用R语言绘制动态地图，代码奉上!（REmap包详解）

options(remap.ak="MY07CLhm3wKi4N2tQ6WP4kzz21BBZagI")

安装包

 

library(devtools)

install_github('badbye/baidumap')

install_github('lchiffon/REmap')

 

baidumap包函数说明

 

getBaiduMap函数

getBaiduMap(location, width = 400, height = 400, zoom = 10, scale = 2, color = "color", messaging = TRUE) 参数： location:包含经度和维度的向量或者是一个矩阵,或者可以是一个字符串表示地址；经纬度和地址将作为地图的中心点 width，height：map的宽和高 zoom：map的缩放比例，是一个整数，从3（洲）到21（building），默认值是10 scale:像素数 color："color" or "bw"，表示有色或者是黑白 messaging:逻辑语句，决定是否输出下载数据的信息

 

案例：

library(baidumap) library(ggmap) #获取北京大学的地图信息 q <- getBaiduMap('北京大学', width=600, height=600, zoom=18, scale = 2, messaging=FALSE) ggmap(q) #绘制地图

getCoordinate函数

根据地址得到经纬度 # 参考文档 getCoordinate(address, city = NULL, output = "json", formatted = F) 参数： address：地址 city：可选项，地质所在的城市 output：json或者xml格式 formatted：F返回原有的json或者xml格式，而T返回的是经纬度的矩阵

 

案例

getCoordinate('北京大学',output='xml') #xml格式 getCoordinate('北京大学',output='json') #json格式 getCoordinate('北京大学',output='xml',formatted = T) #矩阵形式 #可以同时多个地点 getCoordinate(c('北京大学', '清华大学', '人民大学'), formatted = T)

 

getLocation

通过经纬度得到地址 # 参考文档 getLocation(location, output = "json", formatted = F, pois = 0) 参数： location：经纬度 output：json或者xml格式 formatted：是否返回一个较好的结果 pois:是否返回这个位置周围的PIO

 

案例

getLocation(c(118.12845, 24.57232),formatted = T) #同样可以返回多个位置 getLocation(c(118.12845, 24.57232,116.31234,40.56125),formatted = T)   #fromJSON函数的用法 library(rjson) js <- getLocation(c(116.31617,39.99775),output='json') #json格式 fromJSON(js) #返回一个列表，包含了该地址下的   ## 对于含多个经纬度的矩阵 loc = matrix(c(117.93780, 24.55730, 117.93291, 24.57745, 117.23530, 24.64210, 117.05890, 24.74860), byrow=T, ncol=2)   ### 得到json格式 location_json = getLocation(loc, output='json')     ### 设计一个函数返回district，即所属的区   getDistrict = function(x_json){ x_list = fromJSON(x_json) #json转化为list x_list$result$addressComponent$district #返回所属的区 }   location_district = sapply(location_json, getDistrict) #运用上面的函数到这个json对象上 location_district

 

getPlace函数

 

返回地图搜索结果 getPlace(place = NULL, city = "北京")   参数： place：你想要搜索的地方 city：城市   返回值：数据框dataframe：包含名字、经纬度、地址等

 

案例

#查找北京的大学 bj_college = getPlace('大学','北京') ## Mcdonald's in shanghai sh_mcdonald = getPlace('麦当劳', '上海')

 

getRoute函数

通过搜索得到路线 getRoute(...) 参数： origin：起点 destination：终点 mode：出行方式，'walk','transit' region：起点和终点所在区域，若不在同一地区，分别用origin_region和destination_region tactics:10(不走高速), 11(默认, 最短时间), 12(最短路径). coord_type:'bd09ll'(default), 'gcj02'(which Google map and Soso map are using), 'wgs84' for GPS devices. 返回值：dataframe：包含经纬度

 

案例

bjMap = getBaiduMap('北京',color = 'bw') df = getRoute('首都国际机场', '北京南苑机场') ggmap(bjMap) + geom_path(data = df, aes(lon, lat), alpha = 0.5, col = 'red')

 

REmap函数

 

绘制地图使用的是主函数remap

remap(mapdata, title = "", subtitle = "", theme =get_theme("Dark")) mapdata一个数据框对象,第一列为出发地点,第二列为到达地点 title标题 subtitle副标题 theme控制生成地图的颜色,具体将会在get_theme部分说明

