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 =