostly cloudy (night),满云密布,828,mostly cloudy (day),满云密布,829,partly cloudy (night),少云,930,partly cloudy (day),少云,931,clear (night),晴,1032,sunny,睛,1033,fair (night),晴,1034,fair (day),晴,1035,mixed rain and hail,大雨和冰雹,1636,hot,热,137,isolated thunderstorms,局部雷雨,1138,scattered thunderstorms,零星雷雨,1139,scattered thunderstorms,零星雷雨,1140,scattered showers,零星阵雨,1141,heavy snow,大雪,1442,scattered snow showers,零星阵雪,1343,heavy snow,大雪,1444,partly cloudy,少云,945,thundershowers,雷阵雨,1146,snow showers,阵雪,1347,isolated thundershowers,局部雷雨,113200,not available,无数据,19

字段解释：code，源数据天气特征代码

en，英文描述

zh，中文描述

type，分类代码

lablecode.csv文件。

'type','alias'1,热2,风暴3,大风4,微风5,灰尘6,大雾7,薄雾8,多云9,少云10,晴11,阵雨12,雨加雪13,小雪14,大雪15,冰雹16,大雨17,雷暴雨18,冷19,无数据

字段解释：type，分类代码

alias，用于显示的别名

有了天气特征定义后，我们再把特征匹配到不同的颜色，并增加图例及文字描述，就生成了最终的中国各省天气概况的静态图片了。

> library('RColorBrewer')> getColors2-function(map,prov,ctype){+>-read.csv(file='adcode99.csv',header=true,fileencoding='utf-8',>-function(x){adcode99$adcode99[which(x==adcode99$prov)]}+> summary-function(data=data,output=false,path=''){+>-c(rev(brewer.pal(9,'blues')),rev(c('#b80137','#8c0287','#d93c5d','#d98698','#f6b400','#c4c4a7','#d6d6cb','#d1b747','#ffeda0')))>-data$code+>-'中国各省天气概况'+>-paste(format(date,'%y%m%d'),'_code.png',sep='')+>-''+>-rev(colors)+>-read.csv(file='code.csv',header=true,fileencoding='utf-8',>-read.csv(file='labelcode.csv',header=true,fileencoding='utf-8',>-sapply(temp,function(x){code$type[which(x==code$code)]})++>-as.character(data$zh[row])+>-labelcode$alias[labelcode$type==ctype[row]]+>-ceiling(row>-ifelse(row%%7==0,7,row%%7)+>-ctype[row]+>-'#000000'+><>=12)fontCol-tail(colors,1)+>-head(colors,1)+>-sapply(prov,fc)+>

运行程序，生成静态图片。

> data path='' # 定义输出路径> summary(data,output=TRUE,path=path) # 生成中国各省天气概况图RStudioGD 2-read.csv(file=filename(date),header=true,fileencoding='utf-8',>

代码量大概100行左右，就可以生成这么复杂的天气和地图结合的图片，R真的很神奇！

3.5 可交互的静态图

这是锦上添花的一步，静态图片对于一般应用来说就够了。但如果图片还能动起来，是不是会更吸引人呢？我们可以尝试生成基于HTML5的、有动态效果的图，通过recharts包调Echarts库实现基于HTML5的动画，生成会动的可交互的图片。

由于recharts包没有发布的CRAN，我们需要用devtools包通过Github安装这个包。

> library(devtools) # 加载devtools> install_github('taiyun/recharts') # 下载安装recharts包> library(recharts) # 加载recharts包

由于上面的天气概况是由离散值组成的，利用echarts的库，我们做一个连续值的可视化例子，比如白天气温和夜间气温。定义weather_html()函数，提供气温数据并调用recharts包，实现可视化的输出。

> weather_html-function(data=data,type='high',output=false,path=''){>-data[,c('prov','high')]+>-c('prov','气温')+>-paste(format(date,'%y-%m-%d'),'中国各省白天气温',sep='')+>-paste(format(date,'%y%m%d'),'_day.html',sep='')+>-data[,c('prov','low')]+>-c('prov','气温')+>-paste(format(date,'%y-%m-%d'),'中国各省夜间气温',sep='')+>-paste(format(date,'%y%m%d'),'_night.html',sep='')+>-substr(df[,1],0,2)>-'黑龙江'+>-'内蒙古'++>->-null+>

运行程序，以HTML输出中国各省白天气温。

> date data path='' # 设置文件输出路径> weather_html(data,type='high',output=FALSE,path='') # 输出中国各省白天气温[1] '气温'[1] 'chart path C:\\Users\\ADMINI~1\\AppData\\Local\\Temp\\RtmpqCHFPY'-read.csv(file=filename(date),header=true,fileencoding='utf-8',>-as.date('20141001',format='%y%m%d')>

程序会自动打开浏览器，呈现HTML的网页。

运行程序，以HTML输出中国各省夜间气温。在网页中，通过鼠标对地图进行交互，移动左下角的温度条，选择最高温度30，最低温度8.8，中国地图中由西南到东北变为灰色，说明这些地区的温度不在8.8到30度之间。当鼠标路过海南省的时候，海南省呈现黄色，并提示出温度为23度。

> weather_html(data,type='low', output=FALSE,path='') # 中国各省夜间气温[1] '气温'[1] 'chart path C:\\Users\\ADMINI~1\\AppData\\Local\\Temp\\RtmpqCHFPY'

如果不需要在浏览器中打开，只能想存储生成的网页，可以在程序中设置output为TRUE，当前目录下会生成20141001_night.html的文件。

> weather_html(data,type='low',output=TRUE,path='')[1] '气温'

本文介绍了每日中国天气应用项目完整情况，并完成R语言部分的功能实现。那么下一篇文章，将介绍如何把R语言的功能代码封装成R包。