R_leaflet包_最易上手地图教程(一)

2019 年 3 月 6 日 R语言中文社区

作者:李誉辉  

四川大学在读研究生


最近一直在寻找方便上手的地图包,实验了google地图包,百度地图包,发现还是有很多限制。
百度地图包搭配的
REmap总是崩溃,
google地图包
ggmap现在需要国际信用卡注册,总之,都不甚满意。
虽然
ggplot2地图功能非常丰富,但是还是不够简单快捷。
尤其是当我们仅仅需要绘制一些简单的地图时。
经过圈子大佬的推荐,开始尝试
leaflet包,确实给我很多惊喜。

leaflet包相对其它地图包,有很多优点和缺点,
首先,绘制地图简单快捷,因为都是基于供应商的tiles,一行代码就可以render出基本widget地图。
支持管道传参,一个图层一个图层进行添加,代码结构更加清晰。
其次,有很多tiles供应商可以选择,包括高德、google、Stamen, Esri, OpenWeatherMap,NASA,
等好几十个tiles供应商。当然其中一些需要注册。其中的google可以绕过注册,已经很难得了。

对于在地图上添加markers图标,shapes形状,线条等,异常方便快捷,这在ggplot2中很难做到的。
支持栅格数据,rasters栅格数据是基于像素点的地图。可以看出,leaflet具有很强的包容性。
支持多种投影坐标系,甚至可以自定义坐标系,这在某些特殊场景非常重要。

当然还有更重要的是,其具有一定交互能力,可以缩放拖拽,
简单的图层切换也不需要使用Shiny。使得更容易上手。
其它特点,首先tiles是基于供应商的,必须联网,
其次对颜色支持不一样,只支持HEX颜色空间和
colors()中的颜色名称。 当然内置的几个palette函数,非常特别。

总之,笔者认为leaflet包与ggplot2包的互补性非常好,刚好弥补了ggplot2中画地图的不足。
对于大量数据需要呈现在地图上的场景,还是`
ggplot2leaflet中插入其它plots不便也没有必要。

下面是笔者总结的中文教程,使得新人能更快上手。

说明:以下图片皆为截图,限于技术问题,不能完全展现它的交互式功能。

1.Widget设置

Widget地图框的设置,就是确定Widget的基本参数,

包括CRS坐标系,widget的中心坐标,zoom level(缩放)的范围, widget边界坐标,data数据等。


1.1

leafletOptions()

leaflet()中有个options参数,用leafletOptions()函数来指定,可以控制widget缩放范围。

语法:

1leafletOptions(minZoom = NULL, maxZoom = NULL, crs = leafletCRS(),
2  worldCopyJump = NULL, preferCanvas = NULL...)

关键参数:

  • minZoom,表示最低缩小倍数,作用于所有地图层。

  • maxZoom,表示最高放大倍数,作用于所有地图层。

  • crs, 表示指定坐标系统,

  • preferCanvas, 表示是否将leaflet.js路径呈现在地图上。

1library(leaflet)
2
3leaflet(options = leafletOptions(minZoom = 0, maxZoom = 18))


1.2

中心、缩放、边界

关键函数:

  • setView() ,设定地图的view(包括center位置和zoom level)

  • flyTo() ,切换到一个指定的location或zoom-level,使用光滑的pan-zoom

  • fitBounds() ,设定地图矩形区域边界。view将限制在[lng1, lat1] - [lng2, lat2]

  • flyToBounds() ,切换到一个指定的地图矩形区域边界,使用光滑的pan/zoom

  • setMaxBounds() ,限定地图矩形区域最大边界

  • clearBounds() ,清除地图矩形区域边界, 然后view将只会受地图层的经度和纬度数据限制。

语法:

  • setView(map, lng, lat, zoom, options = list())

  • flyTo(map, lng, lat, zoom, options = list())

  • fitBounds(map, lng1, lat1, lng2, lat2, options = list())

  • flyToBounds(map, lng1, lat1, lng2, lat2, options = list())

  • setMaxBounds(map, lng1, lat1, lng2, lat2)

  • clearBounds(map)

参数解释:

  • map,表示leaflet()创建的map widget

  • lng, 表示map center的经度,东经为正

  • lat, 表示map center的纬度,北纬为正

  • zoom, 表示zoom level

  • options, 列表传参,传递zoom或pan参数。

  • lngllatllng2lat2, 表示widget边界的坐标。

 1library(leaflet)
2
3# 设定中心坐标和zoom level
4m <- leaflet() %>% addTiles() %>% setView(-71.038267942.3489054, zoom = 18)
5
6# 显示第一个view
7m %>% fitBounds(-7240, -7043)  # 设定view边界
8
9# 显示第二个view
10m %>% clearBounds()  # 清除边界限制, leaflet()默认为世界地图



1.3

Data数据

这里的Data不仅仅是画地图上行政区域的数据,而且包括要在地图上呈现的数据。

大多数图层添加函数都有data参数,通常使用%>%管道符逐渐传递data参数。
leaflet()通常支持下列几种形式的数据。

  • 矩阵数据(由经度和纬度构成)。

  • 数据框(由经度和纬度构成)。

  • sp包传递的数据,包括:

    • SpatialPoints(数据框类型)

    • Line()/Lines()

    • SpatialLines()(数据框类型)

    • Polygon()/Polygons()

    • SpatialPolygons()(数据框类型)

  • maps包传递的数据,主要是map()函数传递的数据框。

对于经度和纬度组成矩阵或数据框类型数据,在调动data添加图层时,会根据变量名进行猜测匹配:

