本文内容取材自leaflet.minicharts包官方主页的案例介绍，本篇案例虽然是关于leaflet在线地图的辅助包，但是该包的出现对于leaflet生态系统来说，确是有着划时代的意义。
该包大大扩充了leaflet包所能呈现的图表形式，打破了散点图、路径图、热力图三类图表对于传统地图数据呈现形式的垄断地位。
该包为此提供了气泡饼图、玫瑰图、mini柱形图以及时间维度控制器等多种数据可视化元素。
以下便是作者对该包的简要介绍及案例演示：
一直以来，借助于Rstudio团队开发的交互式地图工具包——leaflet，在R语言中创建交互式地图已非难事。但是该包仅仅提供了很少的集中图表呈现类型，因而在一张单独的地图上呈现的数据信息量被大大限制了。
倘若你要在地图上呈现一些点数据，你只能需要使用两个变量定位出这些点在地图上的位置，然后更改点的半径和点的填充颜色来呈现数据。
然后leaflet.minicharts包的出现大大改变了这一格局。你可以在利用其提供的两个附加函数，在leaflet包的交互地图上增加更多的mini图表。
这些mini图表可以呈现比之前多得多的变量数据（理论上不受变量数量的限制），目前为止，仅支持三种图表类型：
barcharts (the default), pie charts and polar area charts.
该包内提供了一个法国自2010~2017年包含电力产品、电力消费及结构变动趋势的数据集。
library("ggplot2")
library("leaflet.minicharts")
library(geojsonio)
library(rgdal)
data("eco2mix")
head(eco2mix)
geojson <-readOGR("D:/R/mapdata/State/France.json","OGRGeoJSON",stringsAsFactors=FALSE)
#导入json格式的法国地图数据素材
library(dplyr)
prod2016 <- eco2mix %>%
mutate(
renewable = bioenergy + solar + wind + hydraulic,
non_renewable = total - bioenergy - solar - wind - hydraulic
) %>%
filter(grepl("2016",month) & area!= "France") %>%
select(-month) %>%
group_by(area,lat,lng) %>%
summarise_all(sum) %>%
ungroup()
#抽取了法国2016年的能源消费结构数据信息：
library(leaflet)
library(leafletCN)
basemap <- leaflet(geojson,width ="100%",height="400px") %>% amap() %>%
addPolygons(weight=1,color="#444444",opacity=1,fillColor ="white",fillOpacity =0.7,smoothFactor=0.5)
#将地图背景保存为临时对象：
renewable2016 <- prod2016 %>% select(hydraulic,solar,wind)
colors <- c("#3093e5","#fcba50","#a0d9e8")
basemap %>%
addMinicharts(
prod2016$lng, prod2016$lat,
chartdata = renewable2016,
colorPalette = colors,
width = 45, height = 45
)
#默认图表形式是柱形图
#气泡饼图
colors <- c("#4fc13c", "#cccccc")
basemap %>%
addMinicharts(
prod2016$lng, prod2016$lat,
type = "pie",
chartdata = prod2016[, c("renewable", "non_renewable")],
colorPalette = colors,
width = 60 * sqrt(prod2016$total)/sqrt(max(prod2016$total)),transitionTime=0)
#玫瑰图1：
basemap %>%
addMinicharts(
prod2016$lng, prod2016$lat,
type = "polar-radius",
chartdata = prod2016[, c("renewable", "non_renewable")],
colorPalette = colors,
width = 60 * sqrt(prod2016$total)/sqrt(max(prod2016$total)),transitionTime=0)
#极坐标（玫瑰图）
#玫瑰图2：
basemap %>%
addMinicharts(
prod2016$lng, prod2016$lat,
type = "polar-area",
chartdata = prod2016[, c("renewable", "non_renewable")],
colorPalette = colors,
width = 60 * sqrt(prod2016$total)/sqrt(max(prod2016$total)),transitionTime=0)
添加时间趋势：
#柱形图（带时间趋势）
prodRegions <- eco2mix %>% filter(area != "France")
basemap %>%
addMinicharts(
prodRegions$lng, prodRegions$lat,
chartdata = prodRegions[, c("hydraulic", "solar", "wind")],
time = prodRegions$month,
colorPalette = colors,
width = 45, height = 45
)
#饼图（带时间趋势）
prodRegions <- eco2mix %>% filter(area != "France")
basemap %>%
addMinicharts(
prodRegions$lng, prodRegions$lat,
chartdata = prodRegions[, c("hydraulic", "solar", "wind")],
time = prodRegions$month,
colorPalette = colors,
type="pie",
width = 45, height = 45
)
#玫瑰图（带时间趋势）
prodRegions <- eco2mix %>% filter(area != "France")
basemap %>%
addMinicharts(
prodRegions$lng, prodRegions$lat,
chartdata = prodRegions[, c("hydraulic", "solar", "wind")],
time = prodRegions$month,
colorPalette = colors,
type="pie",
width = 45, height = 45
)
