玩转数据可视化之R语言ggplot2

  • 🌸个人主页：JoJo的数据分析历险记
  • 📝个人介绍：小编大四统计在读，目前保研到统计学top3高校继续攻读统计研究生
  • 💌如果文章对你有帮助，欢迎关注、点赞、收藏、订阅专栏

本系列主要介绍R语言ggplot2的使用
参考资料:
ggplot2: Elegant Graphics for Data Analysis

文章目录

  • 玩转数据可视化之R语言ggplot2
  • 🌲8.ggplot2绘制空间地理数据图
  • 🌳8.1 使用多边形geom_polygon()绘制地图
  • 🌴8.2 sf包绘制地图
  • 🖊️8.2.1 对地图分层
  • 🖌️8.2.2 对地图添加标签
  • 🖍️8.2.3 在地图上绘制其他图形
  • 🌵8.3 地图投影
  • 🌾8.4 导入shp文件分析
  • 💟文章推荐

🌲8.ggplot2绘制空间地理数据图

绘制地理数据图在我们研究一些空间统计问题时很有效。例如绘制一张全国疫情情况热力图。现在用的比较多的是Arcgis软件绘制地理数据图，也可以使用python，python数据可视化未来我也会写相应的专栏。如果有精力的话，考虑再出一个Arcgis的专栏绘制空间地理数据图。言归正传，在ggplot2中，绘制空间地理数据图主要分为两个步骤：

  • 第一个是使用相应地理数据先绘制地图
  • 第二个是使用其他相关的数据在地图上添加信息
    接下来我们来看看具体是如何实现这两个步骤的
# 导入基本库
library(ggplot2)
library(tidyverse)# 数据操作处理库，具体可以看我的R语言数据分析专栏

🌳8.1 使用多边形geom_polygon()绘制地图

在R中，绘制地图最简单的方法就是通过geom_polygon()绘制不同区域的边界。我们使用ggplot2中map_data()里的数据
我们在这里以美国密歇根州数据为例进行地图绘制，首先我们来看一下这个数据

mi_county <- map_data('county','michigan')#筛选出密西根州的地理数据
head(mi_county)

A data.frame: 6 × 6

long

lat

group

order

region

subregion

<dbl>

<dbl>

<dbl>

<int>

<chr>

<chr>

1

-83.88675

44.85686

1

1

michigan

alcona

2

-83.36536

44.86832

1

2

michigan

alcona

3

-83.36536

44.86832

1

3

michigan

alcona

4

-83.33098

44.83968

1

4

michigan

alcona

5

-83.30806

44.80530

1

5

michigan

alcona

6

-83.30233

44.77665

1

6

michigan

alcona

可以看出上述数据包含六列，long和lat分别表示经纬度，group表示子区域的分组，subregion表示所在的子区域名称

# 将subregion修改名为id
colnames(mi_county)[6] <- 'id'#修改列名

下面我们使用geom_point和geom_polygon()来更仔细的观察一下这个数据集

ggplot(mi_county, aes(long, lat)) + 
  geom_point(size = .25, show.legend = FALSE) +
  coord_quickmap()

ggplot(mi_county, aes(long, lat, group = group)) +
  geom_polygon(fill='white',col='grey50')+
  coord_quickmap()

R语言对评论数据进行清洗 r语言处理geo数据_R语言对评论数据进行清洗

R语言对评论数据进行清洗 r语言处理geo数据_R语言对评论数据进行清洗_02

geom_point()和geom_polygon()在我们之前的内容中都介绍过，但是这里要注意的是，
在我们画多边形图的时候，要注意定义分组变量，否则多边形的连接会出现交叉混乱，这个很好理解。
还有我们在两个图中都使用了coord_quickmap()这是确保他们的经纬度一致。
虽然我们可以使用上述方法绘制地图，但是这个方法有一些局限性就是我们现实世界中，很少有这样的数据，比较多的往往是矢量数据。下面我们介绍如何使用矢量数据进行绘图

🌴8.2 sf包绘制地图

为了处理矢量地理数据，我们之前使用sp包进行分析，但是sp包的兼容性较差，因此我们现在使用sf包来绘制地图，
主要有geom_sf()和coord_sf()函数来配合sf包一起使用。
接下来我们使用ozmap包里面的矢量数据来介绍sf是如何工作的。

# 导入库
library(ozmaps)
library(sf)
oz_states <- ozmap_states
oz_states
Warning message:
"package 'ozmaps' was built under R version 4.1.3"
Warning message:
"package 'sf' was built under R version 4.0.5"
Linking to GEOS 3.9.1, GDAL 3.2.1, PROJ 7.2.1

Registered S3 method overwritten by 'geojsonsf':
  method        from   
  print.geojson geojson


A sf: 9 × 2

NAME

geometry

<chr>

<MULTIPOLYGON [arc_degree]>

1

New South Wales

MULTIPOLYGON (((150.7016 -3...

2

Victoria

MULTIPOLYGON (((146.6196 -3...

3

Queensland

MULTIPOLYGON (((148.8473 -2...

