R_leaflet包_最易上手地图教程（一）

作者：李誉辉  

四川大学在读研究生

简

介

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`ggplot2, leaflet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。

• lngl, latl, lng2, lat2, 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(-71.0382679, 42.3489054, zoom = 18)
 5
 6# 显示第一个view
 7m %>% fitBounds(-72, 40, -70, 43)  # 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)。
  

• 从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)
  

• 从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lng, long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 = 1:10, Long = 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(2, 4, 4, 1, 2), c(2, 3, 5, 4, 2)))  # 4对非重复点坐标，首尾相连
 6Sr2 <- Polygon(cbind(c(5, 4, 2, 5), c(2, 3, 2, 2)))  # 3对非重复点坐标，画三角形
 7Sr3 <- Polygon(cbind(c(4, 4, 5, 10, 4), c(5, 3, 2, 5, 5)))  # 4对非重复点坐标，画四边形
 8Sr4 <- Polygon(cbind(c(5, 6, 6, 5, 5), c(4, 4, 3, 3, 4)), 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(100, 5, 20), 
 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(100, 4, 10), 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Stamen, Esri, OpenWeatherMap等，
用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(-93.65, 42.0285, 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)
  

• POINT, sfc_POINT或sf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lng或lat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()与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IconWidth和IconHeight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。
在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，
与icons()和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。
  如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(-122.327298, 47.597131, 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(-118.456554, 34.09, 13) %>%
 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

在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()和Polygon()对象(来自sp包)
  

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

• MULTIPOLYGON(), POLYGON(), MULTILINESTRING()和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lng1, lng2, lat1, lat2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()和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 Converter（https://mygeodata.cloud/converter/）

使用addGeoJSON()或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geojsonio或rgdal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()和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：

• 不用代码，从搜索数据中解读星巴克“猫爪杯”如何挠你的心
  

• 是否，是否，总是富肥穷瘦？（文末上周投票公布）
  

• R语言自然语言处理：词性标注与命名实体识别
  

• R语言中文社区2018年终文章整理（作者篇）

• R语言中文社区2018年终文章整理（类型篇）

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↓