Hello,
大家好！ 很高兴能借助这个平台每周5分钟与大家分享 一点儿数据分析 的那些事。
数据分析的工具很多，而R语言因其免费开源、易于解释和统计分析很受高校和业界的青睐。今天介绍 R软件在绘制地图中的初级应用。主要以code 和 图示 的方式向大家展现。
1. 世界地图：
install.packages('maps') ### 安装包
library('maps') ### 载入包
map(database='world',region='.',fill=TRUE,col=rainbow(200)) ### 绘图
title('世界地图') ### 加标题
？map ### 查看文档
2.中国地图：
（Note：首先从网上下载GIS数据，解压到GIS_data目录。web: content/uploads/2009/07/chinaprovinceborderdata_tar_gz.zip）
setwd('F:/GIS_data') ### 设置工作目录
install.packages('maptools'); library(maptools)
china<- readShapePoly('bou2_4p.shp') ### 获得各省的边界信息
plot(china)
3.给中国地图上色：
getColor<- function(mapdata,provname,provcol,othercol){
f<-function(x,y) ifelse(x %in% y, which(y==x), 0)
colInd<- sapply(mapdata@data$NAME, f, provname)
col<- c(othercol,provcol)[colInd+1]
col
} ###定义函数：给34个省份添加颜色
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") ###省份向量
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) ###省人口向量
provcol=rgb(red=pop/max(pop),green=1-pop/max(pop),blue=0) ###省颜色
plot(china,col=getColor(china,provname,provcol,"white"),xlab="",ylab="") ###中国各省人口数量图
points(c(113.25,117,113.7), c(23.13333333,36.63333333,34.8), pch = 19, col = rgb(0, 0, 0, 0.5))
text(c(113.25,117,113.7), c(23.13333333,36.63333333,34.8),c('广东','山东','河南'), cex = 0.7, col = 'blue') ###标出人口数量前三的省份
title('中国各省人口数量图')
4. 部分省图：
prov=c('河北省','山东省','安徽省','江苏省','上海市') ###定义绘制的省份
plot(china, col = getColor(china,prov, rep("red", 5), "white"), border = "white", xlab = "", ylab = "")
5. 坐标与距离
install.packages('ggmap'); library(ggmap)
geocode('East China Normal University') ### 获取华师大(普陀区)的坐标
< lon lat
< 121.4095 31.22729
geocode('East China Normal University', output='all') ### 详情
< address
< "Hua Dong Shi Fan Da Xue Ti Yu Guan, HuaShiDa, Putuo Qu, Shanghai Shi, China, 200062"
mapdist('East China Normal University','Shanghai South Station')
< m km miles
3048 3.048 1.894027
< seconds minutes hours
695 11.58333 0.1930556
6. 地势图和道路图：
install.packages('mapproj'); library(mapproj)
map<-get_map(location='China',zoom=4) ### 获取地势图
ggmap(map)
map<-get_map(location='Shanhai',zoom=11,maptype='roadmap')
ggmap(map)
基于 GoogleMaps
map<-get_map(location='Shanghai',zoom=11,maptype='roadmap',source='osm')
基于OpenStreetMap
可见，基于Google的做的更清晰一些哦~
如有兴趣，可以关注一下微信公众号：