4

South Australia

MULTIPOLYGON (((137.3481 -3...

5

Western Australia

MULTIPOLYGON (((126.3868 -1...

6

Tasmania

MULTIPOLYGON (((147.8397 -4...

7

Northern Territory

MULTIPOLYGON (((136.3669 -1...

8

Australian Capital Territory

MULTIPOLYGON (((149.2317 -3...

9

Other Territories

MULTIPOLYGON (((167.9333 -2...

ozmaps包包含了澳大利亚各州边界、地方政府区域、选举边界等数据。
上述得到了澳大利亚领土边界

这个输出显示了与数据相关的，并告诉我们数据本质上是一个包含9行2列的TIBLE。
sf数据的一个优势是显而易见的，我们可以很容易地看到数据的整体结构：澳大利亚由六个州和一些地区组成。有9个不同的地理单元，所以这个TIBLE中有9行。

最重要的列是geometry，表示每个州或地区的空间几何对象。其中每一个元素都是一个多元的多边形。从字面意思来看，这个元素包含了多边形多个顶点，对于这种数据，我们可以使用geom_sf()和coord_sf()直接绘制,甚至我们都不需要指定特定的美学特征aes()，具体如下：

ggplot(oz_states) + 
geom_sf()+
coord_sf()

R语言对评论数据进行清洗 r语言处理geo数据_数据可视化_03

为了理解为什么这样是work的，我们来解释一下geom_sf()

  • 1.对于上面这个数据集，我们不指定任何的aes,因为geom_sf()会自动去匹配geometry
  • 2.如果数据是一个sf对象，geom_sf()会自动判断一个geometry列，即使列名不是geometry
  • 3.我们也可以自己设置aes(geomtry = my_column)，当数据有很多geometry对象时

🖊️8.2.1 对地图分层

在某些情况下，我们可能希望将一张地图覆盖在另一张地图上。
ggplot2软件包支持允许将多个geom_sf()层添加到图形。
我将使用oz_state数据以不同的颜色绘制澳大利亚各个州，并将此图与澳大利亚选举区域的边界重叠。
为了节省绘图时间，这里使用rmapshaper::ms_simply包来简化原始数据。下面来看一下具体如何实现

# 选举边界
oz_votes <- rmapshaper::ms_simplify(abs_ced)
ggplot() + 
  #绘制州边界
  geom_sf(data = oz_states, aes(fill = NAME), show.legend = FALSE) +
  #绘制选举区域边界
  geom_sf(data = oz_votes, fill = NA) + 
  coord_sf()
Registered S3 method overwritten by 'geojsonlint':
  method         from 
  print.location dplyr


R语言对评论数据进行清洗 r语言处理geo数据_R语言对评论数据进行清洗_04

我们使用fill来填充颜色，本例数据我们使用的是name的分类型变量，它并没有传递任何其他的信息，但是这种方法可以为我们提高一个信息就是我们可以使用fill来区分不同区域某一变量的情况，例如假设oz_state有人口这一数据，我们可以以人口来fill

🖌️8.2.2 对地图添加标签

上一章我们介绍了如何给图形添加注释，这一章我们来看一下如何给地图添加标签。我们可以使用geom_sf_label()
和geom_sf_text()，例如我们想要对悉尼地区个选举地域增加标签。我们可以使用geom_sf_label()显示各个选民区域的名字

# 筛选出悉尼大都会的选民区域
sydney_map <- ozmaps::abs_ced %>% filter(NAME %in% c(
  "Sydney", "Wentworth", "Warringah", "Kingsford Smith", "Grayndler", "Lowe", 
  "North Sydney", "Barton", "Bradfield", "Banks", "Blaxland", "Reid", 
  "Watson", "Fowler", "Werriwa", "Prospect", "Parramatta", "Bennelong", 
  "Mackellar", "Greenway", "Mitchell", "Chifley", "McMahon"
))

# 绘制悉尼大都会选民区域图，并增加标签
ggplot(sydney_map) + 
  geom_sf(aes(fill = NAME), show.legend = FALSE) + 
  coord_sf(xlim = c(150.97, 151.3), ylim = c(-33.98, -33.79)) + 
  geom_sf_label(aes(label = NAME), label.padding = unit(1, "mm"))
Warning message in st_point_on_surface.sfc(sf::st_zm(x)):
"st_point_on_surface may not give correct results for longitude/latitude data"

R语言对评论数据进行清洗 r语言处理geo数据_R语言对评论数据进行清洗_05

🖍️8.2.3 在地图上绘制其他图形

虽然geom_sf()是一种特殊的绘图，但是和其他几何图形一样，允许通过层级的方法添加其他元素。
相当于geom_sf()后依然是一个geoms标准对象，我们可以做所有之前的处理。例如我们想要在某些地方标记点

oz_capitals <- tibble::tribble( 
  ~city,           ~lat,     ~lon,
  "Sydney",    -33.8688, 151.2093,  
  "Melbourne", -37.8136, 144.9631, 
  "Brisbane",  -27.4698, 153.0251, 
  "Adelaide",  -34.9285, 138.6007, 
  "Perth",     -31.9505, 115.8605, 
  "Hobart",    -42.8821, 147.3272, 
  "Canberra",  -35.2809, 149.1300, 
  "Darwin",    -12.4634, 130.8456, 
)

ggplot() + 
  geom_sf(data = oz_votes) + 
  geom_sf(data = oz_states, fill = NA) + 
  geom_point(data = oz_capitals, aes(x = lon, y = lat), colour = "red") + 
  coord_sf()