  • 若变量名称为lat,或latitude等,则猜测为纬度,猜测时,不区分大小写

  • 若变量名称为lnglong或 longitude等,则猜测为经度,猜测时,不区分大小写。

也可以手动指定经度和纬度变量,使用~语法。
在参数传递过程中,默认后面的
data参数覆盖前面data参数。

1.3.1 data中经纬度的指定/猜测/覆盖

 1library(leaflet)
2
3# 自动猜测匹配
4set.seed(123)
5df <- data.frame(Lat = 1:10Long = rnorm(10))
6leaflet(df) %>% addCircles()
7
8# 手动指定经度和纬度变量,结果一样 leaflet(df) %>% addCircles(lng = ~Long,
9# lat = ~Lat)
10
11# 在add_xxx()函数中重新指定参数进行覆盖,结果一样 leaflet() %>%
12# addCircles(data = df) leaflet() %>% addCircles(data = df, lat = ~Lat, lng
13# = ~Long)


1.3.2 sp对象的data

 1library(leaflet)
2library(sp)
3library(RColorBrewer)
4
5Sr1 <- Polygon(cbind(c(24412), c(23542)))  # 4对非重复点坐标,首尾相连
6Sr2 <- Polygon(cbind(c(5425), c(2322)))  # 3对非重复点坐标,画三角形
7Sr3 <- Polygon(cbind(c(445104), c(53255)))  # 4对非重复点坐标,画四边形
8Sr4 <- Polygon(cbind(c(56655), c(44334)), hole = TRUE)  # hole = TRUE,表示中空
9
10
11Srs1 <- Polygons(list(Sr1), "s1")  # 's1'指定ID参数,多个多边形才有ID参数,Polygon()没有ID参数
12Srs2 <- Polygons(list(Sr2), "s2")
13Srs3 <- Polygons(list(Sr4, Sr3), "s3/4")  # 合并Sr3和Sr4多边形
14
15# 列表传参,传递多个多边形参数
16SpP <- SpatialPolygons(list(Srs1, Srs2, Srs3), 1:3)
17
18leaflet(height = "300px") %>% addPolygons(data = SpP, fillColor = brewer.pal(3
19    name = "Set1"))


1.3.3 从maps包中获取data

1library(leaflet)
2library(maps)
3library(RColorBrewer)
4
5mapStates <- map("state", fill = TRUE, plot = FALSE)
6leaflet(data = mapStates) %>% addTiles() %>% addPolygons(fillColor = brewer.pal(10
7    name = "Paired"), stroke = FALSE)


1.3.4 其它参数

其它绘图参数支持R自带的数据类型,如:向量,颜色向量,数据框,同样支持用~指定。

 1library(leaflet)
2
3# 随便编一个数据
4m <- leaflet() %>% addTiles()
5df <- data.frame(lat = rnorm(100), lng = rnorm(100), size = runif(100520), 
6    color = sample(colors(), 100))
7
8m <- leaflet(df) %>% addTiles()
9# circle图标的半径不随zoom变化:
10m %>% addCircleMarkers(radius = ~size, color = ~color, fill = FALSE)
11# circle图标的半径不随zoom变化:
12m %>% addCircleMarkers(radius = runif(100410), color = c("red"))



2.Basemaps底图

leaflet支持Tilemap类型的底图,
leaflet支持多种免费第三方providers的tiles, 包括StamenEsriOpenWeatherMap等,
names(providers)可以查看所有的providers。


2.1

默认Tiles(OpenStreetMap)

使用addTiles()函数添加tiles并使用默认参数,默认即是OpenStreetMap,即街区Tiles

1library(leaflet)
2
3m <- leaflet() %>% setView(lng = -71.0589, lat = 42.3601, zoom = 12)
4m %>% addTiles()  # 显示街区图



2.2

第三方 Tiles


调用addProviderTiles()函数,在参数providers$后面加tiles供应商的名字就行了。 需要注意:部分第三方tiles需要注册。

通过options参数调用providerTileOptions()函数可以规避部分tiles的注册。
如果有定制的tiles模板的URL链接,可以在
addTiles()函数中调用。

1library(leaflet)
2
3m <- leaflet() %>% setView(lng = -71.0589, lat = 42.3601, zoom = 12)
4
5# 使用Stamen.Toner 的 tiles
6m %>% addProviderTiles(providers$Stamen.Toner)




2.3

巧妙的数据转换


通过调用函数addWMSTiles()可以添加WMS(Web Map Service)的tiles。

Web地图服务(WMS)是一种标准协议,描述如何通过Internet提供任何地理配准的地图图像,
这通常由使用来自地理信息系统数据库的数据的地图服务器生成。
协议标准由Open Geospatial Consortium(OGC)开发,
并于1999年首次发布.WMS提供了一种使用HTTP接口请求地理注册地图图像的简单方法。
WMS供应商https://en.wikipedia.org/wiki/Web_Map_Service

下图是调用WMS的tiles,显示降雨量的图数据来源http://mesonet.agron.iastate.edu/)。

1library(leaflet)
2
3leaflet() %>% addTiles() %>% setView(-93.6542.0285, zoom = 4) %>% # 叠加一个WMS的tiles图层
4addWMSTiles("http://mesonet.agron.iastate.edu/cgi-bin/wms/nexrad/n0r.cgi", layers = "nexrad-n0r-900913"
5    options = WMSTileOptions(format = "image/png", transparent = TRUE), attribution = "Weather data <U+00A9> 2012 IEM Nexrad")




