R_leaflet包_最易上手地图教程（二）

作者：李誉辉  

四川大学在读研究生

这次，我们接着上一篇讲

7.Colours着色

将变量映射到颜色是地理信息可视化的一个重要组成部分。
为了实现数值映射到颜色色值，leaflet中内置了一些color*开头的函数,
非常方便将数值变量与颜色进行匹配，然后产生一个palette函数。
这些palette函数, 能够根据输入数字向量返回一个ARGB颜色空间的向量。
ARGB颜色空间与HEX颜色空间类似，如“#AARRGGBB”中，前2个十六进制的数代表透明度，
后面三组数字分别代表Red, green, blue。具体见（https://coderwall.com/p/dedqca/argb-colors-in-android）。
leaflet中有4个palette生成函数。

• colorNumeric(), colorBin()和 colorQuantile(),(均针对连续数字变量)。
  

• colorFactor(),(针对类别型变量)。

使用方法如下：

1library(leaflet)
2
3# 调动颜色函数，生成一个palette函数
4pal <- colorNumeric(c("red", "green", "blue"), 1:10)
5# 给色板函数传进一个数字向量，返回颜色色值向量。
6pal(c(1, 6, 9))

1## [1] "#FF0000" "#52E74B" "#6754D8"

7.1

公共参数

4个颜色函数拥有几个公共参数：palette和domain。
palette参数用于指定要与数据匹配的颜色向量，有下面几种指定形式：

• RColorBrewer包中palette的名字，eg: “RdYlBu”, “Accent”, “Greens”。
  

• viridis 中的palette的名字，如：“viridis”, “magma”, “inferno”, “plasma”。
  

• 颜色向量，可以由色条函数生成，也可HEX色值组成的向量。
  如: palette(), topo.colors(10)， c("#000000", "#0000FF", "#FFFFFF")。
  

• 其它使用0到1之间的数字生成颜色向量的函数，
  如：colorRamp(c("#000000", "#FFFFFF"), interpolate = "spline")

domain参数用于确定输入值的范围。
可以指定domain = NULL,则生成的palette函数没有预设范围，
当调用该palette函数时，会根据传入数据自动确定范围。
但当对不同数据应用同一个palette函数多次，最好具体指定domain参数为非null, 这样数据与颜色才会匹配。

alpha用于指定透明度。
reverse，为逻辑值，用于翻转颜色与输入数字变量的匹配顺序。

7.2

连续数字变量

 1library(leaflet)
 2library(rgdal)
 3
 4filepath <- "E:/R_input_output/data_input/JSON/TopoJson/China.json"
 5# filepath <- 'E:/R_input_output/data_input/JSON/GeoJSON/China.geojson' #
 6# 结果一样
 7China_map <- readOGR(filepath, stringsAsFactors = FALSE)
 8# China_map <- geojsonio::geojson_read(filepath,what = 'sp') # 结果一样
 9Encoding(China_map@data$name) <- "UTF-8"  # 纠正中文字符乱码
10
11# 编造GDP向量
12set.seed(234)
13values_fabricate <- runif(34, 0.1, 0.9) * 2000  # 全国34个行政区
14China_map$GDP_fabricate <- c(values_fabricate, NA)  # 经过China_map$name查询最后一个为占位
15
16map_draw <- leaflet(China_map) %>% setView(lng = 106.33, lat = 29.35, zoom = 3.5)  # 以重庆城区经纬度为中心

1## OGR data source with driver: GeoJSON 
2## Source: "E:\R_input_output\data_input\JSON\TopoJson\China.json", layer: "中国"
3## with 35 features
4## It has 11 fields

7.2.1 连续型数据，连续型颜色(colorNumeric())

首先，我们尝试将GDP值与RColorBrewer中的“Blues”色条进行匹配。
我们使用colorNumeric()函数创建一个映射函数。
“Blues”色条是仅仅包含9种颜色的离散色板，但是colorNumeric()函数能够插值然后返回连续性色板。
palette参数仅仅是一个颜色向量，只需要注意其中的元素顺序。不一定非要RColorBrewer色板，其它也行，
甚至自定义都行，如: c("white", "navy")或c("#FFFFFF", "#000080")，
palette长度不等，长度为3也行，这样适合多级渐变，如diverging palette两极渐变。
甚至可以传递一个函数，指定数值在[0, 1]区间外应该返回的颜色。
第2个参数，domain, 用于指定与颜色向量匹配的输入数字。
对于colorNumeric()而言，可以用数字指定范围(最大值/最小值)，也可以用数字向量指定。
colorNumeric()函数返回的结果，pal色条函数，
可以接受在range(countries$gdp_md_est)范围内的数字向量，
然后返回ARGB格式的颜色向量。

1library(leaflet)
2library(rgdal)
3
4Npal <- colorNumeric(palette = "YlGnBu", domain = China_map$GDP_fabricate)
5
6map_draw %>% addPolygons(stroke = TRUE, smoothFactor = 0.3, fillOpacity = 0.8, 
7    color = ~Npal(GDP_fabricate))  # 默认fillColor = color

