多维放射状流向图的最佳布局方案

感谢关注天善智能，走好数据之路↑↑↑

欢迎关注天善智能，我们是专注于商业智能BI，大数据，数据分析领域的垂直社区，学习，问答、求职一站式搞定！

本文作者：天善智能社区专家杜雨

最近，有很多小伙伴儿跟我咨询一个比较复杂的地图图表画法。

需求是这样的，一个国家各省或者全球各国之间存在的贸易关系、或者其他经济往来。想要用线条来表达这些指标的流向，同时使用线条粗细来表达指标流向的量级，我给他们的建议是，虽然你很明确要表达的意思，但是实际上这种形式所呈现的最终结果，可能并非你想要的。

如果在一个地图中这些线条都是从一个点发散出来的，这种表达形式虽说不妥，但是不算糟糕，但是倘若你的数据中是多个发散中心，即每个城市都会向其他各个城市发散出一组放射线条，同时线条还有粗细之分，那么最终的效果简直惨不忍睹。

当然我还是会用案例来把这种常规的想法用代码演示一遍，同时给出自己觉得最优的两种解决思路：

#加载包：

library(ggplot2)

library(dplyr)

library(rgdal)

library(shiny)

library(shinythemes)

##转换为数据框并合并城市数据：

china_map <- fortify(china_map)

province_city <- read.csv("D:/R/rstudy/Province/chinaprovincecity.csv",stringsAsFactors = FALSE,check.names = FALSE)

###构造线条起始点数据：

city<-c("北京","上海","重庆","天津","武汉","南京","广州","沈阳","西安","郑州")

city_data<-merge(city,city)%>%rename(Start=x,End=y)%>%arrange(Start)

city_data<-city_data%>%merge(province_city[,c("city","jd","wd")],by.x="Start",by.y="city",all.x=TRUE)%>%rename(Start_long=jd,Start_lat=wd)

city_data<-city_data%>%merge(province_city[,c("city","jd","wd")],by.x="End",by.y="city",all.x=TRUE)%>%rename(End_long=jd,End_lat=wd)

city_data<-transform(city_data,zhibiao1=runif(nrow(city_data),0,100),zhibiao2=runif(nrow(city_data),0,100),zhibiao3=runif(nrow(city_data),0,100))

###理所当然的普通做法1：

ggplot()+

geom_polygon(data=china_data,aes(x=long,y=lat,group=group),fill="white",colour="grey60")+

geom_segment(data=city_data,aes(x=Start_long,y=Start_lat,xend=End_long,yend=End_lat,size=zhibiao1),colour="black")+

coord_map("polyconic") +

scale_size_area(max_size=2)+

theme_void()

###最合适的做法1：图形分面：

ggplot()+

geom_polygon(data=china_data,aes(x=long,y=lat,group=group),fill="white",colour="grey60")+

geom_segment(data=city_data,aes(x=Start_long,y=Start_lat,xend=End_long,yend=End_lat),colour="black")+

geom_point(data =city_data,aes(x=End_long,y=End_lat,size=zhibiao1),shape=21,fill="#8E0F2E",colour="black",alpha=0.4)+

scale_size_area(max_size=6)+

coord_map("polyconic") +

facet_wrap(~Start,nrow = 2)+

theme_void()

###最合适的做法2：

Shiny动态交互图：

city_list<-list("北京"="北京","上海"="上海","重庆"="重庆","天津"="天津","武汉"="武汉","南京"="南京","广州"="广州","沈阳"="沈阳","西安"="西安","郑州"="郑州")

ui <-shinyUI(fluidPage(

theme=shinytheme("cerulean"),

titlePanel("Population Structure Data"),

sidebarLayout(

sidebarPanel(

radioButtons("var1","City",city_list,inline=FALSE),

selectInput("var2","Value",c("zhibiao1"="zhibiao1","zhibiao2"="zhibiao2","zhibiao3"="zhibiao3"),selected="zhibiao1")

),

mainPanel(h2("Trade Stream"),plotOutput("distPlot"))

)

))

server<-shinyServer(function(input,output){

output$distPlot <- renderPlot({

mydata=filter(city_data%>%filter(Start==input$var1))

argu<-switch(input$var2,zhibiao1=mydata$zhibiao1,zhibiao2=mydata$zhibiao2,zhibiao3=mydata$zhibiao3)

ggplot(mydata)+

geom_polygon(data=china_data,aes(x=long,y=lat,group=group),fill="white",colour="grey60")+

geom_segment(aes(x=Start_long,y=Start_lat,xend=End_long,yend=End_lat),colour="black")+

geom_point(aes(x=End_long,y=End_lat,size=argu),shape=21,fill="#8E0F2E",colour="black",alpha=0.4)+

scale_size_area(max_size=6)+

coord_map("polyconic") +

theme_void()

})

})

shinyApp(ui=ui,server=server)

杜雨老师相关课程：

Hellobi Live直播【R语言可视化在商务场景中的应用】

地址：https://edu.hellobi.com/course/195

内容：1、为什么选择R；2、ggplot2可视化理念；3、配色方案与规则；4、案例分享；5、高级数据地图专题应用；6、图形输出。

天善学院svip正限时特惠火爆报名中！包含业务知识一站通、Excel BI商业智能、七周成为数据分析师、对话大数据系列技术、R语言15案例、Python3网络爬虫实战案例、Python机器学习、Python数据科学家精华实战课程、深度学习模型和实战课程、数据分析报告共10套课程，其他课程只需五折即可，欢迎大家关注报名。https://www.hellobi.com/svip