2.4

Tiles图层叠加


多个Tiles图层也可以叠加, 但是这种情况通常仅用于表层tiles是半透明的情况下,

或在options参数中手动指定不透明度opacity
opacity从0(完全透明)到1(完全不透明)。

1library(leaflet)
2
3m <- leaflet() %>% setView(lng = -71.0589, lat = 42.3601, zoom = 12)
4
5m %>% addProviderTiles(providers$MtbMap) %>% # 底层tiles
6  addProviderTiles(providers$Stamen.TonerLines,  # 叠加一层tiles,显示公路和街道
7    options = providerTileOptions(opacity = 0.35)) %>% # opacity设定非透明度
8  addProviderTiles(providers$Stamen.TonerLabels) # 叠加tiles,显示公路名,街道名,机场图标。




3.Markers(图标)

使用图标用于标记地图上特殊的点。图标的位置通过经纬度指定。

leaflet中,图标可以分为:icon,circle图标,clusters(簇),共3类。

Markers坐标获取途径:

  • SpatialPoints()/SpatialPointsDataFrame() (sf包)

  • POINTsfc_POINTsf对象(sf包), 只有x,y维度的数据才能被使用。

  • 只有2列的矩阵(第1列为经度,第2列为纬度)

  • 含经度列和纬度列的数据框,
    同样默认猜测匹配,也可以手动指定,如: 
    addMarkers(lng = ~Longitude, lat = ~Latitude)

  • 用1个数字向量指定lnglat参数。

注意:不支持sf包中的 MULTIPOINT对象。


3.1

icon图标


icon图标的添加分为几类:

  • addMarkers()函数,添加leaflet中内置一种icon。

  • makeIcon()指定addMarkers()函数内的icon参数,
    添加URL链接(包括file path)中的一种icon。

  • icons()指定addMarkers()内的icon参数,同时添加几种icon。

  • iconList()addMarkers()函数联用,同时添加很多种icon。

  • addAwesomeMarkers()函数,添加awesome icons。

3.1.1 内置icon(addMarkers())

默认Icon为雨滴状图标(dropped pin)。
与大多数图层绘制函数一样,
popup参数可以用来指定一个message,当点击该Icon则显示该message;
label参数可以用来指定一个文本标签,可以是浮动的或静止的。

1library(leaflet)
2data(quakes)
3
4# 索引quakes前20行数据进行显示。
5leaflet(data = quakes[1:20, ]) %>% addTiles() %>% 
6# 增加图标图层,标签显示为quakes中的mag变量
7addMarkers(~long, ~lat, popup = ~as.character(mag), label = ~as.character(mag))


3.1.2 自定义icon(makeIcon())

自定义Icon图标,可以通过URL链接或文件路径来指定。
对于单独一个Icon,若要映射到多个数据点,则可以使用
makeIcon()函数制作一组Icon图标,
然后再调用
addMarkers()函数增加Marker图层。 

免费Icon下载https://icons8.com/icons

 1library(leaflet)
2data(quakes)
3
4# 制作一组Icon
5greenLeafIcon <- makeIcon(
6  iconUrl = "E:/R_input_output/images_input/leaf-green.png", # 使用文件路径指定
7  iconWidth = 38, iconHeight = 95, # 设定当个Icon的相对长宽。 
8  iconAnchorX = 22, iconAnchorY = 94, # 定位点相对位置(在IconWidthIconHeight内)
9  shadowUrl = "E:/R_input_output/images_input/leaf-shadow.png", # 阴影Icon
10  shadowWidth = 50, shadowHeight = 64,
11  shadowAnchorX = 4, shadowAnchorY = 62
12)
13
14leaflet(data = quakes[1:4,]) %>
% addTiles() %>%
15  addMarkers(~long, ~lat, icon = greenLeafIcon) # 增加Icon图层


3.1.3 icons()(多种icons)

若多个Icons图标尺寸等参数一致,仅仅URLs不一样,使用icons()制作Icon图标组合非常方便,
icons()语法与data.frame()类似,参数都可以用向量指定,短的参数将会循环补齐

 1library(leaflet)
2data(quakes)
3
4quakes1 <- quakes[1:10,] # 索引前10行数据
5
6leafIcons <- icons(
7  iconUrl = ifelse(quakes1$mag < 4.6, # 若mag < 4.6为真
8    "E:/R_input_output/images_input/leaf-green.png", # test = TRUE
9    "E:/R_input_output/images_input/leaf-red.png" # test = FALSE
10  ),
11  iconWidth = 38, iconHeight = 95, # length = 1, 循环补齐
12  iconAnchorX = 22, iconAnchorY = 94, # length = 1, 循环补齐
13  shadowUrl = "E:/R_input_output/images_input/leaf-shadow.png", # length = 1, 循环补齐
14  shadowWidth = 50, shadowHeight = 64, # length = 1, 循环补齐
15  shadowAnchorX = 4, shadowAnchorY = 62 # length = 1, 循环补齐
16)
17
18leaflet(data = quakes1) %>
% addTiles() %>%
19  addMarkers(~long, ~lat, icon = leafIcons) # 传递制作的Icons参数
20


3.1.4 icon列表(iconList())

若一些Icons的参数相差很大,此时使用iconList()函数更加方便,
相当于创建一个列表将
makeIcon()创建icons包裹起来。然后整体传递给addMarkers()

