详细介绍：R语言——ggmap包可视化地图

ggmap包简介

ggplot2包可以实现将地理信息数据进行可视化，而ggmap包是基于ggplot2可视化地图的拓展包，其绘图方法与ggplot2类似。ggmap包还可以绘制可以交互的地图，但需要google账户实时获取地图数据，所以下面只介绍该包绘制静态地图的功能。

数据准备

下面利用ggmap包和ggplot2包可视化机场与航线数据，展示如何绘制点、线和地图热力图等，程序如下所示：

## 导入包
library(ggplot2);library(ggmap);library(maps);library(ggsn)
library(geosphere);library(dplyr);library(RColorBrewer);library(readxl)
## 读取美国航线数据集
airport
## 2 -87.48493 30.37249     1     2 alabama
## 3 -87.52503 30.37249     1     3 alabama

在上面的程序中，首先通过map_data()函数导入了美国各州数据表，并使用fortify()函数对其进行简化，在输出的结果中包含经纬度坐标和分组等变量等。

地图可视化

下面使用读取的数据集进行地图可视化，首先在地图上绘制机场的位置坐标，程序如下所示：

## 可视化美国本土地图
ggplot(usamapdata, aes(x = long, y = lat))+
# 不同的州使用不同的颜色填充
geom_polygon(aes(group = group,fill = region),colour = "white")+
theme(legend.position = "none")+
scale_fill_viridis_d(alpha = 0.5)+
## 添加点
geom_point(data = airport,aes(x = Longitude,y = Latitude),
colour = "tomato",size = 0.5)+
ggtitle("地图上机场位置")+
# 在地图上添加其它的小部件
ggsn::north(usamapdata,location = "topright",
scale = 0.15,symbol = 1)+
## 添加标尺
ggsn::scalebar(data = usamapdata,location = "bottomleft",
dist = 500,model = "WGS84",dist_unit = "km",
transform = TRUE,st.size = 3)

上面的程序中，首先通过ggplot()和geom_polygon()函数绘制地图，然后利用geom_point()函数在地图上添加点，最后使用ggsn包中的小部件函数north()和scalebar()在地图上添加指向北的图标和标尺，得到的图像如图1所示：

图1 基于ggplot2的机场位置地图可视化

下面在图1上进一步添加机场之间的航线，程序如下所示：

## 可视化机场航线，读取航线数据
airline <- read.csv("data/chap8/usaairline.csv")
## 可视化美国本土地图
ggplot(usamapdata, aes(x = long, y = lat))+
# 不同的州使用不同的颜色填充
geom_polygon(aes(group = group,fill = region),colour = "white")+
theme(legend.position = "none")+
scale_fill_viridis_d(alpha = 0.5)+
## 添加点
geom_point(data = airport,aes(x = Longitude,y = Latitude),
colour = "tomato",size = 0.5)+
ggtitle("地图上机场位置")+
# 在地图上添加其它的小部件
ggsn::north(usamapdata,location = "topright",
scale = 0.15,symbol = 1)+
## 添加标尺
ggsn::scalebar(data = usamapdata,location = "bottomleft",
dist = 500,model = "WGS84",dist_unit = "km",
transform = TRUE,st.size = 3)+
geom_segment(aes(x = Longitude.x, y = Latitude.x,
xend = Longitude.y, yend = Latitude.y),
data = airline,colour = "orange",alpha = 0.5,size=0.1)

在上面的程序中，首先读取飞机航线数据airline，然后通过geom_segment()函数绘制两点之间的连线，最终可得如图2所示的图像：

图2 基于ggplot2的机场航线地图可视化

由图2的绘制过程可以发现，使用ggplot2包中的geom_segment()函数为地图添加线更加简单。

针对机场的位置分布情况，还可以通过在散点图上添加密度热力图图层，便于分析机场在地图上的分布密度，程序如下：

## 读取机场数量数据
airport2 <- read.csv("data/chap8/airportusa2.csv")
## 在地图上可视化密度热力图
ggplot(usamapdata, aes(x = long, y = lat))+
geom_polygon(aes(group = group),fill = "lightblue",colour = "white")+
## 添加密度曲线
geom_density2d(data = airport2,aes(x=Longitude, y=Latitude),size = 0.1)+
## 热力图
stat_density2d(data = airport2, aes(x = Longitude, y =  Latitude,
fill = ..level.., alpha = ..level..),
size = 0.3, bins = 40, geom = "polygon")+
## 填充颜色和透明度设置
scale_fill_gradientn(colours=rev(brewer.pal(8, "Spectral")))+
scale_alpha(range = c(0, 0.3))+theme(legend.position = "none")+
## 添加点
geom_point(data = airport2,aes(x = Longitude,y = Latitude),
colour = "tomato",size = 0.5,alpha = 0.8)+
ggtitle("美国机场密度热力图")

在上面的程序中，通过geom_density2()函数在地图上添加密度曲线，通过stat_density2d()函数添加密度热力图，并设置了填充颜色和透明度，最终可得如图3所示的图像：

图3 基于ggplot2的机场位置分布密度热力图

还可以通过气泡图可视化美国各州机场数量的分布情况，程序如下：

## 数据准备，计算每个州的机场数量
aipporenum % group_by(state)%>%
## 计算经纬度位置和机场数量
summarise(Lat = mean(Latitude),
Lon = mean(Longitude),
number = n())
head(aipporenum)
## # A tibble: 6 x 4
##   state         Lat    Lon number
##
## 1 Alabama      32.8  -86.5     26
## 2 Arizona      33.4 -112.      37
## 3 Arkansas     35.0  -92.6     16
## 4 California   35.9 -119.     109
## 5 Colorado     39.2 -106.      29
## 6 Connecticut  41.5  -72.8      9

通过上面的程序，计算获得了每个州的所有机场平均经纬度坐标和机场的数量，下面绘制机场分布的气泡图：

## 可视化气泡图
ggplot(usamapdata, aes(x = long, y = lat))+
# 不同的州使用不同的颜色填充
geom_polygon(aes(group = group),colour = "white",fill = "lightblue")+
## 添加气泡散点
geom_point(data = aipporenum,aes(x = Lon,y = Lat,size = number),
colour = "red",alpha = 0.75,shape = 19)+
ggtitle("各州机场数量气泡图")

运行上面的程序，可得如图4所示的气泡图：

图4 基于ggplot2的机场位置分布气泡图

在图4中，气泡的位置为该州各机场经纬度坐标的平均值，气泡的大小表示该州机场的数量。

参考书籍

本文中的内容来自书籍《R语言数据可视化实战 ——大数据图表从入门到精通》，是其中某个小节内容的整理。书中有更多的R语言数据可视化分析使用案例，可学习更多的关于R语言数据可视化的内容。

今天的分享就到这里了，敬请期待下一篇!

最后欢迎大家分享转发，您的点赞是对我的鼓励和肯定！