 

 

制作迁徙地图

 

origin = rep("北京",10) destination = c('上海','广州','大连','南宁','南昌', '拉萨','长春','包头','重庆','常州') dat = data.frame(origin,destination) out = remap(dat,title = "REmap实例数据",subtitle = "theme:Dark") plot(out)

out = remap(dat,title = "REmap实例数据",subtitle = "theme:Bright", theme = get_theme("None", lineColor = "orange")) plot(out)

## Set Region Color out = remap(dat,title = "REmap实例数据",subtitle = "theme:Bright", theme = get_theme("None", lineColor = "orange", backgroundColor = "#FFC1C1", titleColor = "#1b1b1b", regionColor = '#ADD8E6')) plot(out)

 

REmapH函数

 

这个函数的特色是可以做中心辐射的热力图，这种热力图在气象、人口密度、海拔测绘领域有诸多运用，当然也可以上当用在商务场合——特别是跟地理信息有关的数据呈现方面。

remapH(data,

maptype = 'china',

theme = get_theme("Dark"),

blurSize = 30,

color = c('blue', 'cyan', 'lime', 'yellow', 'red'),

minAlpha = 0.05,

opacity = 1,

...)

data为要传入的数据，数据为三列，第一列为lon(经度)，第二列为lat(维度)，第三列为prob(密度/概率)；

maptype为要绘制的地图类型，可选有："china"，"world"或中国各省份名字；

theme为绘制的地图主题类型，可由get_theme函数传入；

blurSize为热力效果的泛化范围，可调整热力点中心的扩散程度；

color为热力的渐变颜色；

minAlpha为热力点的展示阈值，对应data中的prob列，作图时各点密度会对比minAlpha，以凸显不同密度所展示的不同热力分布；

opacity为透明度，调整热力图的透明度。

 

get_theme(theme = "Dark",

lineColor = "Random",

backgroundColor = "#1b1b1b",

titleColor = "#fff",

borderColor = "rgba(100,149,237,1)",

regionColor = "#1b1b1b",

labelShow = T,

pointShow = F,

pointColor = "gold"

)

theme为主题，设置该参数后无需设置get_theme里其他参数，可选有"Dark"、"Sky"、"blue"和"none"四种

lineColoe为线条颜色，对应为map图里面迁徙线条的颜色

backgroundColor为图片的背景色，支持16进制颜色输入，也支持rgb()函数和rgba()

titleColor为标题的颜色，设置同上

borderColor为地图中各省、市边界颜色

regionColor为地图中各区域颜色，各省份和市

labelShow为是否展示各省、市名字，设置为True时展示

pointShow为是否展示各省会城市所在点，设置为True时展示

pointColor设置上述点的颜色

 

制作热力图

 

library(baidumap) library(REmap) options(remap.js.web=T) city_ln<-mapNames("sichuan") city_list<-get_geo_position(city_ln) #生成一列密度数据 point<-round(runif(length(city_ln),min=0.3,max=0.95),2) #合成数据框格式的热力图作图数据： newdata<-data.frame(city_list[,1:2],point) map_out1<-remapH(newdata, maptype = "四川", theme =get_theme(theme = "Dark"), blurSize = 70, color = "red", minAlpha = 10, opacity = 1, ) plot(map_out1)

cq <- mapNames('chongqing');cq baidu_lon <- c() baidu_lat <- c() ak <- 'MY07CLhm3wKi4N2tQ6WP4kzz21BBZagI' #百度地图api的秘钥，需自己申请 library(RCurl) library(rjson) for (location in cq) { url <- paste('http://api.map.baidu.com/geocoder/v2/?ak=',ak,'&callback=renderOption&output=json&address=',location,sep="") url_string <- URLencode(url) json<- readLines(url_string, warn=F) geo <- fromJSON(substr(json,regexpr('\\(',json)+1,nchar(json)-1)) lon<-geo$result$location$lng lat<-geo$result$location$lat baidu_lon <- c(baidu_lon,lon) baidu_lat <- c(baidu_lat,lat) } data <- data.frame(address=cq,longitude=baidu_lon,latitude=baidu_lat) head(data) prob <- sample(1:100,nrow(data)) prob <- prob/(min(prob)+max(prob)) f_data <- cbind(data[-1],prob) head(f_data) #生成最终热力图 remapH(data = f_data, maptype = '重庆', theme = get_theme(theme = 'none', backgroundColor = 'gray', #整体背景颜色 borderColor = 'black', #区域边缘颜色 labelShow = F, #区域名称是否显示 regionColor = 'gray', #区域颜色 pointShow = F), blurSize = 50, #越大范围越大，越虚化 minAlpha = 0.5, opacity = 4 #不透明度越大越明显 )

