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`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。
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。
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))
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
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。
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)
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"))
maps
包中获取data1library(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)
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"))
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。
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
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$Stamen.Toner)
2.3
巧妙的数据转换
通过调用函数addWMSTiles()
可以添加WMS(Web Map Service)的tiles。
Web地图服务(WMS)是一种标准协议,描述如何通过Internet提供任何地理配准的地图图像,
这通常由使用来自地理信息系统数据库的数据的地图服务器生成。
协议标准由Open Geospatial Consortium(OGC)开发,
并于1999年首次发布.WMS提供了一种使用HTTP接口请求地理注册地图图像的简单方法。
WMS供应商(https://en.wikipedia.org/wiki/Web_Map_Service)
下图是调用WMS的tiles,显示降雨量的图数据来源(http://mesonet.agron.iastate.edu/)。
1library(leaflet)
2
3leaflet() %>% addTiles() %>% setView(-93.65, 42.0285, zoom = 4) %>% # 叠加一个WMS的tiles图层
4addWMSTiles("http://mesonet.agron.iastate.edu/cgi-bin/wms/nexrad/n0r.cgi", layers = "nexrad-n0r-900913",
5 options = WMSTileOptions(format = "image/png", transparent = TRUE), attribution = "Weather data <U+00A9> 2012 IEM Nexrad")
2.4
多个Tiles图层也可以叠加, 但是这种情况通常仅用于表层tiles是半透明的情况下,
或在options
参数中手动指定不透明度opacity
。opacity
从0(完全透明)到1(完全不透明)。
1library(leaflet)
2
3m <- leaflet() %>% setView(lng = -71.0589, lat = 42.3601, zoom = 12)
4
5m %>% addProviderTiles(providers$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。
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。
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))
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
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
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。
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
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。
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)
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 )
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。
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
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
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 )
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
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
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
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。
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
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
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
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。
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
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
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
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:
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↓