 1library(leaflet)
2
3# iconList()制作icons组成的列表
4oceanIcons <- iconList(
5  ship = makeIcon(iconUrl = "E:/R_input_output/images_input/cargo-ship.png"# 使用文件路径指定
6    iconWidth = 30, iconHeight = 20), # 设定当个Icon的相对长宽。 
7  pirate = makeIcon(iconUrl = "E:/R_input_output/images_input/pirates-caribbean.png"# 使用文件路径指定
8    iconWidth = 30, iconHeight = 30) # 设定当个Icon的相对长宽。 
9)
10
11# 编造一个数据
12df <- sp::SpatialPointsDataFrame(
13  cbind( # 列合并后为一个4列20行的数据框
14    (runif(20) - .5) * 10 - 90.620130,  # 经度
15    (runif(20) - .5) * 3.8 + 25.638077  # 纬度
16  ),
17  data.frame(type = factor(
18    ifelse(runif(20) > 0.75, "pirate""ship"), # test > 7.5为真,则type = "pirate"
19    c("ship""pirate"# length = 2 < 20, 循环补齐
20  ))
21)
22
23leaflet(df) %>% addTiles() %>%
24  addMarkers(icon = ~oceanIcons[type]) # 使用type中的元素匹配oceanIcons中的列名。


3.1.5 Awesome icons(addAwesomeMarkers())

leaflet中可以使用定制Icons的颜色,
使用
addAwesomeMarkers()添加awesome icons, 用法与addMarkers()类似。
awesome icons库:fontawesome,glyphicon,ionicons。
addAwesomeMarkers()中可以用library参数指定awesome icons库。
默认为
library = "glyphico"library = "fa"表示fontawesome库, library = "ion"表示ioncons库,
icons()iconList()函数可以用于addMarkers()类似,
awesomeIcons()和 awesomeIconList()函数可以用于 addAwesomeMarkers()以添加多个icons。

 1library(leaflet)
2data(quakes)
3
4df.20 <- quakes[1:20,] # 索引前20行数据
5
6# 创建颜色向量函数,mag <= 4 为绿色,mag = 5为橙色, mag > 5为红色
7getColor <- function(quakes) {
8  sapply(quakes$mag, function(mag) {
9  if(mag <= 4) {
10    "green"
11  } else if(mag <= 5) {
12    "orange"
13  } else {
14    "red"
15  } })
16}
17
18icons <- awesomeIcons(
19  icon = 'flash'# icon名字为"flash"(闪电),名字可以从前面库的网站上查看
20  iconColor = 'black'# 指定icon颜色
21  library = 'ion'# 指定icons库为ionicons
22  markerColor = getColor(df.20# 指定markers颜色
23)
24
25leaflet(df.20) %>% addTiles() %>%
26  addAwesomeMarkers(~long, ~lat, icon=icons, label=~as.character(mag))



3.2

Marker clusters(图标簇)


当地图上存在大量的图标,可以通过设置clusterOptions参数以簇的形式插入。
好处是,缩小地图后,图标聚集成簇,放大地图后,簇散开为多个图标。 簇上可以显示该簇包含图标的数目。

3.2.1 添加簇(clusterOptions参数)

使用markerOptions()设定单个簇的参数。
对于多个簇,同样可以用列表传递多个簇参数,使用
markerClusterOptions()函数。

1library(leaflet)
2
3# cache = TRUE使用上个代码块的数据
4leaflet(quakes) %>% addTiles() %>% addAwesomeMarkers(~long, ~lat, icon = icons, 
5    label = ~as.character(mag), clusterOptions = markerClusterOptions()  # 设置簇
6)


3.2.2 簇冻结(freezeAtZoom参数)

使用markerClusterOptions()中的freezeAtZoom参数可以设定簇冻结在一个zoom level。
这样缩放地图时,簇是否散开取决于冻结时的zoom level高低。
例如下图中,设置
freezeAtZoom = 5

1library(leaflet)
2
3leaflet(quakes) %>% addTiles() %>% addAwesomeMarkers(~long, ~lat, icon = icons, 
4    label = ~as.character(mag), clusterOptions = markerClusterOptions(freezeAtZoom = 5)  # 冻结簇在zoom level = 5
5)




3.3

circle图标


circle图标与circle形状不一样:

  • circle Markers 属于图标,其尺寸是像素尺寸,不随zoom level变化而变化。

  • 而circles 属于形状,与多边形是一类,其尺寸是以“米”为单位,随zoom level 变化而变化。

使用addCircleMarkers()函数添加圆圈图标。 语法:

1addCircleMarkers(map, lng = NULL, lat = NULL, radius = 10,
2  layerId = NULL, group = NULL, stroke = TRUE, color = "#03F",
3  weight = 5, opacity = 0.5, fill = TRUE, fillColor = color,
4  fillOpacity = 0.2, dashArray = NULL, popup = NULL,
5  popupOptions = NULL, label = NULL, labelOptions = NULL,
6  options = pathOptions(), clusterOptions = NULL, clusterId = NULL,
7  data = getMapData(map))


关键参数:

  • radius, 表示指定circles的半径,为数字向量或~引导的表达式。

  • stroke, 表示是否显示路径阴影, 默认stroke = TRUE显示路径阴影,这样圆环就出现了阴影边框。

  • color, 表示指定stroke的颜色。

  • weight, 表示指定stroke像素宽度。

  • opacity, 表示指定stroke透明度,opacity从0(完全透明)到1(完全不透明)。

  • fill, 表示是否填充路径颜色(如填充多边形和园环)

  • fillColor, 表示指定fill颜色。

  • fillOpacity, 表示指定fill头透明度,opacity从0(完全透明)到1(完全不透明)。

  • dashArray, 表示指定stroke线型,为数字类型字符串。原理与ggplot2中自定义线型类似。
    dasharray = "4 1 2"表示:先闭合4个像素长度,然后缺口1,再闭合2,再缺口4,闭合1,缺口2。