解读： 有几点发现，一是点多才能有热力效果，记录条数太少显示效果较差。二是初始输入数据的第三列密度值大小对结果展现无影响（使用此函数的初始目的是根据不同点的密度不一样，反映不同的热力密度，但是实际变化数值后展示的结果图没有变化）。三是除了密度数据大小变化无影响外，get_theme( )函数里的参数regionColor设置也失效。此函数的热力图的展示与参数设置关系紧密，blurSize和opacity改变对结果展示影响特别大，需自行调整适应。

 

REmapB函数

 

remapB(center = c(104.114****29,37.550339),

zoom = 5,

color = "Bright",

title = "",

subtitle = "",

markLineData = NA,

markPointData = NA,

markLineTheme = markLineControl(),

markPointTheme = markPointControl(),

geoData = NA)

参数说明：

参数一：center为地图中心，经纬度格式；

参数二：zoom为缩放设置，默认为5，代表全国地图，增大至10可放大至地市

参数三：color为地图颜色，可选有"Bright", "Blue", "light", "dark", "redalert", "googlelite", "grassgreen", "midnight", "pink", "darkgreen", "bluish", "grayscale", "hardedge"

参数四：title为地图主标题

参数五：subtitle为地图副标题

参数六：markLineData为绘制线条需要的数据，包括起点和终点两列

参数七：markPointDate为绘制点需要的数据，仅终点一列

参数八：markLineTheme为线条主题设置，通过markLineControl( )函数设置

参数九：markPointTheme为点主题设置，通过markPointControl( )函数设置

参数十：geoData为点、线绘制的地理位置数据存储，可以只是输入经纬度数据，也可通过get_geo_position('地点')获取

其中以上参数中，markLineTheme和markPointTheme 内含有诸多属性设置，类似REmap中的theme设置：

markLineTheme = markLineControl(symbol = NA,#控制线型

symbolSize = c(0,4), #线条粗度变动范围

smooth = T, #启用线条平滑度设置

smoothness =0.2, #线条平滑度

effect = T, #线条动效

lineWidth = 2, #线宽

lineType = 'dotted', #线条类别

color ='Random') #线条颜色

参数说明：

参数一：symbol为标记样式，具体指线条两端的标记的形状，两个值分别为起点和终点，经过实际使用symbol参数不可修改

参数二：symbolSize为线条两端标记大小，对应symbol参数的两个值，实际上第一个值没用，因为开始标记为none

参数三：smooth为逻辑参数，设置线条是否平滑

参数四：smoothness为平滑度，smooth参数设置为T时有效，体现线条的弧度，减小到0时为直线

参数五：effect为逻辑参数，是否显示动态效果

参数六：lineWidth为线条粗细

参数七：lineType为线条类型，可选有solid（实线）、dotted（点线）、dashed（虚线）

参数八：color为线条颜色

根据以上参数名称，可以大致了解每一个参数的含义：

markPointTheme = markPointControl(symbol = "heart", #点形状

symbolSize = "Random", #点大小

effect = T, #动效启用

effectType = "scale", #动效类型

color = "Random") #颜色

参数说明：

参数一：symbol为点样式，可选项none、circle、rectangle、triangle、diamond、emptyCirle、emptyRectangle、emptyTriangle、emptyDiamond、heart、droplet、pin、arrow、star

参数二：symbolSize为点大小

参数三：effect为逻辑参数，是否显示动态效果

参数四：effectType为动态效果样式，可选scale（放大）和bounce（跳动）

参数五：color为点颜色

解读：effect参数在点太多时，动态效果会失效，这时建议设置为FALSE。在remapB( )函数中通过另外一个参数markPointData也可以设置点颜色，优先级高于color参数。

 

制作流向图

 

