七、使用GeoJson和TopoJson绘制地图：
GeoJSON是一种对各种地理数据结构进行编码的格式，基于Javascript对象表示法的地理空间信息数据交换格式。GeoJSON对象可以表示几何、特征或者特征集合。GeoJSON支持下面几何类型：点、线、面、多点、多线、多面和几何集合。GeoJSON里的特征包含一个几何对象和其他属性，特征集合表示一系列特征。——百度百科
因为json天然的html特性，很容易加载到各种JS框架的应用中，比如百度的echart加载的地图，就是geojson的，而作为原生态的leaflet框架，自然也能提供对geojson的支持。
另外一种格式就所谓的TopoJson，这种格式是geojson的一种升级版本，号称可以比geojson节省更多的存储空间和节点，leaflet for R提供两种方法来支持这两种格式，分别是：
addGeoJSON()
addTopoJSON()
下面来看如何使用：
我这里有一份geojson的数据，是中国的行政区划，叫做chain.json
geoData <- readLines("e:/china.json",warn=FALSE) %>% paste(collapse = "\n")%>%fromJSON(simplifyVector = FALSE) geoData$style = list( weight = 1, color ="red", fillColor="green", opacity = 1, fill = TRUE, fillOpacity = 0.6 ) leaflet() %>% setView(lng = 98.583, lat = 39.833, zoom = 3) %>% addProviderTiles("Esri.WorldTopoMap")%>%addGeoJSON(geoData) |
结果如下：
可以看见，json的方式加载地图，还可以采用$style属性的方式设定各种属性，当然，也可以采用直接写在addGeoJSON方法里面来实现。
如果要设置每个面采用独立的颜色，如何设置了，还是采用style的方法，如下：
下面用是全局变量和lapply方法，相应的说明，请参考R语言的相关教程。
geoData$style = list( weight = 1, color ="gray", opacity = 1, fill = TRUE, fillOpacity = 0.6 ) pal <- substr(rainbow(34),1,7) i<-0 geoData$features <- lapply(geoData$features, function(feat) { i<<-i+1 feat$properties$style <- list( fillColor = pal[i] ) feat }) leaflet() %>% setView(lng = 98.583, lat = 39.833, zoom = 3) %>% addProviderTiles("Esri.WorldTopoMap")%>%addGeoJSON(geoData) |
当然，还有同学问，geoJson文件去那里找？这个网络上有很多，但是网络上的geojson文件都是没有属性的，如果你需要有属性的json文件，可以自己做，我一般通过Python提供的geojson包自己来实现，回头有时间可以写一篇文章来介绍如何使用Python语言来制作geojson文件。
下面我是我自己做的一个中国的geojson文件里面出了有中国的行政区划以外，还有2009的gdp和2009年的人口。下面我来使用这个文件来对地图进行渲染：
library(jsonlite) geoData2 <- readLines("e:/china_pop_gdp.json",warn=FALSE) %>% paste(collapse = "\n")%>%fromJSON(simplifyVector = FALSE) geoData2$style = list( weight = 2, color ="gray", opacity = 1, fill = TRUE, fillOpacity = 0.9 ) GDP_2009 <- sapply(geoData2$features, function(feat) { feat$properties$GDP_2009 })
pal <- colorNumeric(c("blue", "white", "darkgreen", "yellow", "orangered"), GDP_2009) geoData2$features <- lapply(geoData2$features, function(feat) { feat$properties$style <- list( fillColor = pal(feat$properties$GDP_2009) ) feat }) leaflet() %>% setView(lng = 98.583, lat = 39.833, zoom = 3) %>% addProviderTiles("Esri.WorldTopoMap")%>%addGeoJSON(geoData2)%>% addLegend("bottomright", pal = pal, values = GDP_2009,title = "2009年GDP总量") |
下面是2009年的人均GDP专题图：
geoData2 <- readLines("e:/china_pop_gdp.json",warn=FALSE) %>% paste(collapse = "\n")%>%fromJSON(simplifyVector = FALSE) geoData2$style = list( weight = 2, color ="gray", opacity = 1, fill = TRUE, fillOpacity = 0.9 ) GDP_2009 <- sapply(geoData2$features, function(feat) { feat$properties$GDP_2009 }) POP_2009 <- sapply(geoData2$features, function(feat) { feat$properties$Pop_2009 }) #人均GDP专题图 pal <- colorNumeric("Greens", (GDP_2009*10000)/max(1,POP_2009)) geoData2$features <- lapply(geoData2$features, function(feat) { feat$properties$style <- list( fillColor = pal((feat$properties$GDP_2009*10000)/max(1,feat$properties$Pop_2009)) ) feat }) leaflet() %>% setView(lng = 98.583, lat = 39.833, zoom = 3) %>% addProviderTiles("Esri.WorldTopoMap")%>%addGeoJSON(geoData2)%>% addLegend("bottomright", pal = pal,value =(GDP_2009*10000)/(max(1,POP_2009)), title = "2009年人均GDP（万元）") |
最后，提出几点注意事项：
1、GeoJson需要开销大量的内存，对比同等的空间对象来，它耗的内存，大约在5-8倍左右。所以如果你的节点特别多，那么geojson就会开销非常非常大，带来的结果就是非常非常慢……
2、GeoJson绘制在地图的时候，无法使用弹出窗。
总之一句话……如果你是做GIS的，有shapefile的应用能力（包括制作、编辑等技术能力），那么就别用geoJson吧。
待续未完。
