R_ggplot2地理信息可视化_史上最全（二）

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

对商业智能BI、大数据分析挖掘、机器学习，python，R等数据领域感兴趣的同学加微信：tstoutiao，邀请你进入数据爱好者交流群，数据爱好者们都在这儿。

作者：李誉辉  

四川大学在读研究生

前言

上文

R_ggplot2地理信息可视化_史上最全（一）

讲了sp和sf数据类型，这篇讲解地图数据集以及与其他几何对象的结合，还有栅格地图。

注：蓝字表示文末有其网址链接

4.地图数据集

地图数据集常见2中格式：

json,包括GeoJSON(文件后缀为.geojson)和TopoJson(文件后缀为.json)。

shp, shp对象比较特殊，是由很多个文件组成的，
通常在同一个文件下还有.shx和.dbf格式的文件。这些文件必须在一起，否则不能成功读取。

.rds,这是一种文件格式，分为sp.rds和sf.rds两种，分别对应p和sf两种数据结构。
使用sp::readRDS()读取。

地图数据集读取包及函数

如上图所示,rgdal和sf功能比较全，用得也比较多。
地图集下载网站：

GADM，注意该网站中，中国地图不包含台湾。

中国县级地图 （见文末）提取码：uomy

OpenStreetMap

阿里云地图,左上角框框里面选择区域，左下角选择下载格式。

地图数据在线转换格式：

geojson.io,在线解析和转换格式。

mygeodata converter

IGIS Map Converter

推荐使用rmapshaper::ms_simplify()简化地图数据，可以指定简化比例，不然真的很卡，
该包使用拓扑学的知识简化多边形，简化后在常规分辨率下根本看不出来差别。
该函数支持json，sp，sf等多种输入对象。
object.size()可以查看数据集的存储大小。

4.1 json格式

4.1.1 rgdal包读取

 1rm(list = ls()); gc() # 清空内存
 2library(ggplot2)
 3
 4path1 <- "E:/R_input_output/data_input/JSON/GeoJSON/China.geojson"
 5China_1 <- rgdal::readOGR(dsn = path1, stringsAsFactors = FALSE)
 6Encoding(China_1@data$name) <- "UTF-8" # 中文字符重编码
 7China_2 <- fortify(China_1)
 8
 9ggplot(China_2) + 
10  geom_polygon(aes(x = long, y = lat, group = group, fill = group), 
11               color = "cyan", show.legend = FALSE) + 
12  coord_map()

1##           used (Mb) gc trigger (Mb) max used (Mb)
2## Ncells  901585 48.2    1744096 93.2  1744096 93.2
3## Vcells 1789510 13.7    9804475 74.9 12236244 93.4
4## OGR data source with driver: GeoJSON 
5## Source: "E:\R_input_output\data_input\JSON\GeoJSON\China.geojson", layer: "中国"
6## with 35 features
7## It has 10 fields

4.2 sf包读取

sf包读取中文字符不会乱码。

 1rm(list = ls()); gc() # 清空内存
 2library(ggplot2)
 3library(sf)
 4
 5path1 <- "E:/R_input_output/data_input/JSON/GeoJSON/China.geojson"
 6China_1 <- st_read(path1, stringsAsFactors=FALSE)
 7
 8ggplot(China_1) + 
 9  geom_sf(color = "cyan", aes(fill = name), show.legend = FALSE) + 
10  coord_sf(crs = "+proj=aea +lat_1=25 +lat_2=50 +lon_0=105") + 
11  ggtitle("中国地图(Albers equal-area projection)")

 1##           used (Mb) gc trigger (Mb) max used (Mb)
 2## Ncells 1112615 59.5    1744096 93.2  1744096 93.2
 3## Vcells 2079841 15.9    9804475 74.9 12236244 93.4
 4## Reading layer `涓浗' from data source `E:\R_input_output\data_input\JSON\GeoJSON\China.geojson' using driver `GeoJSON'
 5## Simple feature collection with 35 features and 10 fields
 6## geometry type:  MULTIPOLYGON
 7## dimension:      XY
 8## bbox:           xmin: 73.50235 ymin: 3.397162 xmax: 135.0957 ymax: 53.56327
 9## epsg (SRID):    4326
10## proj4string:    +proj=longlat +datum=WGS84 +no_defs

4.3 shp格式

4.3.1 rgdal包读取

 1rm(list = ls()); gc() # 清空内存
 2library(ggplot2)
 3
 4path1 <- "E:/R_input_output/data_input/全国范围的行政边界和人口密度矢量图/CHN_adm/CHN_adm1.shp"
 5China_1 <- rgdal::readOGR(dsn = path1, stringsAsFactors = FALSE)
 6China_2 <- rmapshaper::ms_simplify(China_1) # 拓扑学知识简化数据
 7object.size(China_1); object.size(China_2) # 简化到不足1/10大小
 8
 9China_3 <- fortify(China_2)