案例

destination<- c("shanghai","guangzhou","济南","dalian","xian","chengdu","changchun","taiyuan","nanyang","zhengzhou") #终点 origin <- rep("nanyang",length(destination)) map_data<- data.frame(origin,destination) #合成数据框格式的作图数据 map_out<-remapB(zoom=5, #参数5绘制省级国家地图 color="dark", title="我是主标题", subtitle="我是副标题", markLineData=map_data, markPointData=destination, markLineTheme=markLineControl(), markPointTheme=markPointControl() ) plot(map_out)

通过设置markLineTheme、markPointTheme两个主题内部的详细风格参数，你可以对线条以及数据点的气泡进行个性化设置。

map_out1<-remapB(zoom=5, color="dark", title="我是主标题", subtitle="我是副标题", markLineData=map_data, markPointData=destination, markLineTheme = markLineControl( symbol = NA, symbolSize = c(0,4), smooth = T, smoothness =0.2, effect = T, lineWidth = 2, lineType ="dotted", color ="white"), markPointTheme = markPointControl( symbol = "heart", symbolSize = "Random", effect = T, effectType = "scale", color = "white") ) plot(map_out1)

如果只想要绘制流向线而不需要终点的点的话，直接给markPointData赋值为NA就可以了。只要将我们的数据结构重新整理，就可以制作出路径地图：

newdata<- c("shanghai","guangzhou","chengdu","xian","taiyuan","济南","shanghai") origin<-c(newdata[-7]) destination<-c(newdata[-1]) map_data<- data.frame(origin,destination) map_out2<-remapB(zoom=5, color="dark", title="我是主标题", subtitle="我是副标题", markLineData=map_data, markPointData=destination, markLineTheme = markLineControl( symbol = NA, symbolSize = c(0,4), smooth = T, smoothness =0.2, effect = T, lineWidth = 2, lineType ="dotted", color ="white"), markPointTheme = markPointControl( symbol = "heart", symbolSize = "Random", effect = T, effectType = "scale", color = "white") ) plot(map_out2)

 

制作目标分布图

 

library(baidumap) #查找大连的所有大学 dl_college <- getPlace("大学","大连") #构造作图数据： newdata1<-dl_college[,c(4,3,1)] map_out3 <- remapB(center = c(121.62139,38.91934), zoom = 14, color = "Blue", title = "大连高校分布图", markPointData =newdata1[3], markPointTheme = markPointControl( symbol = "pin", symbolSize = 8, effect = T, color = "yellow"), geoData =newdata1 ) plot(map_out3)

 

制作方位图

 

#北京大学名单 University <- c("北京大学","清华大学","中国人民大学","北京外国语大学","北京理工大学", "北京邮电大学","中央音乐学院","中央民族大学","北京体育大学","中国政法大学") #获取经纬度 Uni_Geo <- get_geo_position(University) #绘制方位图 Uni_resutl <- remapB(markPointData = data.frame(Uni_Geo$city), markPointTheme = markPointControl(symbol = "circle", effect = TRUE,#动态效果 symbolSize = 8, color = "red"), geoData = Uni_Geo   )   #其中，color参数一项还有以下选择："Bright", "Blue", "light", "dark", "redalert", "googlelite", "grassgreen", "midnight", "pink", "darkgreen", "bluish", "grayscale", "hardedge"

 

制作上海地铁线

 

Line8

121.538591	31.32849	市光路
121.538555	31.32096	嫩江路
121.538447	31.31103	翔殷路
121.539633	31.30189	黄兴公园
121.541322	31.2948	延吉中路
121.534459	31.28465	黄兴路
121.524829	31.28088	江浦路
121.516026	31.279	鞍山新村
121.507833	31.28057	四平路
121.497053	31.28211	曲阳路
121.485914	31.27579	虹口足球场
121.475386	31.26946	西藏北路
121.47535	31.25906	中兴路
121.478117	31.24838	曲阜路
121.482285	31.23878	人民广场
121.485842	31.23319	大世界
121.489472	31.22473	老西门
121.492777	31.21756	陆家浜路
121.496155	31.20771	西藏南路
121.500898	31.1914	中华艺术宫
121.501114	31.18408	耀华路
121.502767	31.17651	成山路
121.500323	31.16675	杨思
121.487028	31.15939	东方体育中心
121.496335	31.14669	凌兆新村
121.504383	31.12499	芦恒路
121.512899	31.10214	浦江镇
121.515163	31.08996	江月路
121.515199	31.09005	联航路
121.518864	31.0671	沈杜公路