7.2.2 连续型数据，离散型颜色(colorBin(), colorQuantile())

colorBin()相当于对数据切片分箱，将数字性向量数据与固定数量的颜色输出相匹配。
可以通过指定breaks分割点来分箱，也可以指定分箱数来分箱，通过参数bin。
注意在按分箱数分箱时，如果pretty = TRUE（默认）,
将得到nice round的分割点，但是可能分箱数并不非你指定的。

1library(leaflet)
2
3Bpal <- colorBin(palette = "Blues", China_map$GDP_fabricate, 6, pretty = FALSE)
4
5map_draw %>% addPolygons(stroke = FALSE, smoothFactor = 0.2, fillOpacity = 1, 
6    color = ~Bpal(GDP_fabricate))

colorQuantile()同样是对输入数据进行分箱，只是每个子集中的observation数量相等，
默认分成4个箱子，5个breaks。

1library(leaflet)
2
3Qpal <- colorQuantile("Blues", China_map$GDP_fabricate, n = 7)
4map_draw %>% addPolygons(stroke = FALSE, smoothFactor = 0.2, fillOpacity = 1, 
5    color = ~Qpal(GDP_fabricate))

7.3

类别型数据着色

对于类别型数据(categorical data), 使用colorFactor()函数生成色板函数。
如果palette包含的颜色数量与因子水平一致，则为一一对应匹配。
否则，palette中的颜色将会进行插值，然后产生合适数量的颜色。
可以通过给domain参数指定一个因子或字符串向量，或直接用levels参数指定因子水平。
levels参数优先级比domain更高，如同时指定，则会忽略domain参数

 1library(leaflet)
 2
 3# 生成一些随机levels
 4China_map$category <- as.factor(c(sample.int(5L, 34, TRUE),NA))
 5
 6Fpal <- colorFactor(topo.colors(5), China_map$category) # 因为是因子对象，第2个参数与levels参数匹配
 7
 8leaflet(China_map) %>% 
 9  setView(lng = 106.33, lat = 29.35, zoom = 3.5) %>% # 以重庆城区经纬度为中心%>%
10  addPolygons(stroke = FALSE, smoothFactor = 0.2, fillOpacity = 1,
11    color = ~Fpal(category))

8.Legends图例

Leaflet包中，创建图例也非常方便，
这个小节中，我们将在Colors小节基础上创建图例。
使用addLegend()函数添加图例，最方便的方法是：
将colorNumeric()等函数产生的色板函数指定给addLegend()函数中的pal参数, 然后指定values参数，
就会自动计算图例箱体的颜色和刻度标签。

 1library(leaflet)
 2library(rgdal)
 3
 4filepath <- "E:/R_input_output/data_input/JSON/TopoJson/China.json"
 5# filepath <- "E:/R_input_output/data_input/JSON/GeoJSON/China.geojson" # 结果一样
 6China_map <- readOGR(filepath, stringsAsFactors = FALSE)
 7# China_map <-  geojsonio::geojson_read(filepath,what = "sp") # 结果一样
 8Encoding(China_map@data$name) <- "UTF-8" # 纠正中文字符乱码
 9
10# 编造GDP向量
11set.seed(234)
12values_fabricate <- runif(34, 0.1, 0.9) * 2000 # 全国34个行政区
13China_map$GDP_fabricate <- c(values_fabricate, NA)# 经过China_map$name查询最后一个为占位
14
15map_draw <- leaflet(China_map) %>% 
16  setView(lng = 106.33, lat = 29.35, zoom = 3.5)  # 以重庆城区经纬度为中心
17
18Npal <- colorNumeric(palette = "YlGnBu", domain = China_map$GDP_fabricate)
19
20map_draw %>%
21  addPolygons(stroke = FALSE, smoothFactor = 0.2, fillOpacity = 1,
22    color = ~Npal(GDP_fabricate)) %>%
23
24  addLegend("bottomright", pal = Npal, values = ~GDP_fabricate, # 生成图例
25    title = "China.GDP(fabricate)", # 图例标题
26    labFormat = labelFormat(prefix = "￥", suffix = "(亿元)"), # 标签增加前缀后缀
27    opacity = 1)

addLegend()函数与palette函数的类型有关，
对不同类型的palette,会生成不同形式的图例。
比较上图中基于colorNumeric()函数生成的图例，
与下图中基于colorQuantile()生成的图例，可以发现：
后者显示大概范围，图例刻度标签也不同。

1library(leaflet)
2
3Qpal <- colorQuantile("RdYlBu", China_map$GDP_fabricate, n = 5, reverse = TRUE)  # 分位数分箱，5等分,reverse = TRUE翻转颜色
4map_draw %>% addPolygons(stroke = FALSE, smoothFactor = 0.2, fillOpacity = 1, 
5    color = ~Qpal(GDP_fabricate)) %>% addLegend(pal = Qpal, values = ~GDP_fabricate, 
6    opacity = 1)

addLegend()还有其它几个参数，使得能够以多种方式定制图例，
还有colors和labels参数，具体指定可以定制与大图不一样颜色和标签图例。 还可以定制图例标题和colors的透明度。
使用labFormat = labelFormat()参数，在labelFormat()函数中，可以定制刻度标签显示。
如可以定制刻度标签中内的分隔符，保留小数位数，每个图例的prefix/suffix(前缀或后缀)。
如果你的刻度标签样式超出了labelFormat()函数多能提供的，
还可以使用自定义函数作为labFormat的参数。
具体见?addLegend()。

