ggplot2-工具箱5

1. 曲面图

ggplot2暂不支持真正的三维曲面图，但内置了在二维平面上展示三维曲面的常见工具：等高线图、着色瓦片（colored tiles）以及气泡图。这些图形工作原理相近，只是第三维变量映射的图形属性有所不同

ggplot(faithfuld, aes(eruptions, waiting)) +
	geom_contour(aes(z = density, color = ..level..))

ggplot(faithfuld, aes(eruptions, waiting)) +
	geom_raster(aes(fill = density))

# 气泡图适用于观测点较少的情况
small <- faithfuld[seq(1, nrow(faithfuld), by = 10), ]
ggplot(small, aes(eruptions, waiting)) +
	geom_point(aes(size = density), alpha = 1/3) +
	scale_size_area()

2. 绘制地图

共有4类需要可视化的地图数据：矢量边界、点状元数据、区域元数据和光栅图
一般来说，这些数据的收集整合是绘制地图过程中的最大难点

1. 矢量边界

矢量边界数据通常为数据框格式，其中包含一个地理区域（如国家、州、县）的每个边界点数据
lat（latitude，纬度）和long（longitude，经度）：表示边界点的坐标
group：每个毗邻区域的独特标记
id：记录一个地区的名称

区分group和id变量很要必要，因为一个地理单位形状未必是连续的多边形
比如由众多小岛构成的夏威夷，它的地图就不可能使用多边形绘制

使用ggplot::map_data()可以提取已有地图包中的数据，这些数据并不完全准确也不是最新的，不过用来入门的话很不错

mi_counties <- map_data("county", "michigan") %>%
	select(lon = long, lat, group, id = subregion)
head(mi_counties)

可以使用geom_polygon()可视化矢量边界数据

ggplot(mi_counties, aes(lon, lat)) +
	geom_polygon(aes(group = group)) +
	coord_quickmap()

ggplot(mi_counties, aes(lon, lat)) +
	geom_polygon(aes(group = group), fill = NA, color = "grey50") +
	coord_quickmap()

请关注coord_quickmap()的使用：它可以对地图比例尺是否合适作出简易的判断

1. USAboundaries包
2. tigris包
3. rnaturalearth包
4. osmar包
5. 地图数据集（.shp）
   上述资源均会生成sp包定义下的空间数据框，可以通过fortify()作出转换
   注意，以下代码可能已outdated，请跳到*处查看代码

library(USAboundaries)
c18 <- us_states("1820-01-01")
c18df <- fortify(c18)
head(c18df)

ggplot(c18df, aes(long, lat)) +
	geom_polygon(aes(group = group), color = "grey50", fill = NA) +
	coord_quickmap()

*

library(USAboundaries)

#?us_congressional to see other options

cong.map <- us_congressional(resolution = "high")

ggplot(cong.map) +
  geom_sf()

cong.map <- filter(cong.map, state_name %in% state.name & !(state_name %in% c("Hawaii", "Alaska")))

ggplot(cong.map) +
  geom_sf(color="black", fill="white") +
  theme_void()

2. 点状元数据

点状元数据使用其它变量连接各个位点（由经纬度定义），比如下述代码提取密歇根州中最大的城市数据（2006年数据）

mi_cities <- maps::us.cities %>%
	tbl_df() %>%
	filter(country.etc == "MI") %>%
	select(-country.etc, lon = long) %>%
	arrange(desc(pop))

mi_cities

我们可以使用散点图展示这些数据，但需要一定解释说明才能让图像清晰有效。因此，我们通常需要在点状元数据上绘制另一图层

ggplot(mi_cities, aes(lon, lat)) +
	geom_point(aes(size = pop)) +
	scale_size_area() +
	coord_quickmap()

ggplot(mi_cities, aes(lon, lat)) +
	geom_polygon(aes(group = group), mi_counties,
	fill = NA, color = "grey50") +
	geom_point(aes(size = pop), color = "red") +
	scale_size_area() +
	coord_quickmap()

3. 光栅图

注意，以下代码可能已outdated，请跳到*处查看代码
如果你不需要在矢量边界图中进行解释说明，而只是绘制一幅传统地图，这就称为光栅图
绘制光栅图最简单的办法是使用ggmap包，它会从一系列包括OSM和谷歌地图的在线地图资源中提取数据。下载光栅图数据耗时通常较长，所以最好将他们存储维rds文件

if(file.exists("mi_raster.rds")){
	mi_raster <- readRDS("mi_raster.rds")
}else{
	bbox <- c(
		min(mi_counties$lon), min(mi_counties$lat),
		max(mi_counties$lon), max(mi_counties$lat)
	)
	mi_raster <- ggmap::get_openstreetmap(bbox, scale = 8735660)
	saveRDS(mi_raster, "mi_raster.rds")
}
#（找到合适的scale变换通常需要大量实验，然后可以通过以下代码完成图像绘制）

ggmap::ggmap(mi_raster)

ggmap::ggmap(mi_raster) +
	geom_point(aes(size = pop), mi_cities, color = "red") +
	scale_size_area()

如果已经从raster包中获得了光栅图数据，可以通过以下代码将它转换为ggplot2支持的格式

df <- as.data.frame(raster::rasterToPoints(x))
names(df) <- c("lon", "lat", "x")
ggplot(df, aes(lon, lat)) +
	geom_raster(aes(fill = x))

*

myMap <- get_map(location=bbox, 
                 source="stamen", maptype="watercolor", crop=FALSE)
ggmap(myMap)

4. 区域元数据

有时元数据并不以点状呈现而是以区域表示。比如我们可以使用mi_census展示密歇根州各县人口普查数据

mi_census <- midwest %>%
	tbl_df() %>%
	filter(state == "MI") %>%
	mutate(county = tolower(county)) %>%
	select(county, area, poptotal, percwhite, percblack)
mi_census

我们不能直接把这类数据地图化，因为它没有提供空间数据，我们必须先将它与矢量边界数据合并。这会占用一定内存，但可以更清晰地看到绘图所使用地数据。此处使用dplyr::left_join()合并这两个数据集并绘制分级统计图

census_counties <- left_join(mi_census, mi_counties, by = c("county" = "id"))
census_counties

ggplot(census_counties, aes(lon, lat, group = county)) +
	geom_polygon(aes(fill = poptotal)) +
	coord_quickmap()

ggplot(census_counties, aes(lon, lat, group = county)) +
	geom_polygon(aes(fill = percwhite)) +
	coord_map()