 1library(leaflet)
2
3# 默认circles参数
4leaflet(df) %>% addTiles() %>% addCircleMarkers()
5
6# stroke = FALSE去掉路径阴影
7leaflet(df) %>% addTiles() %>% addCircleMarkers(radius = 15, stroke = FALSE) %>% 
8
9# fill = FALSE空心圆环
10addCircleMarkers(radius = 15, color = "magenta", weight = 8, opacity = 0.2
11    fill = FALSE) %>% 
12# 分别指定stroke和fill不同的颜色。并调整透明度
13addCircleMarkers(radius = 60, color = "lime", weight = 8, opacity = 0.8, fillColor = "cyan"
14    fillOpacity = 0.3, dashArray = "5 2")



不同半径的circles: 
addCircleMarkers()中的参数同样可以用向量指定,如下图:

 1library(leaflet)
2
3# 定义一个色板函数
4pal <- colorFactor(c("blue""magenta"), domain = c("ship""pirate")) 
5
6leaflet(df) %>% addTiles() %>%
7  addCircleMarkers(
8    radius = ~ifelse(type == "ship", 6, 10), # 分别设置半径,ship半径为6,pirate半径为10
9    color = ~pal(type), # 色板函数匹配
10    stroke = FALSE, fillOpacity = 0.5
11  )



4.信息提示框

给标记点增加信息提示框有4种方式:

  • 使用addPopups()在地图中添加单个popup。

  • 在图标或形状添加函数中,指定popup参数。

  • 在图标或形状添加函数中,指定labelOptions参数。

  • 使用addLabelOnlyMarkers()函数创建无图标labels

4.1

addPopups

popups是包含HTML链接的提示框,用于显示标记点的文本信息。

popup最常见的用法是,当点击图标时才出现在地图上。

 1library(leaflet)
2
3# 生成popup框内信息
4content <- paste(sep = "<br/>"# 分隔符为html语法的换行符
5  # 单引号内为HTML链接,单引号后为HTML显示标签                 
6  "<b><a href='http://www.samurainoodle.com'>Samurai Noodle</a></b>"
7  "606 5th Ave. S",
8  "Seattle, WA 98138"
9)
10
11leaflet() %>% addTiles() %>%
12  addPopups(-122.32729847.597131, popup = content, # 将HTML语法支持的文本内容传递给popup
13    options = popupOptions(closeButton = FALSE# popupOptions()中设定popups的尺寸和样式
14  )


4.2

popup参数


图标和形状的添加函数中都有一个popup参数。

当存在大量不含HTML链接的popups时,可以使用htmltools::htmlEscape()函数,
以避免将字符串作为html语言进行转义,直接输出字符串到popup框。

 1library(leaflet)
2library(htmltools)  # 为了调用htmlEscape()函数,
3
4# 创建一个数据框
5df <- read.csv(textConnection("Name,Lat,Long
6Samurai Noodle,47.597131,-122.327298
7Kukai Ramen,47.6154,-122.327157
8Tsukushinbo,47.59987,-122.326726"
))
9df
10
11leaflet(df) %>% addTiles() %>% addMarkers(~Long, ~Lat, popup = ~htmlEscape(Name))  # 默认点击Marker才出现popup



4.3

labelOptions()


labels内容包括文本和HTML链接内容。 用labelOptions()函数指定labelOptions参数。

关键参数:

  • noHide, 为逻辑值,FALSE表示仅当鼠标指针悬浮到marker上,才显示label;
    TRUE,则一直显示label。

  • textOnly,为逻辑值, TRUE表示只显示文本,不显示提示框。

  • style,表示设定信息框的样式,列表传参
    可以设定label的颜色,字体,字型,字体大小,边框线颜色,边框阴影等。

 1library(leaflet)
2
3leaflet() %>% addTiles() %>% setView(-118.45655434.0913) %>%
4
5  addMarkers(
6    lng = -118.456554, lat = 34.105,
7    label = "Default Label",
8    labelOptions = labelOptions(noHide = T)) %>% # 不隐藏的popups
9
10  addMarkers(
11    lng = -118.456554, lat = 34.095,
12    label = "Label w/o surrounding box",
13    labelOptions = labelOptions(noHide = T, textOnly = TRUE)) %>% # 只显示文字,不显示提示框
14
15  addMarkers(
16    lng = -118.456554, lat = 34.085,
17    label = "label w/ textsize 15px",
18    labelOptions = labelOptions(noHide = T, textsize = "15px")) %>% # 修改提示框大小,文本大小随之变化
19
20  addMarkers(
21    lng = -118.456554, lat = 34.075,
22    label = "Label w/ custom CSS style",
23    labelOptions = labelOptions(noHide = T, direction = "bottom"# 修改提示框相对位置
24      style = list( # 修改提示框文本样式,列表传参
25        "color" = "red"# 设定文本颜色为红色
26        "font-family" = "serif"# 设置字体
27        "font-style" = "italic"# 设置字型为斜体
28        "box-shadow" = "3px 3px yellow"# 设置提示框边框线阴影尺寸和边框阴影颜色
29        "font-size" = "12px"# 设置字体大小为12个像素点
30        "border-color" = "cyan" # 设置提示框边框线颜色
31      ))
32    )



5.形状与线条

leaflet中,添加形状和线条非常容易。


多边形和折线
线条和多边形数据源可以从以下途径获取:

  • SpatialPolygons()SpatialPolygonsDataFrame(),
    Polygons()Polygon()对象(来自sp包)

  • SpatialLines()SpatialLinesDataFrame()Lines(), 和Line()对象(来自sp包)

  • MULTIPOLYGON()POLYGON()MULTILINESTRING()LINESTRING()对象(来自sp包)

  • map()对象(来自maps包)。
    使用
    map(fill = TRUE)得到多边形数据,使用map(fill = FALSE)得到折线段数据

  • 2列的矩阵,第1列为经度,第2列为纬度。多边形之间用(NA, NA)行分开。
    但是对于多边形内部存在空洞,这种方法失效,须使用
    SpatialPolygons()


5.1

circles形状


使用addCircles()添加circle形状。

绘制circle形状时,仅仅需要圆心坐标和半径。使用radius参数指定半径。

 1library(leaflet)
2
3cities <- read.csv(textConnection("
4City,Lat,Long,Pop
5Boston,42.3601,-71.0589,645966
6Hartford,41.7627,-72.6743,125017
7New York City,40.7127,-74.0059,8406000
8Philadelphia,39.9500,-75.1667,1553000
9Pittsburgh,40.4397,-79.9764,305841
10Providence,41.8236,-71.4222,177994
11"
))
12
13leaflet(cities) %>% addTiles() %>% addCircles(lng = ~Long, lat = ~Lat, weight = 1
14    radius = ~sqrt(Pop) * 30, popup = ~City, fillColor = "magenta", fillOpacity = 0.2)



5.2

Rectangles矩形


一个矩形仅仅需要2组经纬度数据(对应矩形2个对角点),

分别为lng1lng2lat1lat2共4个数字向量
矩形坐标数据不能像其它多边形一样从
sp,maps包或2列矩阵,或2列数据框中得到。
因为其它多边形数据都是1组点的坐标数据(分组连线成多边形),而矩形数据是2组点的坐标数据。
使用
addRectangles()函数添加矩形图层。

1library(leaflet)
2
3leaflet() %>% addTiles() %>% addRectangles(lng1 = -118.456554, lat1 = 34.078039
4    lng2 = -118.436383, lat2 = 34.062717, fillColor = "transparent"  # fillColor = 'transparent'与fillColor = NULL结果不一样
5)



5.3

addPolygons()


语法:

1addPolygons(map, lng = NULL, lat = NULL, layerId = NULL,
2  group = NULL, stroke = TRUE, color = "#03F", weight = 5,
3  opacity = 0.5, fill = TRUE, fillColor = color, fillOpacity = 0.2,
4  dashArray = NULL, smoothFactor = 1, noClip = FALSE, popup = NULL,
5  popupOptions = NULL, label = NULL, labelOptions = NULL,
6  options = pathOptions(), highlightOptions = NULL,
7  data = getMapData(map))


参数解释:

  • stroke, 表示是否显示多边形的路径阴影。

  • color, 表示指定stroke的颜色。

  • weight, 表示指定stroke像素宽度。

  • smoothFactor, 表示指定多边形的polyLines(边线)简化因子。越大,则边缘约平滑。

  • opacity, 表示指定stroke透明度,opacity从0(完全透明)到1(完全不透明)

  • fillOpacity, 表示指定多边形fill透明度,opacity从0(完全透明)到1(完全不透明)

  • fillColor, 表示指定多边形fill填充颜色,

  • highlightOptions, 表示高亮鼠标所在区域的多边形。
    指定高亮参数用
    highlightOptions()函数。

5.3.1 highlightOptions()高亮多边形

高亮多边形,就是改变鼠标所在区域多边形的颜色和透明度等参数。
语法:

1highlightOptions(stroke = NULL, color = NULL, weight = NULL,
2  opacity = NULL, fill = NULL, fillColor = NULL,
3  fillOpacity = NULL, dashArray = NULL, bringToFront = NULL,
4  sendToBack = NULL)


参数解释:

  • dashArray, 表示指定多边形stroke的线型,与Popup中用法一致。

  • bringToFront, 表示当鼠标悬浮在所在多边形区域时,
    是否将该shape置于表层。这对于高亮shape是必须的。

  • sendToBack, 表示当鼠标移走时,是否将高亮shape置于底层。

下图为美国人口数据图,数据来源https://www.census.gov/geo/maps-data/data/cbf/cbf_state.html)需要科学上网。

 1library(leaflet)
2
3path <- "E:/R_input_output/data_input/cb_2013_us_state_20m/cb_2013_us_state_20m.shp"
4states <- rgdal::readOGR(path,layer = "cb_2013_us_state_20m"
5    GDAL1_integer64_policy = TRUE)# 读取数据
6
7neStates <- subset(states, states$STUSPS %in% c( 
8  "CT","ME","MA","NH","RI","VT","NY","NJ","PA"
9))
10
11leaflet(neStates) %>%
12  addPolygons(color = "cyan", weight = 1, smoothFactor = 0.5,
13    opacity = 1.0, fillOpacity = 0.5,
14    fillColor = ~colorQuantile("YlOrRd", ALAND)(ALAND),
15    highlightOptions = highlightOptions(color = "white", weight = 2# 高亮形状区域,置于表层。
16      bringToFront = TRUE))


1## OGR data source with driver: ESRI Shapefile 
2## Source: "E:\R_input_output\data_input\cb_2013_us_state_20m\cb_2013_us_state_20m.shp", layer: "cb_2013_us_state_20m"
3## with 52 features
4## It has 9 fields
5## Integer64 fields read as doubles:  ALAND AWATER