9.Show/Hide 图层

leaflet中有专门的函数来显示或隐藏layers，
用户能够自行设定要显示或隐藏哪些layers.
控制方式有2种：

• 使用Shiny,在Shiny中使用serve-side代码控制。
  笔者对Shiny了解不是很透彻，这里展开了,详细见

（https://rstudio.github.io/leaflet/shiny.html）

• 在add*开头的图层添加函数内，设定group参数。
  然后使用addLayersControl()函数增加图层交互框。

9.1

groups分组

group是layers上的一个标签，表示给layers分组。
在add*开头的函数中，通过group参数给layers赋予组别属性。格式如下：

1library(leaflet)
2
3leaflet() %>%
4  addTiles() %>%
5  addMarkers(data = coffee_shops, group = "Food & Drink") %>% # 指定group参数
6  addMarkers(data = restaurants, group = "Food & Drink") %>%
7  addMarkers(data = restrooms, group = "Restrooms")

一个group可以包含多个layers，但每个layer只能最多属于一个group。
Group与Layer IDs特点:

• layer IDs 是为了给每一个marker或shape提供单独的识别ID。
  通常用字符串向量指定markers或shapes的layersId。其向量长度与markers数量相同。
  

• 而group仅仅是一个字符串。
  

• 不同类型的特征的layer IDs可以相同，如markers与shapes可以是相同的layerIds。
  因为不同类型的特征其移除函数不同(remove*和clear*开头的函数)，所有不会相互干扰。
  

• 如果给一个circle圆形指定一个layer ID，后续又给一个shape赋予同一个layer ID,
  那么前面的circle圆形将自动从地图中移除。
  

• 而groups分组是为了使不同的items属于同一个组别。
  

• 通常，我们将所有的addMarkers()命令分配到同一个组别。即根据类别进行分组。

• 后续使用另外的addXXX()也能添加到前面已经存在的group组别中。

9.2

layers交互框

在leaflet中，使用addLayersControl()函数添加layer切换开关。
这样在widget地图中就能用鼠标切换layers。如下图所示，widget上出现了一个按钮框。
一个widge地图中，只能设置一个layerControl交互框，如果存在多个则以最后一个为准。
关键参数：

• baseGroups, 可以在baseGroups内几个组别中切换，只能同时查看其中一个组别的图层。 圆形按钮为baseGroups选项。
  

• overlayGroups, 可以选择查看其中显示多个组别的图层或全部隐藏。
  勾选按钮为overlayGroups选项。
  

• options, 用addLayerControl()函数指定，可以通过position函数设置交互框的相对位置。

 1library(leaflet)
 2data(quakes)
 3
 4outline <- quakes[chull(quakes$long, quakes$lat), ]  # 索引子数据框
 5
 6map <- leaflet(quakes) %>% # 设置basegroup
 7addTiles(group = "OSM (default)") %>% addProviderTiles(providers$Stamen.Toner, 
 8    group = "Toner") %>% addProviderTiles(providers$Stamen.TonerLite, group = "Toner Lite") %>% 
 9    # 设置Overlay groups
10addCircles(~long, ~lat, ~10^mag/5, stroke = F, group = "Quakes") %>% addPolygons(data = outline, 
11    lng = ~long, lat = ~lat, fill = F, weight = 2, color = "#FFFFCC", group = "Outline") %>% 
12
13# 设置layers切换
14addLayersControl(baseGroups = c("OSM (default)", "Toner", "Toner Lite"), overlayGroups = c("Quakes", 
15    "Outline"), options = layersControlOptions(collapsed = FALSE))
16
17map

9.3

图标簇分组

如果将markers clusters图标簇分成不同的group组。
当按照marker小节中那样添加markers时，
leaflet就能根据group将markers分成不同的簇了。 这样就能设定不同组别的图标簇显示/隐藏了。

 1library(leaflet)
 2
 3quakes <- quakes %>%
 4  #  mutate列运算，产生新列，新列名为mag.level
 5  dplyr::mutate(mag.level = cut(mag,c(3,4,5,6),  # 分箱，breaks为3,4,5,6。 
 6                                labels = c('>3 & <=4', '>4 & <=5', '>5 & <=6')))
 7
 8quakes.df <- split(quakes, quakes$mag.level) # 将quakes根据mag.level分组,变成3个元素的列表
 9
10l <- leaflet() %>% addTiles()
11
12names(quakes.df) %>%
13  purrr::walk( function(df) { # walk迭代，
14    l <<- l %>% # 深度赋值，l会变成全局变量
15      addMarkers(data=quakes.df[[df]], # 闭包索引
16                 lng=~long, lat=~lat,
17                 label=~as.character(mag),
18                 popup=~as.character(mag),
19                 group = df,
20                 clusterOptions = markerClusterOptions(removeOutsideVisibleBounds = F),
21                 labelOptions = labelOptions(noHide = F,direction = 'auto'))
22  })
23
24l %>%
25  addLayersControl(
26    overlayGroups = names(quakes.df),
27    options = layersControlOptions(collapsed = FALSE)
28  )

walk函数

https://d-rug.github.io/images/20171026/20171023_DRUG_map_walk.html#41

10.Choropleths(等值线图)

