数模技巧不用for循环且使用ggplot2如何实现地图上连线

技术数模技巧不用for循环且使用ggplot2如何实现地图上连线小编给大家分享一下数模技巧不用for循环且使用ggplot2如何实现地图上连线,希望大家阅读完这篇文章之后都有所收获,下面让我们一起去探讨吧!1. 前文回顾

边肖将与您分享如何使用ggplot2在地图上连接,而无需for循环。希望大家看完这篇文章后有所收获。我们一起讨论一下吧!

00-1010首先,我们可以回顾一下我们是如何使用ggplot2绘制一幅没有阶梯的美丽中国地图的:用R(没有谷歌)绘制一幅美丽的中国地图。

下面,基于我们面前绘制的中国地图,根据计算(最小生成树算法,这个我们后面有时间讲,但是目前在网上很详细,而且有很多代码),相应的链接附在我们的地图上。

1. 前文回顾

数模技巧不用for循环且使用ggplot2如何实现地图上连线

00-1010我们需要选择几个点并连接它们。以下是我们想要达到的最终效果(上图是用Mac画的,下图是Windows,可能纹理不同,请理解):

数模技巧不用for循环且使用ggplot2如何实现地图上连线

为了达到这种效果,我们主要需要将数据集组织成一种可以舒适绘制的方式。用ggplot2绘图,整理数据集占了80%以上的工作。

背景图像

我们的最终目标是连接33条线,所以首先列出要分组连接的线(每个城市对应一组经纬度,对应地图上的一个点)。

(前面最后的渲染图是前11组城市连接)

以下数据被命名为:city_pair。

城市

1北京天津上海

上海、广州和深圳

3广州、深圳和重庆

4重庆成都

5 Xi安渝

6北京天津哈尔滨

7北京、天津和武汉

8武汉郑州

9重庆昆明

10 .北京天津乌鲁木齐

1北京天津拉萨

12郑州Xi安

13武汉重庆

14北京天津郑州

15 .京津Xi安

16郑州重庆

17北京天津重庆

18武汉、广州和深圳

19上海武汉

20上海郑州

21北京a

mp;天津 广州&深圳
22      上海      重庆
23      昆明 广州&深圳
24      武汉      成都
25      郑州      成都
26      西安      成都
27 北京&天津      成都
28      成都      昆明
29      西安      武汉
30      成都 广州&深圳
31      上海      成都
32    哈尔滨      重庆
33    哈尔滨 广州&深圳

所以我们还需要对应城市经纬度及人口信息,这里的对象为mat.cities,它长这样:(这部分的数据生成也在我们前面的博客中有提及)

   names      lat      long population
1  北京&天津 39.90420 116.40740    32.5506
2       上海 31.23039 121.47370    23.0191
3       郑州 34.74725 113.62493     8.6265
4   乌鲁木齐 43.82660  87.61684     3.1103
5     哈尔滨 45.80218 126.53582    10.6360
6       西安 34.34126 108.93982     8.4678
7       武汉 30.59276 114.30524     9.7854
8       成都 30.57022 104.06477    14.0476
9       拉萨 29.64411  91.11445     0.5594
10      重庆 29.56470 106.55071    28.8462
11      昆明 24.87966 102.83321     6.4320
12 广州&深圳 23.02067 113.75178    23.0587

有了这样两份原始数据,我们就可以开始进行绘图了。

首先是需要将数据整理成能够进行绘图的,为了方便操作,我们直接对原本的33组城市对进行操作。下面是数据预处理的过程。(由于当时数模时间有限,而数据量也不是很大,所以下面采用了大量的for循环,希望大家在用R时还是尽可能多用向量化操作,少用for循环)

2) 数据预处理

预处理代码如下:

dat_plot = matrix(nrow = 66, ncol = 4)
k = 0
for (i in 1:33) {
  for (j in 1:2) {
    k = k + 1
    my.row = mat.cities[city_pair[i, j] == mat.cities$names, ]
    dat_plot[k, 1] = unlist(my.row[1])
    dat_plot[k, 2] = unlist(my.row[2])
    dat_plot[k, 3] = unlist(my.row[3])
    dat_plot[k, 4] = i
  }
}
colnames(dat_plot) = c('地区', 'lat', 'long', 'group')
dat_plot = as.data.frame(dat_plot)
dat_plot$lat = as.numeric(as.character(dat_plot$lat))   
dat_plot$long = as.numeric(as.character(dat_plot$long))