 

Line12

121.645211	31.268982	金海路
121.633874	31.285879	申江路
121.622178	31.285478	金京路
121.596181	31.286203	巨峰路
121.585186	31.288749	东陆路
121.567867	31.28716	复兴岛
121.559441	31.286342	爱国路
121.550925	31.281528	隆昌路
121.539139	31.274784	宁国路
121.530336	31.270463	江浦公园
121.519646	31.263765	大连路
121.513393	31.259151	提篮桥
121.50486	31.255878	国际客运中心
121.488888	31.249704	天潼路
121.478054	31.2483	曲阜路
121.464283	31.247389	汉中路
121.466313	31.235579	南京西路
121.465541	31.223058	陕西南路
121.46723	31.208991	嘉善路
121.470212	31.20042	大木桥路
121.463475	31.191338	龙华中路
121.459271	31.17929	龙华
121.450359	31.17688	龙漕路
121.441394	31.174841	漕宝路
121.425117	31.173064	桂林公园
121.409019	31.168105	虹梅路
121.398761	31.160952	东兰路
121.398958	31.14672	顾戴路
121.385987	31.14295	虹莘路
121.369835	31.137788	七莘路

 

library(REmap)   #分别加载8号线、12号线数据 data8 <- read.table("clipboard",header=F) data12 <- read.table("clipboard",header=F) line8 = t(data8[3]) line12 = t(data12[3]) #获取地铁站数量 len8 <- length(line8) len12 <- length(line12)   #为合并数据做准备 origin8 = line8[1:len8-1] destination8 = line8[2:len8] origin12 = line12[1:len12-1] destination12 = line12[2:len12]   #合并数据 origin = c(origin8,origin12) destination = c(destination8,destination12)   #为remapB函数做数据准备 data_all = rbind(data8,data12) dat = data.frame(origin,destination) remapB(center = get_city_coord("上海"), zoom = 12, title = "Remap: 上海地铁", color = "Blue", markLineData = dat, markLineTheme = markLineControl(smoothness = 0, effect = T, symbolSize = c(0,0)), geoData = data_all)

 

REmapC函数

 

 

制作填充图

 

#虚构一份数据:城市名单及对应值 city <- mapNames("guangdong") value <- runif(21,min = 1,max = 100)   #构建数据框 data_DF <- data.frame(city,value)     #绘制填充地图 result <- remapC(data_DF, title ="广东省热力图", maptype = "guangdong", color = "green", theme = get_theme("Dark"), maxdata = 100, mindata = 1)

province <- mapNames("china") #全国省份 value <- rnorm(34,100,30) #随机生成分省值 mydata <- data.frame(province,value) #合成数据框作图数据 remapC(mydata,color=c("yellow","red"),title="全国分省热地图",subtitle="我是副标题")

 

制作人口迁徙地图

 

province <- mapNames("china") #全国省份 value <- round(rnorm(34,1000,30),0) #随机生成分省值 mydata <- data.frame(province,value) #合并数据 labelper<-mydata[order(mydata[,"value"],decreasing=T),][1:10,] origin<-rep("广州",length(labelper)) destination<-labelper$province line_data<-data.frame(origin,destination) map_out1 <- remapC(mydata, maptype = "china", title="人口迁徙地图", theme = get_theme("Drak"), color=c("#CD0000","#FFEC8B"), markLineData=line_data, markLineTheme=markLineControl( color="white", lineWidth=2, lineType="dashed" ), markPointData=line_data[2], markPointTheme=markPointControl( symbolSize=13, effect=T, effectType="scale", color="white" ) ) plot(map_out1)

因为假设广东是人口迁出地，给广东填色是没有任何意义的，所以mydata数据中需要忽略 广东的数据

mydata1 <- mydata[-12,] map_out2 <- remapC(mydata1, maptype = "china", title="人口迁徙地图", theme = get_theme("Drak"), color=c("#CD0000","#FFEC8B"), markLineData=line_data, markLineTheme=markLineControl( color="white", lineWidth=2, lineType="dashed" ), markPointData=line_data[2], markPointTheme=markPointControl( symbolSize=13, effect=T, effectType="scale", color="white" ) ) plot(map_out2)