在leaflet中画等值线图非常容易，

10.1

数据源

首先需要加载JSON格式的数据，在JS中可以直接加载，
在R中，我们可以使用geojsonio包来加载JSON格式数据，并读取为sp对象。 在sp对象中，我们更加方便操纵地图特征。

 1library(leaflet)
 2library(rgdal)
 3
 4filepath <- "E:/R_input_output/data_input/JSON/TopoJson/China.json"
 5# filepath <- 'E:/R_input_output/data_input/JSON/GeoJSON/China.geojson' #
 6# 结果一样
 7China_map <- readOGR(filepath, stringsAsFactors = FALSE)
 8# China_map <- geojsonio::geojson_read(filepath,what = 'sp') # 结果一样
 9Encoding(China_map@data$name) <- "UTF-8"  # 纠正中文字符乱码
10
11# 编造GDP向量
12set.seed(234)
13values_fabricate <- runif(34, 0.1, 0.9) * 2000  # 全国34个行政区
14China_map$GDP_fabricate <- c(values_fabricate, NA)  # 经过China_map$name查询最后一个为占位
15
16map_draw <- leaflet(China_map) %>% setView(lng = 106.33, lat = 29.35, zoom = 3.5)  # 以重庆城区经纬度为中心

1## OGR data source with driver: GeoJSON 
2## Source: "E:\R_input_output\data_input\JSON\TopoJson\China.json", layer: "中国"
3## with 35 features
4## It has 11 fields

10.2

底图着色

 1library(leaflet)
 2
 3# 通过手动分箱添加颜色，这样就不是等分
 4bins <- c(200, 500, 800, 1200, 1500, 1800) # 分箱的分割点
 5Bpal <- colorBin("YlOrRd", domain = China_map$GDP_fabricate, 
 6                 bins = bins) # 通过分箱生成palette函数
 7
 8map_draw %>%
 9  addPolygons(stroke = TRUE, smoothFactor = 0.2, 
10              fillOpacity = 0.7,
11              fillColor = ~Bpal(GDP_fabricate),
12              weight = 2,
13              opacity = 1,
14              color = "lime",
15              dashArray = "3") %>%
16
17  addLegend("bottomright", pal = Bpal, values = ~GDP_fabricate, # 生成图例
18    title = "China.GDP(fabricate)", # 图例标题
19    labFormat = labelFormat(prefix = "￥", suffix = "(亿元)"), # 标签增加前缀后缀
20    opacity = 1)

10.3

区域高亮

接下来给地图多边形增加交互性，要求当鼠标掠过多边形上时，多边形会高亮。
即在addPolygons()内设置高亮参数highlight。

 1library(leaflet)
 2
 3map_draw %>%
 4  addPolygons(stroke = TRUE, smoothFactor = 0.2, 
 5              fillOpacity = 0.7,
 6              fillColor = ~Bpal(GDP_fabricate),
 7              weight = 2,
 8              opacity = 1,
 9              color = "lime",
10              dashArray = "3",
11              highlight = highlightOptions(#  增加高亮参数
12                weight = 5,
13                color = "cyan",
14                dashArray = "",
15                fillOpacity = 0.3,
16                bringToFront = TRUE)
17              ) %>%
18
19  addLegend("bottomright", pal = Bpal, values = ~GDP_fabricate, # 生成图例
20    title = "China.GDP(fabricate)", # 图例标题
21    labFormat = labelFormat(prefix = "￥", suffix = "(亿元)"), # 标签增加前缀后缀
22    opacity = 1)

在Leaflet.js中，还可以设置当鼠标点击多边形区域时，放大该区域。
但R中还不行，除非可以在Shiny中设置。

10.4

定制info

接下来，我们将在地图上显示各州的名称和人口密度。
虽然在Shiny中，可以设置当鼠标悬浮在形状区域时，显示info。
然而，这次我们将使用leaflet内置函数中的labels特征来实现。
我们将使用一段HTML语法来产生labels， 然后将其传递给lappy(htmltools::HTML)。
这样leaflet就知道将所有labels当作HTML语法来处理，而不是纯文本。
同时，我们也会通过labelOptions参数来设置labels的风格。