这里我们的主要思路是:将配对的一组城市变为拆分成两组,然后再在最后添加一个group变量,主要是用于连线(两个城市如果在一个相同的group中,使用ggplot绘图中的参数group即可将两个点连接起来)。

在生成完想要的数据集后,记得将经纬度调整为数值型,group直接为factor即可。

最后我们得到的数据dat_plot长下面这样:

地区      lat      long group
1  北京&天津 39.90420 116.40740     1
2       上海 31.23039 121.47370     1
3       上海 31.23039 121.47370     2
4  广州&深圳 23.02067 113.75178     2
5  广州&深圳 23.02067 113.75178     3
6       重庆 29.56470 106.55071     3
7       重庆 29.56470 106.55071     4
8       成都 30.57022 104.06477     4
9       重庆 29.56470 106.55071     5
10      西安 34.34126 108.93982     5
11 北京&天津 39.90420 116.40740     6
12    哈尔滨 45.80218 126.53582     6
13 北京&天津 39.90420 116.40740     7
14      武汉 30.59276 114.30524     7
15      武汉 30.59276 114.30524     8
16      郑州 34.74725 113.62493     8
17      重庆 29.56470 106.55071     9
18      昆明 24.87966 102.83321     9
19 北京&天津 39.90420 116.40740    10
20  乌鲁木齐 43.82660  87.61684    10
21 北京&天津 39.90420 116.40740    11
22      拉萨 29.64411  91.11445    11
23      郑州 34.74725 113.62493    12
24      西安 34.34126 108.93982    12
25      武汉 30.59276 114.30524    13
26      重庆 29.56470 106.55071    13
27 北京&天津 39.90420 116.40740    14
28      郑州 34.74725 113.62493    14
29 北京&天津 39.90420 116.40740    15
30      西安 34.34126 108.93982    15
31      郑州 34.74725 113.62493    16
32      重庆 29.56470 106.55071    16
33 北京&天津 39.90420 116.40740    17
34      重庆 29.56470 106.55071    17
35      武汉 30.59276 114.30524    18
36 广州&深圳 23.02067 113.75178    18
37      上海 31.23039 121.47370    19
38      武汉 30.59276 114.30524    19
39      上海 31.23039 121.47370    20
40      郑州 34.74725 113.62493    20
41 北京&天津 39.90420 116.40740    21
42 广州&深圳 23.02067 113.75178    21
43      上海 31.23039 121.47370    22
44      重庆 29.56470 106.55071    22
45      昆明 24.87966 102.83321    23
46 广州&深圳 23.02067 113.75178    23
47      武汉 30.59276 114.30524    24
48      成都 30.57022 104.06477    24
49      郑州 34.74725 113.62493    25
50      成都 30.57022 104.06477    25
51      西安 34.34126 108.93982    26
52      成都 30.57022 104.06477    26
53 北京&天津 39.90420 116.40740    27
54      成都 30.57022 104.06477    27
55      成都 30.57022 104.06477    28
56      昆明 24.87966 102.83321    28
57      西安 34.34126 108.93982    29
58      武汉 30.59276 114.30524    29
59      成都 30.57022 104.06477    30
60 广州&深圳 23.02067 113.75178    30
61      上海 31.23039 121.47370    31
62      成都 30.57022 104.06477    31
63    哈尔滨 45.80218 126.53582    32
64      重庆 29.56470 106.55071    32
65    哈尔滨 45.80218 126.53582    33
66 广州&深圳 23.02067 113.75178    33

3) 绘图

下面我们的核心绘图代码如下,想要连接不同的线,我们只是变了数据中选取的行,如:dat_plot[1:22, ]