5.3.2 简化polygons/polylines

对于形状复杂的地图多边形和折线,直接使用leaflet绘图容易出现一些问题,
并且运算量大, 因为数据点太多了。
很多时候,对数据进行简化是必要的,
简化后的图形与没有简化的在普通分辨率下根本分辨不出来差别。

使用rmapshaper::ms_simplify()简化很方便,
其基于拓扑学原理进行简化,数据存储量小,形状失真小。

albersusa包安装方式:devtools::install_github("hrbrmstr/albersusa")

1library(albersusa)
2
3fullsize <- usa_sf()  # albersusa包自带数据
4object.size(fullsize)  # object.size属于utils包,R自带
5
6simplified <- rmapshaper::ms_simplify(fullsize)
7object.size(simplified)  # 可以看出,这种简化方式存储量只有原来1/8


1## 933016 bytes
2## 123920 bytes


6.GeoJSON与TopoJSON数据

对于GeoJSON和TopoJSON类型数据,有2种处理方式:

要么读取为sp对象;要么使用addGeoJSON()addTopoJSON()函数。

6.1

直接读取GeoJSON/TopoJSON


GeoJSON格式与TopoJSON格式是不一样的。

**GeoJSON格式文件后缀是”.geojson“
TopoJSONg格式文件后缀是”.json“**。
地图数据集都可以在线转换,推荐使用GiS Map Converter
支持多种格式免费转换,邮箱注册非常方便。
也可以使用MyGeodata Converterhttps://mygeodata.cloud/converter/

使用addGeoJSON()addTopoJSON()函数可以直接读取JSON文件,
但是很多参数不能修改,还是转换成
sp对象最好。

6.1.1 addGeoJSON()

下面用到的地图数据来自于中国省级地图下载(https://pan.baidu.com/share/init?surl=f5344XfW7X1wqXuTsNONSw)0,密码:vhk6
直接给
geojson参数指定文件路径。
注意:使用本地JSON文件或leafletCN绘图,在markdown中码代码,不能直接knitr到html.
Script中码代码可以输出为本地html文件。但是只能在一个html中输出一张图。
所以笔者接下来的图形均使用截图。

1library(leaflet)
2
3filepath <- "E:/R_input_output/data_input/China.geojson"
4
5leaflet() %>% 
6  setView(lng = 106.33, lat = 29.35, zoom = 3.5) %>% # 以重庆城区经纬度为中心
7  addTiles() %>% 
8    addGeoJSON(geojson = filepath, 
9               weight = 1, color = "magenta", fill = FALSE)  # 修改color失败


6.1.2 addTopoJSON()

直接给topojson参数指定文件路径。

1library(leaflet)
2
3filepath <- "E:/R_input_output/data_input/JSON/TopoJson/China.json"
4
5leaflet() %>% 
6  setView(lng = 106.33, lat = 29.35, zoom = 3.5) %>% # 以重庆城区经纬度为中心
7  addTiles() %>% 
8    addTopoJSON(topojson = filepath, weight = 1
9                color = "magenta", fill = FALSE)  # 修改color失败



6.2

sp对象


使用geojsoniorgdal包,读取GeoJSON/TopoJSON对象为sp对象。
然后就能使用sp对象作图。
此方法设置或修改地图区域的特征属性方面更加方便,如colors, labels等。

对于GeoJSON文件,可以用记事本打开看一下数据结构,然后再读取。
也可以用JSON在线解析器http://geojson.io/#map=2/20.0/0.0)查看,更加方便。
读取GeoJSON还是TopoJson格式,函数的使用方法是一样的。

 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
8
9Encoding(China_map@data$name) <- "UTF-8" # 纠正中文字符乱码
10leaflet(China_map) %>% 
11  setView(lng = 106.33, lat = 29.35, zoom = 3.5) %>% # 以重庆城区经纬度为中心
12  addPolygons(stroke = TRUE, color = "magenta", smoothFactor = 0.3
13              fillOpacity = 0.5,fillColor = "lime") %>%
14  addMarkers(lng = 114.3,lat = 30.6 ) # 增加一个图标


(图片太大,没截全)


6.3

修改style(样式)


对于GeoJSON/TopoJSO格式数据中的特征属性来说,
有2种方法进行修改(目前仅仅修改paths和shapes, 不支持markers):
其一是在
addGeoJSON()addTopoJSON()函数中设置参数。
另一种方法是对JSON对象(字符串),重新编码styling信息,
通过直接在JSON数据的top level的JSON 对象下面直接插入1个
style对象。

下一个代码块是关于设置全局styles和在JSON数据中插入style对象的例子。
在R中不推荐使用这种方法设置styles, 通常还是首先将数据转换成
sp对象,再进行绘图更加方便。
但是,如果你掌控了GeoJSON/TopoJSON数据的生成过程,直接插入style对象是可取的。

 1library(leaflet)
2library(jsonlite)
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
6
7# 首先解析JSON格式为stringified格式,再转化为多级列表
8China_map_list <- readLines(filepath, warn = FALSE) %>%
9  paste(collapse = "\n") %>%
10  fromJSON(simplifyVector = FALSE# 将JSON格式转化为多级列表
11
12# 插入style对象,增加子列表
13China_map_list$style <- list(
14  weight = 1,
15  stroke = "TRUE",
16  color = "magenta",
17  fillColor = "lime",
18  opacity = 0.5,
19  fillOpacity = 0.8
20)
21
22
23# 使用修改了style的JSON数据绘图
24leaflet() %>% setView(lng = 106.33, lat = 29.35, zoom = 3.5) %>% # 以重庆城区经纬度为中心
25  addTopoJSON(China_map_list) %>%
26  # addGeoJSON(China_map_list) %>% # 若读取China.geojson文件,
27  addMarkers(lng = 114.3,lat = 30.6 ) # 增加一个图标