 1library(leaflet)
 2
 3# sprintf 字符串格式化输出，%s表示将China_map$name当作字符串插入，%g表示小写e记法数字格式化。
 4labels <- sprintf( 
 5  "%s
%g people / m2", # HTML语法，
表示换行符，
 6  China_map$name, China_map$GDP_fabricate
 7) %>% 
 8
 9  lapply(htmltools::HTML) # 对向量labels中每个元素进行了HTML处理，全当作HTML处理
10
11map_draw_2 <- map_draw %>% 
12  addPolygons(
13    stroke = TRUE, smoothFactor = 0.2, 
14    fillOpacity = 0.7,
15    fillColor = ~Bpal(GDP_fabricate),
16    weight = 2,
17    opacity = 1,
18    color = "lime",
19    dashArray = "3",
20    highlight = highlightOptions(#  增加高亮参数
21      weight = 5,
22      color = "cyan",
23      dashArray = "",
24      fillOpacity = 0.3,
25      bringToFront = TRUE),
26    label = labels,
27    labelOptions = labelOptions(
28      style = list("font-weight" = "normal", padding = "3px 8px"),
29      textsize = "15px",
30      direction = "auto"))%>%
31
32  addLegend("bottomright", pal = Bpal, values = ~GDP_fabricate, # 生成图例
33    title = "China.GDP(fabricate)", # 图例标题
34    labFormat = labelFormat(prefix = "￥", suffix = "(亿元)"), # 标签增加前缀后缀
35    opacity = 1)
36
37map_draw_2

11.投影坐标系（CRS）

注意，该功能可能不支持部分函数。
如addRasterImage()目前仅仅支持EPSG:3857 Web Mercator投影坐标系。

leaflet希望所有的经纬度数据都是基于WGS 84(a.k.a.EPSG:4326)投影坐标系的，
即对这个支持最好。
在leaflet中，默认将基于EPSG:3857坐标系投影任何数据。 希望任何的tiles的坐标数据都是基于EPSG:3857坐标系来产生的。

很多时候，用户需要使用不同的投影坐标系来展示数据。
leaflet已经内置了Proj4Leaflet(https://github.com/kartena/Proj4Leaflet)插件。
这使leaflet在理论上可以访问Proj4js(http://proj4js.org/)支持的任何CRS

注意，用户使用的任何tiles, 在设计时就必须考虑到与leaflet内CRS的匹配性

11.1

自定义CRS

一旦你决定要自定义一个CRS了，并且有能与之匹配的tiles。
那么你可以使用leafletCRS()来自定义一个CRS。

1library(leaflet)
2
3crs <- leafletCRS(crsClass = "L.Proj.CRS", code = "ESRI:102003", proj4def = "+proj=aea +lat_1=29.5 +lat_2=45.5 +lat_0=37.5 +lon_0=-96 +x_0=0 +y_0=0 +datum=WGS84 +units=m +no_defs", 
4    resolutions = 1.5^(25:15))  # 设置分辨率，每个像素点代表多少米，用于缩放

在leafletCRS()函数内，有下面几个关键参数：

• crsClass参数表示指定要使用的JavaScript构造器，以此来产生leaflet.js CRS对象。
  在这里，我们使用L.Proj.CRS，这是Proj4Leaflet带来的class。
  只有CRS classes列表中的CRS classes才有效。?leafletCRS查看详情，所有的classes如下：
  (L.CRS.EPSG3857, L.CRS.EPSG4326, L.CRS.EPSG3395, L.CRS.Simple, L.Proj.CRS)
  

• code参数表示CRS标识符，通常使用EPSG相关的标识符或相似的标识符。
  在大多数情况下，这个参数其实没什么影响，因为其主要在Proj4Leaflet中被使用，在R中很少用。
  

• proj4def参数是一个PROJ.4或WKT类型的字符串，用于定义CRS。
  如果你对PROJ.4或WKT了解，那么你可以在epsg.io(https://epsg.io/)或spatialreference.org(http://spatialreference.org/)中找到需要的字符串。

通过参数crs = leafletOptions(crs = ...).,
可以将leafletCRS()产生的对象传递给leaflet()函数。

11.2

基于自定义的CRS添加tiles底图

下面的例子显示的是瑞典的哥德堡城市，以EPSG:3006(SWEREF99 TM)坐标系进行投影。

 1library(leaflet)
 2
 3# 自定义CRS投影坐标系
 4epsg3006 <- leafletCRS(crsClass = "L.Proj.CRS", code = "EPSG:3006",
 5  proj4def = "+proj=utm +zone=33 +ellps=GRS80 +towgs84=0,0,0,0,0,0,0 +units=m +no_defs",
 6  resolutions = 2^(13:-1), # 设置分辨率，每个像素点代表多少米，用于缩放，从 8192到0.5
 7  origin = c(0, 0) # 原点坐标
 8)
 9
10tile_url <- "http://api.geosition.com/tile/osm-bright-3006/{z}/{x}/{y}.png"
11tile_attrib <- "Map data © OpenStreetMap contributors, Imagery © 2013 Kartena"
12
13# 绘widget图
14leaflet(options = leafletOptions(worldCopyJump = F, crs = epsg3006)) %>% # 指定crs参数
15  setView(11.965053, 57.70451, 13) %>%
16  addTiles(urlTemplate = tile_url, # 使用URL上的模板
17    attribution = tile_attrib, # widget下面的小字，表示tiles layer的属性，为HTML语法
18    options = tileOptions(minZoom = 0, maxZoom = 14, continuousWorld = T)) %>%
19  addMarkers(11.965053, 57.70451)

