前不久写的那个，关于如何提取json格式数据地图素材中的相关数据，来适应ggplot2场景下的数据框作图，其实那个代码写的一直都没有通用性。
导致我每做一一个需要使用json地图素材的项目，都需要从新修改那个代码，虽然每一次都能简化不少，但是依然无法适用所有的json素材。
知道最近在leaflet社区浏览案例的时候，才发现大神已经提供了很好的json数据解析方案里，起码有两个（保守估计）以上的包可以完胜这个任务，而且是直接调用现成的函数，无需自己编写方案。
瞬间感觉死磕在json上的时间都能再过一个五一小长假了。
以上所说的解决方案就是利用成熟的json接口（I/O）工具：
geojsonio包和rgdal包：
这两个包可以在主流的空间格式数据之间进行无缝转换。
下面以世界地图为例，演示数据的转换过程。
library("jsonlite")
library("ggplot2")
library(plyr)
library(dplyr)
library(geojsonio)
library(rgdal)
如果还是停留在使用jsonlite包手工提取数据时代，你可能需要经历以下不可描述的代码环节：
setwd("D:/R/mapdata/State")
###
world_data <- fromJSON("world.json")
world_city_data<-world_data$features$properties[,1:2]
world_city_data<-world_data$features$properties[,c("NAME","NAME_LONG","BRK_A3","POP_EST","GDP_MD_EST")]
world_data$features$geometry$coordinates[[1]][,,1]
world_data$features$geometry$coordinates[[1]][,,2]
###
而且以上代码还不能保证每次都好用，可能每遇到一个新的素材，随着josn内部层级嵌套结构的变化，你都需要随之更改代码，工作量那是杠杠的~
可是如果你掌握了以下两个工具,那么josn数据操纵起来基本就没烦恼了，就跟之前操纵shp数据一样，这两个工作就是将json直接导入成控件格式数据，方便使用者进一步提取内部信息。
world_Map1<-geojson_read("world.json",what="sp") #geojsonio包导入
world_Map2<-readOGR("world.json","OGRGeoJSON") #rgdal包导入
world_Mapdata1<-world_Map1@data%>%.[,c("NAME","NAME_LONG","BRK_A3","POP_EST","GDP_MD_EST")]%>%rename(region=NAME)
world_Mapdata1$id<-rownames(world_Mapdata1)
world_MapdataPloygon1<-fortify(world_Map1)%>%left_join(.,world_Mapdata1[,c(6,1,4)])
ggplot(world_Mapdata1,aes(map_id=region))+
geom_map(aes(fill=POP_EST),map=world_MapdataPloygon1)+
expand_limits(x=world_MapdataPloygon1$long,y=world_MapdataPloygon1$lat)+
scale_fill_gradient2(low="#33A15A",high="#BB0126",mid="#FCFFB7",midpoint=mean(world_Mapdata1$POP_EST))+
coord_map("ortho",orientation=c(0,120,0))+
scale_y_continuous(breaks=(-6:6)*15) +
scale_x_continuous(breaks=(-12:12)*15)+
theme_minimal()+
theme(axis.text=element_blank(),axis.title=element_blank())
一个案例应用（来自plotly官网社区，本来是用于展示plot_ly函数应用，这里借用一下）
air <- read.csv('https://raw.githubusercontent.com/plotly/datasets/master/2011_february_us_airport_traffic.csv')
flights <- read.csv('https://raw.githubusercontent.com/plotly/datasets/master/2011_february_aa_flight_paths.csv')
flights$id <- seq_len(nrow(flights))
CairoPNG("D:/world_map.png",1000,900)
showtext.begin()
ggplot()+
geom_polygon(data=world_MapdataPloygon1,aes(x=long,y=lat,group=group),fill="grey95",col="grey")+
geom_segment(data=flights,aes(x=start_lon,y=start_lat,xend=end_lon,yend=end_lat),col="red",size=.2)+
geom_point(data=air,aes(x=long,y=lat,size=cnt),shape=21,fill="#D73434",col="grey",alpha = 0.5)+
scale_y_continuous(breaks=(-6:6)*15) +
scale_x_continuous(breaks=(-12:12)*15)+
scale_size_area(max_size=15)+
coord_map("ortho",orientation=c(25,-100,0))+
theme_minimal()+
theme(axis.text=element_blank(),axis.title=element_blank())
showtext.end()
dev.off()
最新版的ggplot2中已经出现了一个新的图层函数——geom_sf，专门用于处理空间数据格式，这样算起来，ggplot系统中已经有至少三个可以处理空间数据的函数了，geom_polygon\geom_map\geom_sf（如果不算ggmap这种外接函数的话）。
R语言之所在主流数据可视化领域长盛不衰，也许就是靠着诸多爱好者源源不断的贡献能够适应各种场景、各种需求和目的的应用解决方案，空间数据可视化是呈现数据可视化之美非常独特的视角，可以说是上上帝之眼~
倘若有一天，自己的水平和火候到了，一定要为R语言可视化领域贡献一份微薄之力（虽然不知道能不能有这么一天~_~）