(图片太大,没截全)




往期精彩:


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

这一路

一直为你加油的那个人

是你自己

登录查看更多
10

相关内容

图像超分辨率(SR)是提高图像分辨率的一类重要的图像处理技术以及计算机视觉中的视频。
【实用书】学习用Python编写代码进行数据分析,103页pdf
专知会员服务
192+阅读 · 2020年6月29日
一份简明有趣的Python学习教程,42页pdf
专知会员服务
76+阅读 · 2020年6月22日
【教程推荐】中科大刘淇教授-数据挖掘基础,刘 淇
专知会员服务
80+阅读 · 2020年3月4日
算法与数据结构Python,369页pdf
专知会员服务
161+阅读 · 2020年3月4日
专知会员服务
87+阅读 · 2020年1月20日
【电子书】C++ Primer Plus 第6版,附PDF
专知会员服务
87+阅读 · 2019年11月25日
【ICIP2019教程-NVIDIA】图像到图像转换,附7份PPT下载
专知会员服务
53+阅读 · 2019年11月20日
【书籍】深度学习框架:PyTorch入门与实践(附代码)
专知会员服务
163+阅读 · 2019年10月28日
教程 | 从零开始搭建『深度学习』GPU开发环境
机器学习算法与Python学习
8+阅读 · 2019年10月28日
7 款实用到哭的App,只说一遍
高效率工具搜罗
84+阅读 · 2019年4月30日
从张量到自动微分:PyTorch入门教程
论智
9+阅读 · 2018年10月10日
深度学习线性代数简明教程
论智
11+阅读 · 2018年5月30日
Python 杠上 Java、C/C++,赢面有几成?
CSDN
6+阅读 · 2018年4月12日
PyTorch 到底好用在哪里?
AI研习社
3+阅读 · 2017年10月27日
手把手教你由TensorFlow上手PyTorch(附代码)
数据派THU
5+阅读 · 2017年10月1日
码农日常工具推荐
架构文摘
4+阅读 · 2017年9月26日
MATLAB人工神经网络教程
七月在线实验室
8+阅读 · 2017年9月6日
Caffe 深度学习框架上手教程
黑龙江大学自然语言处理实验室
14+阅读 · 2016年6月12日
Deformable Style Transfer
Arxiv
14+阅读 · 2020年3月24日
Deep Anomaly Detection with Outlier Exposure
Arxiv
17+阅读 · 2018年12月21日
A General and Adaptive Robust Loss Function
Arxiv
8+阅读 · 2018年11月5日
Arxiv
136+阅读 · 2018年10月8日
Arxiv
8+阅读 · 2018年6月19日
Arxiv
5+阅读 · 2018年1月29日
Arxiv
27+阅读 · 2017年12月6日
VIP会员
相关VIP内容
【实用书】学习用Python编写代码进行数据分析,103页pdf
专知会员服务
192+阅读 · 2020年6月29日
一份简明有趣的Python学习教程,42页pdf
专知会员服务
76+阅读 · 2020年6月22日
【教程推荐】中科大刘淇教授-数据挖掘基础,刘 淇
专知会员服务
80+阅读 · 2020年3月4日
算法与数据结构Python,369页pdf
专知会员服务
161+阅读 · 2020年3月4日
专知会员服务
87+阅读 · 2020年1月20日
【电子书】C++ Primer Plus 第6版,附PDF
专知会员服务
87+阅读 · 2019年11月25日
【ICIP2019教程-NVIDIA】图像到图像转换,附7份PPT下载
专知会员服务
53+阅读 · 2019年11月20日
【书籍】深度学习框架:PyTorch入门与实践(附代码)
专知会员服务
163+阅读 · 2019年10月28日
相关资讯
教程 | 从零开始搭建『深度学习』GPU开发环境
机器学习算法与Python学习
8+阅读 · 2019年10月28日
7 款实用到哭的App,只说一遍
高效率工具搜罗
84+阅读 · 2019年4月30日
从张量到自动微分:PyTorch入门教程
论智
9+阅读 · 2018年10月10日
深度学习线性代数简明教程
论智
11+阅读 · 2018年5月30日
Python 杠上 Java、C/C++,赢面有几成?
CSDN
6+阅读 · 2018年4月12日
PyTorch 到底好用在哪里?
AI研习社
3+阅读 · 2017年10月27日
手把手教你由TensorFlow上手PyTorch(附代码)
数据派THU
5+阅读 · 2017年10月1日
码农日常工具推荐
架构文摘
4+阅读 · 2017年9月26日
MATLAB人工神经网络教程
七月在线实验室
8+阅读 · 2017年9月6日
Caffe 深度学习框架上手教程
黑龙江大学自然语言处理实验室
14+阅读 · 2016年6月12日
相关论文
Deformable Style Transfer
Arxiv
14+阅读 · 2020年3月24日
Deep Anomaly Detection with Outlier Exposure
Arxiv
17+阅读 · 2018年12月21日
A General and Adaptive Robust Loss Function
Arxiv
8+阅读 · 2018年11月5日
Arxiv
136+阅读 · 2018年10月8日
Arxiv
8+阅读 · 2018年6月19日
Arxiv
5+阅读 · 2018年1月29日
Arxiv
27+阅读 · 2017年12月6日
Top
微信扫码咨询专知VIP会员