再次强调，学会使用leafletCRS()函数自定义CRS，
并基于该CRS投影坐标系添加tiles底图，非常重要。
事实上，上图中，来自api.geosition.com 服务商的tiles正是基于EPSG:3006产生的。
我们可以通过使用默认的EPSG:3857来绘制一个类似的地图，与上图进行比较。
如果自定义的CRS正常工作，则marker会出现在相同的位置：

1library(leaflet)
2
3leaflet() %>% setView(11.965053, 57.70451, 16) %>% addTiles() %>% addMarkers(11.965053, 
4    57.70451)

11.3

基于自定义的CRS添加shapes

产生Tiles基于的CRS，必须与leafletCRS()中自定义的CRS相同。
我们经常使用基于WGS 84坐标系的经纬度数据，来添加markers, circles, polygons和lines。
leaflet会自动使用该坐标系来投影上诉特征。

下面的例子是基于EPSG:2163(美国国家地图集等轴投影坐标系)坐标系。
我们使用albersusa包中数据集usa_sf, 事实上并没有使用Albers投影坐标系。
该地图集中，阿拉斯加和夏威夷群岛，被旋转和调整大小过，以使其更靠近美国大陆。

 1library(leaflet)
 2library(sp)
 3library(albersusa)
 4
 5spdf <- rmapshaper::ms_simplify(usa_sf(), keep = 0.1) # 简化polygons数据集
 6
 7pal <- colorNumeric("Blues", domain = spdf$pop_2014) # 产生palette函数
 8
 9# 自定义CRS
10epsg2163 <- leafletCRS(
11  crsClass = "L.Proj.CRS",
12  code = "EPSG:2163",
13  proj4def = "+proj=laea +lat_0=45 +lon_0=-100 +x_0=0 +y_0=0 +a=6370997 +b=6370997 +units=m +no_defs",
14  resolutions = 2^(16:7)) # 设置分辨率，每个像素代表多少米，用于缩放
15
16# 基于CRS坐标系和spdf数据集，绘制地图
17leaflet(spdf, options = leafletOptions(crs = epsg2163)) %>% # 使用自定义的CRS
18  addPolygons(weight = 1, color = "#444444", opacity = 1, # 设置边界线线宽，颜色，透明度
19    fillColor = ~pal(pop_2014), fillOpacity = 0.7, 
20    smoothFactor = 0.5,
21    label = ~paste(name, pop_2014),
22    labelOptions = labelOptions(direction = "auto"))

11.4

极地投影坐标系

有时候也会需要使用极地投影坐标系，
相比其它投影坐标系，可能会遇到更多的问题，甚至与其它Leaflet.js插件不兼容性问题。
可以参考的Bhaskar Karambelkar的案例

(http://rpubs.com/bhaskarvk/leaflet-polarmaps)

12.附加特征

常用附加特征包括：

• leaflet Measure(刻度尺)
  

• Graticule(网格线)
  

• Terminator(白天黑夜指示器)
  

• Minimap(小地图)

12.1

Leaflet Measure 刻度尺

使用addMeasure()可以在地图上添加刻度尺插件。

（https://github.com/ljagis/leaflet-measure）
刻度尺使用方法：

• 首先用鼠标点击刻度尺，然后在提示框中点击Create a new measurement 就激活刻度尺了。
  

• 然后再地图上连续点击2点就能绘制一条线段。
  

• 随之提示框中会显示线段的长度Path distance，
  

• 然后点击Finish measurement按钮，就能将线段保留显示。
  

• 连续点击3个及以上的点，且不在一条直线上，则随之显示折线长度，增加显示面积Area，
  

• 点击Finish measurement按钮就将面积区域保留显示。

1library(leaflet)
2
3m <- leaflet() %>% addTiles()
4
5m %>%
6  fitBounds(-73.9, 40.75, -73.95,40.8) %>% #fitBounds设定地图矩形区域边界，定到纽约中央公园
7  addMeasure() # 添加刻度尺插件，默认位置在widget右上角

addMeasure()函数内有很多可选参数用来设置插件的外观和behavior。详情见?addMeasure。
关键参数：

• position,表示指定刻度尺按钮相对位置。
  

• primaryLengthUnit, 表示指定测量长度时显示的主要长度单位，
  主要长度后面的括号内为可选参数，表示次要长度单位secondaryLengthUnit。
  

