作者:张同学
来源:凹凸数据
第一版结果
1、分文件存储信息:
name.dbf name.shp name.shx
2、获取渠道
https://gadm.org/download_country_v3.html
3、导入工具
maptools rgdal
sf
1、key-value形式的键值对结构
name.json
2、获取渠道
http://datav.aliyun.com/static/tools/atlas/
3、导入工具
rgdal
sf
个人使用下来的感受是阿里云的json文件使用起来会更加方便一点。
个人使用比较多的是SF格式的数据模型。
文件格式与函数方法关系图
设计目的:进行地理文件的加载、数据转换及基础处理,将地理信息数据与业务数据的融合(sp与sf数据模型),添加地理标签,应用地理坐标轴,最终完成一个地理空间可视化的小demo。
1、从阿里地图下载省级地图,加载并实现地图可视化,在绘图前先做一些准备工作:
library("ggplot2")
library("rgdal")
library("sf")
library("sp")
library("ggthemes")
library('dplyr')
library("data.table") #fread函数用于读取CVS表格
library("ggrepel")
rm(list = ls())
gc()
setwd("D:/空间可视化与地理基础")#指定读取文件的路径
#rgdal包读入:
gansu_map <- readOGR("甘肃省.json",stringsAsFactors=FALSE)
Encoding(gansu_map@data$name) <- 'UTF-8'
frame_data = gansu_map@data
#frame_polygon = gansu_map@polygons
frame_polygon = fortify(gansu_map)
ggplot(frame_polygon,aes(long,lat,group = group)) +geom_polygon(colour = 'white')
division_data1 <- gansu_map@data
division_data1 <- mutate(division_data1,id = row.names(division_data1))
division_data1 <- division_data1[,c("id","name")] #行政区划层
#division_data <- china_map1@data %>% mutate(id = row.names(.)) %>% .[,c("id","NAME")] #行政区划层
polygons_data1 <- fortify(gansu_map) #地理信息边界点数据
polygons_data1 <- polygons_data1[,c(1,2,7,3,6)]
#polygons_data <- fortify(china_map1) %>% .[,c(1,2,7,3,6)]
division_data1$id <- as.numeric(division_data1$id)
polygons_data1$id <- as.numeric(polygons_data1$id)
final_mapdata1 <- left_join(polygons_data1,division_data1,by= 'id')
ggplot(final_mapdata1,aes(long,lat,group = group)) +
geom_polygon(aes(fill=name),colour = 'white')+
coord_map("polyconic")
运行效果如下:
ggplot() +
geom_polygon(data=final_mapdata1,aes(x=long,y=lat,group = group,fill=name),colour = 'white')+
geom_text_repel(data=frame_data,aes(x=centroid1,y=centroid2,label=name))+
coord_map("polyconic")
还有优化版哦!
见明天续集
[1]
张杰.《R语言数据可视化之美-专业图表绘制指南(增强版)》第11章 地理空间型图表: https://www.cnblogs.com/zzj420133722/p/13789195.html