R语言可视化实现多边形与数据地图填充

发布时间：2021-07-23 09:09:01 作者：chen
来源：亿速云阅读：319

# R语言可视化实现多边形与数据地图填充

## 引言

在数据分析和地理信息可视化领域，将统计信息与地理空间数据相结合是揭示区域分布规律的重要手段。R语言作为开源统计计算平台，凭借`ggplot2`、`sf`、`sp`等扩展包提供了强大的地理空间数据处理与可视化能力。本文将详细介绍如何利用R语言实现多边形绘制与数据地图填充，涵盖从基础数据准备到高级可视化的完整流程。

---

## 一、环境准备与数据获取

### 1.1 安装必要R包

```r
install.packages(c("sf", "ggplot2", "dplyr", "maps", "mapdata", "rnaturalearth"))

1.2 基础地理数据来源

R语言中常用的地理数据获取方式： - maps包：提供基础世界地图、美国州级地图 - rnaturalearth：包含全球国家/地区边界的高质量数据集 - 自定义Shapefile文件导入

library(sf)
library(ggplot2)

# 加载中国省级地图数据
china_map <- st_read("path/to/china_shpfile.shp")

二、基础多边形绘制

2.1 使用ggplot2绘制简单多边形

ggplot(data = china_map) +
  geom_sf() +
  ggtitle("中国省级行政区划") +
  theme_minimal()

2.2 多边形样式定制

ggplot(china_map) +
  geom_sf(
    color = "gray30",      # 边界线颜色
    fill = "lightblue",    # 填充色
    size = 0.5,           # 边界线粗细
    alpha = 0.7           # 透明度
  ) +
  coord_sf()              # 坐标系设置

三、数据地图填充技术

3.1 数据与地理要素关联

假设我们有一组各省GDP数据：

gdp_data <- data.frame(
  province = c("北京", "上海", "广东", ...),
  gdp = c(40269, 38700, 124369, ...)
)

# 合并地理数据与属性数据
merged_data <- merge(china_map, gdp_data, by.x = "NAME", by.y = "province")

3.2 分级填色（Choropleth Map）

ggplot(merged_data) +
  geom_sf(aes(fill = gdp)) +
  scale_fill_gradient(
    name = "GDP(亿元)",
    low = "#FFF7BC", 
    high = "#D95F0E",
    breaks = c(20000, 50000, 100000)
  ) +
  labs(title = "2022年中国各省GDP分布") +
  theme_void()

3.3 离散分类填色

# 创建分类变量
merged_data$gdp_level <- cut(
  merged_data$gdp,
  breaks = c(0, 10000, 50000, 100000, Inf),
  labels = c("<1万亿", "1-5万亿", "5-10万亿", ">10万亿")
)

ggplot(merged_data) +
  geom_sf(aes(fill = gdp_level)) +
  scale_fill_brewer(palette = "OrRd") +
  theme(legend.position = "bottom")

四、高级可视化技巧

4.1 添加交互元素（plotly实现）

library(plotly)

p <- ggplot(merged_data) +
  geom_sf(aes(fill = gdp, text = paste(NAME, "\nGDP:", gdp))) +
  scale_fill_viridis_c()

ggplotly(p, tooltip = "text")

4.2 多图层叠加

# 加载城市点位数据
cities <- data.frame(
  city = c("北京", "上海", "广州"),
  lon = c(116.4, 121.47, 113.26),
  lat = c(39.9, 31.23, 23.12)
)

ggplot() +
  geom_sf(data = merged_data, aes(fill = gdp)) +
  geom_point(
    data = cities,
    aes(x = lon, y = lat),
    color = "red",
    size = 3
  ) +
  geom_text(
    data = cities,
    aes(x = lon, y = lat, label = city),
    hjust = -0.2
  )

4.3 3D地图渲染

library(rayshader)

gg <- ggplot(merged_data) +
  geom_sf(aes(fill = gdp)) +
  scale_fill_viridis_c()

plot_gg(gg, multicore = TRUE, width = 6, height = 6)

五、常见问题解决方案

5.1 坐标系转换

st_transform(china_map, crs = "+proj=merc +lon_0=0 +k=1 +x_0=0 +y_0=0")

5.2 拓扑错误修复

library(lwgeom)
china_map_valid <- st_make_valid(china_map)

5.3 大数据优化

# 使用几何简化
china_simplified <- st_simplify(china_map, dTolerance = 1000)

六、完整案例演示

6.1 中国人口密度可视化

# 数据准备
pop_density <- read.csv("china_population.csv")
merged_pop <- merge(china_map, pop_density, by = "NAME")

# 可视化
ggplot(merged_pop) +
  geom_sf(aes(fill = density)) +
  scale_fill_viridis_c(
    option = "magma",
    trans = "log10",
    labels = scales::comma
  ) +
  labs(title = "中国人口密度分布",
       subtitle = "数据来源：国家统计局",
       caption = "制图：R语言可视化") +
  theme(
    plot.title = element_text(size = 16, face = "bold"),
    legend.position = c(0.9, 0.3)
  )

6.2 输出高质量图片

ggsave("china_pop_density.png", 
       width = 10, 
       height = 8, 
       dpi = 600)

结语

通过本文介绍的技术路线，读者可以掌握： 1. 地理空间数据在R中的基本处理方法 2. 基于ggplot2的地理信息可视化核心语法 3. 从静态地图到交互式可视化的进阶技巧

实际应用中，建议结合具体业务场景选择适当的可视化形式，并注意地图使用的规范性与数据准确性。随着空间分析需求的增长，R语言在地理信息科学领域的应用前景将更加广阔。

延伸阅读： - 《Geocomputation with R》 - ggplot2官方文档 - sf包vignettes “`

注：本文实际字数约3200字，可根据需要补充以下内容扩展： 1. 更多实际案例代码（如疫情地图、选举地图等） 2. 不同地图投影系统的详细对比 3. 动画地图的实现方法（gganimate） 4. 空间自相关分析等高级应用