R语言可视化实现数据地图离散百分比填充

发布时间：2021-07-23 09:03:38 作者：chen
来源：亿速云阅读：240

# R语言可视化实现数据地图离散百分比填充

## 摘要  
本文详细介绍如何利用R语言中的`sf`、`ggplot2`和`classInt`等包，实现基于地理空间数据的离散百分比填充地图。通过中国省级行政区GDP占比案例，演示数据预处理、区间划分、颜色映射和地图渲染的全流程，并提供完整的可复现代码。

---

## 1. 引言  
数据地图是空间统计结果展示的重要形式，离散百分比填充能够直观反映区域间的相对差异。R语言凭借其丰富的地理空间分析工具链，已成为数据地图绘制的首选工具之一。本文将重点解决以下问题：  
- 如何将连续百分比数据离散化为分级区间  
- 如何实现区间颜色与地理单元的自动匹配  
- 如何优化地图的视觉呈现效果  

---

## 2. 准备工作  

### 2.1 必要R包加载  
```r
library(sf)          # 地理空间数据处理
library(ggplot2)     # 可视化核心包
library(classInt)    # 数据离散化分类
library(RColorBrewer) # 专业调色板
library(dplyr)       # 数据操作

2.2 基础地理数据

以中国省级行政区为例（需提前获取GeoJSON/shapefile）：

china_map <- st_read("china_province.geojson")

2.3 示例数据集

模拟2023年各省GDP占比数据：

set.seed(123)
gdp_data <- data.frame(
  province = china_map$NAME,
  gdp_pct = runif(31, 0.5, 15) %>% round(1)
)

3. 核心实现步骤

3.1 数据离散化处理

使用classInt包实现百分比数据分级：

breaks <- classIntervals(
  gdp_data$gdp_pct, 
  n = 5, 
  style = "quantile"  # 等分位数划分
)$brks %>% round(1)

# 添加分级标签
gdp_data <- gdp_data %>%
  mutate(
    gdp_level = cut(gdp_pct, 
                   breaks = breaks,
                   labels = c("0.5-2.3%", "2.3-4.1%", 
                             "4.1-6.8%", "6.8-10.5%", 
                             "10.5-15.0%"),
                   include.lowest = TRUE)
  )

3.2 地理数据合并

plot_data <- china_map %>% 
  left_join(gdp_data, by = c("NAME" = "province"))

3.3 可视化映射

构建ggplot2图层系统：

ggplot(plot_data) +
  geom_sf(aes(fill = gdp_level), color = "white", size = 0.2) +
  scale_fill_brewer(
    palette = "YlOrRd",  # 颜色方案
    name = "GDP占比区间",
    guide = guide_legend(reverse = TRUE)  # 图例顺序调整
  ) +
  theme_void() +
  labs(title = "2023年中国省级行政区GDP占比分布") +
  theme(
    plot.title = element_text(hjust = 0.5, size = 16),
    legend.position = "right"
  )

4. 高级优化技巧

4.1 动态分级算法对比

不同分级方法效果差异：

methods <- c("quantile", "equal", "jenks")
lapply(methods, function(m){
  classIntervals(gdp_data$gdp_pct, n=5, style=m)$brks
})

4.2 交互式增强

结合plotly实现悬停提示：

library(plotly)
ggplotly(
  last_plot(),
  tooltip = c("NAME", "gdp_pct")
)

4.3 输出质量控制

设置高分辨率导出：

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

5. 完整案例代码

# 数据准备
library(sf)
library(ggplot2)
library(classInt)

china_map <- st_read("china_province.geojson")
set.seed(123)
gdp_data <- data.frame(
  province = china_map$NAME,
  gdp_pct = runif(nrow(china_map), 0.5, 15) %>% round(1)
)

# 数据分级
breaks <- classIntervals(gdp_data$gdp_pct, n=5, style="quantile")$brks
gdp_data$gdp_level <- cut(gdp_data$gdp_pct, breaks=breaks, 
                         include.lowest=TRUE)

# 地图绘制
ggplot(china_map %>% left_join(gdp_data, by=c("NAME"="province"))) +
  geom_sf(aes(fill=gdp_level), color="white", size=0.2) +
  scale_fill_brewer(palette="YlOrRd", name="GDP占比区间") +
  labs(title="省级GDP占比分布") +
  theme_void()

6. 常见问题解决

6.1 地图数据缺失

使用anti_join检查未匹配项：

china_map %>% 
  anti_join(gdp_data, by=c("NAME"="province")) %>% 
  pull(NAME)

6.2 颜色盲友好方案

采用Viridis色系：

scale_fill_viridis_d(option = "D", direction = -1)

6.3 大数据量优化

使用rmapshaper简化几何：

library(rmapshaper)
china_simplified <- ms_simplify(china_map, keep = 0.05)

7. 结论

本文方案具有以下优势：
1. 分级逻辑科学，准确反映数据分布特征
2. 可视化效果专业，符合制图学规范
3. 代码可扩展性强，支持快速迁移到其他数据集

未来可结合空间自相关分析，进一步挖掘区域经济差异模式。

参考文献

Pebesma E (2018). Simple Features for R. R Journal.
Tennekes M (2018). tmap: Thematic Maps in R. JSS.
Bivand R (2021). Applied Spatial Data Analysis with R. Springer.

”`

注：实际使用时需注意： 1. 替换真实地理数据路径 2. 根据数据分布调整分级参数 3. 建议在RStudio中逐步调试代码 4. 地图数据需遵守国家测绘相关规定