• primaryAreaUnit, 表示指定测量面积时显示的主要长度单位，
  同样括号内为次要面积单位secondaryAreaUnit。
  

• activeColor，表示指定激活刻度尺时，在地图上点击点，连线时，点和线及面的颜色。
  用HEX色值表示。

• completedColor， 表示点击Finish measurement后，点和线及面的颜色。同样为HEX色值。

 1library(leaflet)
 2
 3m %>%
 4  fitBounds(13.76134, 52.675499, 13.0884, 52.33812) %>% # 设定边界到德国柏林
 5  addMeasure(
 6    position = "bottomleft", # 设定刻度尺相对位置为左下角
 7    primaryLengthUnit = "meters", # 设定测量长度时显示的主要长度单位
 8    primaryAreaUnit = "sqmeters", # 设定测量面积时显示的主要面积单位
 9    activeColor = "#00ffff", # = cyan, 激活刻度尺时，点线面的颜色。
10    completedColor = "#ff00ff") # = magenta, 表示Finish测量后，点线面的颜色。

12.2

Graticule网格线

使用addGraticule()函数可以给地图添加一个grid网格(通过Leaflet.Graticule插件)。
关键参数：

• interval, 表示指定网格线之间间距。

• style, 表示网格线的样式，列表传参，
  可以设定网格线线型dashArray，线宽weight，颜色color，透明度Opacity等。
  

• layerId和group，结合group参数和addLayersControl()函数可以添加开关。

1library(leaflet)
2
3m <- leaflet() %>% addTiles() %>% setView(0, 0, 2)
4m %>% addGraticule()

1library(leaflet)
2# 添加2种网格线，间距不一样，线宽不一样，颜色也不一样
3m %>% addGraticule(interval = 30, 
4                   style = list(color = "#00ffff", weight = 4)) %>% # = "cyan"
5 addGraticule(interval = 70, style = list(color = "#ff00ff", weight = 2)) # = "magenta"

将group参数和addLayersControl()函数联合使用，以增加网格显示开关。

 1library(leaflet)
 2
 3# 添加2种网格线，间距不一样，线宽不一样，颜色也不一样
 4m %>% addGraticule(interval = 30, 
 5                   style = list(color = "#00ffff", weight = 4),# = "cyan"
 6                   group = "cyan grid") %>% 
 7 addGraticule(interval = 70, 
 8              style = list(color = "#ff00ff", weight = 2),# = "magenta"
 9              group = "magenta grid") %>%
10 addLayersControl(overlayGroups = c("cyan grid", "magenta grid"),
11    options = layersControlOptions(collapsed = FALSE))

12.3

Terminator (白天/黑夜指示器)

使用addTerminator()函数添加白天/黑夜指示器，划分区域。 白天黑夜跟时区没有关系，默认状态下，白天/黑夜指示器都是实时的。
并没有color,fill和style等参数，所以不能调整颜色等设置。

1library(leaflet)
2
3# 默认分辨率，阴影蒙板区域为黑夜
4leaflet() %>% addTiles() %>% addTerminator()

自定义分辨率和时区及时刻，然后添加到group开关中：

 1library(leaflet)
 2
 3leaflet() %>%
 4  addTiles() %>%
 5  addTerminator(
 6    resolution=10, # 指定分辨率，值越大，则精度越高，但计算量增加，默认为2
 7    time = "2013-06-20T21:00:00Z", # 时区及时刻
 8    group = "day&light") %>%
 9
10  addLayersControl(
11    overlayGroups = "day&light",
12    options = layersControlOptions(collapsed = FALSE))

12.4

Minimap小地图

可以使用addMinimap()函数添加一个坐标范围更大的小地图， 该功能同样是通过Leaflet-Minimap实现的。
注意，minimap上仅仅显示tiles, 不能显示markers, polygons等其它特征。
在小地图上可以缩放拖拽，大地图也会发生相应响应。
在大地图上缩放拖拽，小地图同样会响应。
小地图上有个矩形蒙板框，表示蒙板区域对应大地图上的边界。

1library(leaflet)
2
3l <- leaflet() %>% setView(0, 0, 3)
4
5l %>% addProviderTiles(providers$Esri.WorldStreetMap) %>% addMiniMap()

关键参数：

• tiles, URL链接，指定小地图的tiles,可以与大地图不同。
  

• toggleDisplay,为逻辑值，表示是否设置小地图开关，TRUE则出现箭头开关。

1library(leaflet)
2
3l %>% addProviderTiles(providers$Esri.WorldStreetMap) %>% addMiniMap(tiles = providers$Esri.WorldStreetMap, 
4    toggleDisplay = TRUE)

13.leafletCN（中国扩展包）

leafletCN是一个基于leaflet包做的大中华扩展,
优势在于有细分到县级市级别的区划数据, 虽然没那么准, 但是也基本能用了
leafletCN会自动匹配传入的前两个字符来寻找合适的位置进行绘制, 所以基本不需要纠结是写’上海市’还是’上海’了
常用函数：

• regionNames()返回辖区内地名。
  

• demomap()传入地名绘制辖区地图
  

• geojsonMap()变量着色。
  

• amap()叠加高德地图tiles
  

• read.geoShape()读取一个geojson对象，保存成spdataframe, 以方便leaflet调用。
  

• leafletGeo()用地图名以及一个数据框创建一个sp的对象。

13.1

regionNames()返回辖区名称

1library(leafletCN)
2
3regionNames("China")
4regionNames("四川省")
5regionNames("成都")