## 11线
ggplot() + 
  geom_path(data = china, aes(long, lat, group = group), color = '#FD9FA4', show.legend = F) +
  geom_point(data = mat.cities, aes(x = long, y = lat, size = population), alpha = 0.8, color = '#8BB6D6') +
  geom_line(data = dat_plot[1:22, ], aes(long, lat, group = group), size = 1, alpha = 0.8, color = '#8BB6D6') +
  geom_text_repel(data = mat.cities, aes(x = long, y = lat, label = names), family = "STHeiti") +
  labs(x = '经度', y = '纬度', title = '十一条连线', size = '人口(百万)') + 
  theme_bw() +
  theme(panel.border = element_blank(),
        text = element_text(family = "STHeiti"),
        plot.title = element_text(hjust = 0.5))
## 16线
ggplot() + 
  geom_path(data = china, aes(long, lat, group = group), color = '#FD9FA4', show.legend = F) +
  geom_point(data = mat.cities, aes(x = long, y = lat, size = population), alpha = 0.8, color = '#8BB6D6') +
  geom_line(data = dat_plot[1:32, ], aes(long, lat, group = group), size = 1, alpha = 0.8, color = '#8BB6D6') +
  geom_text_repel(data = mat.cities, aes(x = long, y = lat, label = names), family = "STHeiti") +
  labs(x = '经度', y = '纬度', title = '十六条连线', size = '人口(百万)') + 
  theme_bw() +
  theme(panel.border = element_blank(),
        text = element_text(family = "STHeiti"),
        plot.title = element_text(hjust = 0.5))
## 33线
ggplot() + 
  geom_path(data = china, aes(long, lat, group = group), color = '#FD9FA4', show.legend = F) +
  geom_point(data = mat.cities, aes(x = long, y = lat, size = population), alpha = 0.8, color = '#8BB6D6') +
  geom_line(data = dat_plot[1:66, ], aes(long, lat, group = group), size = 1, alpha = 0.8, color = '#8BB6D6') +
  geom_text_repel(data = mat.cities, aes(x = long, y = lat, label = names), family = "STHeiti") +
  labs(x = '经度', y = '纬度', title = '三十三条连线', size = '人口(百万)') + 
  theme_bw() +
  theme(panel.border = element_blank(),
        text = element_text(family = "STHeiti"),
        plot.title = element_text(hjust = 0.5))

绘图过程没有什么好说的了,里面使用的函数与方法都在前面的博客中提及过:

R语言学习ggplot2绘制统计图形包全面详解

唯一添加的连线所使用的函数:geom_line,里面只需注意多了一个参数group,记得添加即可。

4) 结果展示

最后的16条连线与33条连线的效果图分别如下所示:

16条连线:

数模技巧不用for循环且使用ggplot2如何实现地图上连线

33条连线:

数模技巧不用for循环且使用ggplot2如何实现地图上连线

看完了这篇文章,相信你对“数模技巧不用for循环且使用ggplot2如何实现地图上连线”有了一定的了解,如果想了解更多相关知识,欢迎关注行业资讯频道,感谢各位的阅读!

内容来源网络,如有侵权,联系删除,本文地址:https://www.230890.com/zhan/89353.html

(0)

相关推荐

  • SpringBoot应用程序使用Gradle配置脚本中的版本号

    技术SpringBoot应用程序使用Gradle配置脚本中的版本号 SpringBoot应用程序使用Gradle配置脚本中的版本号在Gradle构建系统时设置了项目的版本号,使用SpringBoot开发

    礼包 2021年12月16日
  • 如何解决Python3.6中PyKeyboard插件无法输入中文字符的问题

    技术如何解决Python3.6中PyKeyboard插件无法输入中文字符的问题本篇文章为大家展示了如何解决Python3.6中PyKeyboard插件无法输入中文字符的问题,内容简明扼要并且容易理解,绝对能使你眼前一亮,

    攻略 2021年12月4日
  • 怎样进行Java Socket通信客户端和服务器的代码介绍

    技术怎样进行Java Socket通信客户端和服务器的代码介绍今天就跟大家聊聊有关怎样进行Java Socket通信客户端和服务器的代码介绍,可能很多人都不太了解,为了让大家更加了解,小编给大家总结了以下内容,希望大家根

    攻略 2021年11月21日
  • java转义字符正确使用方法(java转义字符是什么意思)

    技术Java中常见的转义字符有哪些本篇内容主要讲解“Java中常见的转义字符有哪些”,感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷,实用性强。下面就让小编来带大家学习“Java中常见的转义字符有哪些”吧!  在Ja

    攻略 2021年12月22日
  • go语言中字符串的拼接方式有哪些

    技术go语言中字符串的拼接方式有哪些本篇内容主要讲解“go语言中字符串的拼接方式有哪些”,感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷,实用性强。下面就让小编来带大家学习“go语言中字符串的拼接方式有哪些”吧!+拼

    攻略 2021年12月9日
  • parameters里的默认数值怎么设置(parameters怎么赋值给它)

    技术Parameters参数怎么使用本篇内容介绍了“Parameters参数怎么使用”的有关知识,在实际案例的操作过程中,不少人都会遇到这样的困境,接下来就让小编带领大家学习一下如何处理这些情况吧!希望大家仔细阅读,能够

    攻略 2021年12月24日