 1##  [1] "新疆维吾尔自治区" "西藏自治区"       "内蒙古自治区"    
 2##  [4] "青海省"           "四川省"           "黑龙江省"        
 3##  [7] "甘肃省"           "云南省"           "广西壮族自治区"  
 4## [10] "湖南省"           "陕西省"           "广东省"          
 5## [13] "吉林省"           "河北省"           "湖北省"          
 6## [16] "贵州省"           "山东省"           "江西省"          
 7## [19] "河南省"           "辽宁省"           "山西省"          
 8## [22] "安徽省"           "福建省"           "浙江省"          
 9## [25] "江苏省"           "重庆市"           "宁夏回族自治区"  
10## [28] "海南省"           "台湾省"           "北京市"          
11## [31] "天津市"           "上海市"           "香港特别行政区"  
12## [34] "澳门特别行政区"  
13##  [1] "甘孜藏族自治州"     "阿坝藏族羌族自治州" "凉山彝族自治州"    
14##  [4] "绵阳市"             "达州市"             "广元市"            
15##  [7] "雅安市"             "宜宾市"             "乐山市"            
16## [10] "南充市"             "巴中市"             "泸州市"            
17## [13] "成都市"             "资阳市"             "攀枝花市"          
18## [16] "眉山市"             "广安市"             "德阳市"            
19## [19] "内江市"             "遂宁市"             "自贡市"            
20##  [1] "成华区"   "崇州市"   "大邑县"   "都江堰市" "金牛区"   "金堂县"  
21##  [7] "锦江区"   "龙泉驿区" "彭州市"   "蒲江县"   "青白江区" "青羊区"  
22## [13] "双流县"   "温江区"   "武侯区"   "新都区"   "新津县"   "邛崃市"  
23## [19] "郫县"

13.2

demomap()返回辖区地图

1library(leafletCN)
2
3demomap("台湾")

13.3

geojsonmap()变量着色

1library(leaflet)
2library(leafletCN)
3
4dat <-  data.frame(name = regionNames("china"),
5                 value = runif(34))
6geojsonMap(dat,"china") %>%  # 给变量value着色
7  setView(lng = 106.33, lat = 29.35, zoom = 3.5)

13.4

amap()叠加高德地图tiles

自带管道函数

1library(leaflet)
2library(leafletCN)
3
4leaflet() %>% amap() %>% addMarkers(lng = 116.3125774825, lat = 39.9707249401, 
5    popup = "The birthplace of COS")

13.5

read.geoShape()读取geojson对象

1library(leaflet)
2library(leafletCN)
3
4if (require(sp)) {
      
5    filepath <- system.file("E:/R_input_output/data_input/JSON/GeoJSON/China.geojson", 
6        package = "leafletCN")
7    map <- read.geoShape(filepath)
8    plot(map)
9}

13.6

leafletGeo()映射数据框

leafletGeo()这个函数可以把一个数据框和地图结合在一起，方便leaflet调用，
其中名字的变量为name, 数值的变量为value。

 1library(leafletCN)
 2
 3if (require(leaflet)) {
      
 4    dat = data.frame(regionNames("china"), runif(34))
 5    map = leafletGeo("china", dat)
 6
 7    pal <- colorNumeric(palette = "Blues", domain = map$value)
 8
 9    leaflet(map) %>% addTiles() %>% addPolygons(stroke = TRUE, smoothFactor = 1, 
10        fillOpacity = 0.7, weight = 1, color = ~pal(value), popup = ~htmltools::htmlEscape(popup)) %>% 
11        addLegend("bottomright", pal = pal, values = ~value, title = "legendTitle", 
12            labFormat = leaflet::labelFormat(prefix = ""), opacity = 1)
13}

参考来源：

• leaflet

（https://rstudio.github.io/leaflet/json.html）

• geojson格式

（https://www.jianshu.com/p/5c6c6e76d4df）

• leafletCN PPT

（http://langdawei.com/leafletIntro/Untitled.html#19）

• R+大地图时代

（https://blog.csdn.net/sinat_26917383/article/details/57083985）

• leafletCN github

（https://github.com/lchiffon/leafletCN）

• rgdal Tips

（http://zevross.com/blog/2016/01/13/tips-for-reading-spatial-files-into-r-with-rgdal/）

• albersusa github

（https://github.com/hrbrmstr/albersusa）

往期精彩：

• R爬虫小白入门：Rvest爬链家网+分析（三）
  

• “IT男等级”对照表｜找找你在哪？
  

• 零基础：R必知必会
  

• R语言中文社区2018年终文章整理（作者篇）

• R语言中文社区2018年终文章整理（类型篇）

公众号后台回复关键字即可学习

回复 爬虫            爬虫三大案例实战
回复 Python       1小时破冰入门
回复 数据挖掘     R语言入门及数据挖掘
回复 人工智能     三个月入门人工智能
回复 数据分析师  数据分析师成长之路 
回复 机器学习     机器学习的商业应用
回复 数据科学     数据科学实战
回复 常用算法     常用数据挖掘算法

今天是妇女节

下班记得买束花送给自己的老婆和母亲↓