R语言对评论数据进行清洗 r语言处理geo数据_地图投影_06

🌵8.3 地图投影

在上面的地图绘制中，我们默认的选择了笛卡尔平面，粗略来看，这是可以的，但如果我们关心准确性，这还不够好。这种方法有两个基本问题。

  • 地球的形状

关于地球形状的一系列假设被称为大地基准面，虽然这对某些数据可视化可能并不重要，但对其他数据可视化来说则至关重要。
例如如果我们要研究北美区域，使用(NAD83),如果要研究全球区域，使用(WGS84)可能较好

  • 地图的形状

地球是近似椭球的，但在大多数情况下，我们的空间地理数据需要绘制在二维平面上。要将椭球体的表面映射到一个平面，我们需要进行一些变形，这就是地图投影的工作。

总的来说，大地基准面（如WGS84）、地图投影类型和投影参数（如原点位置）指定了一个坐标参考系（CRS），这是一套完整的假设，用于将纬度和经度信息转换为二维地图。sf对象通常包括一个默认的CRS，我们可以使用st_crs()来访问

st_crs(oz_votes)
Coordinate Reference System:
  User input: EPSG:4283 
  wkt:
GEOGCRS["GDA94",
    DATUM["Geocentric Datum of Australia 1994",
        ELLIPSOID["GRS 1980",6378137,298.257222101,
            LENGTHUNIT["metre",1]]],
    PRIMEM["Greenwich",0,
        ANGLEUNIT["degree",0.0174532925199433]],
    CS[ellipsoidal,2],
        AXIS["geodetic latitude (Lat)",north,
            ORDER[1],
            ANGLEUNIT["degree",0.0174532925199433]],
        AXIS["geodetic longitude (Lon)",east,
            ORDER[2],
            ANGLEUNIT["degree",0.0174532925199433]],
    USAGE[
        SCOPE["Horizontal component of 3D system."],
        AREA["Australia including Lord Howe Island, Macquarie Islands, Ashmore and Cartier Islands, Christmas Island, Cocos (Keeling) Islands, Norfolk Island. All onshore and offshore."],
        BBOX[-60.56,93.41,-8.47,173.35]],
    ID["EPSG",4283]]

上面返回了一个WKT字符串，可以看出oz_states默认的crs是4283，我们直接通过看EPSG代码来却数据的crs

st_crs(oz_votes) == st_crs(4283)

TRUE

在ggplot2中，CRS由coord_sf（）控制，以确保绘图中的每一层使用相同的投影。默认情况下，coord_sf（）使用与数据的geometry列关联的CRS。因为sf数据会自动提供一个合理的CRS选择，这个过程通常是不可见的，不需要用户干预。但是，如果需要自己设置CRS，可以通过将有效的用户输入传递给st_CRS（）来指定CRS参数。下面的示例说明了如何从默认的CRS切换到EPSG代码3112

ggplot(oz_votes) + geom_sf()
ggplot(oz_votes) + geom_sf() + coord_sf(crs = st_crs(3112))

R语言对评论数据进行清洗 r语言处理geo数据_数据_07

R语言对评论数据进行清洗 r语言处理geo数据_数据_08

🌾8.4 导入shp文件分析

一般我们在实际分析时，要根据实际问题得到相应的shp矢量文件，在sf中，可以使用read_sf()读取文件。这里我以海南省十八个市县的地理边界数据为例导入

hainan <- read_sf("C:\\Users\\DELL\\Desktop\\数据\\十八个市县.shp")
hainan

A sf: 18 × 7

省

省代码

市

市代码

市类型

省类型

geometry

<chr>

<dbl>

<chr>

<dbl>

<chr>

<chr>

<MULTIPOLYGON [arc_degree]>

海南省

460000

白沙县

469025

省直辖县

省

MULTIPOLYGON (((109.2941 18...

海南省

460000

保亭县

469029

省直辖县

省

MULTIPOLYGON (((109.5084 18...

海南省

460000

昌江县

469026

省直辖县

省

MULTIPOLYGON (((109.0407 19...

海南省

460000

澄迈县

469023

省直辖县

省

MULTIPOLYGON (((110.1328 19...

海南省

460000

儋州市

460400

地级市

省

MULTIPOLYGON (((109.4279 19...

海南省

460000

定安县

469021

省直辖县

省

MULTIPOLYGON (((110.2206 19...

海南省

460000

东方市

469007

省直辖县

省

MULTIPOLYGON (((109.121 18....

海南省

460000

海口市

460100

地级市

省

MULTIPOLYGON (((110.5089 20...

海南省

460000

乐东县

469027

省直辖县

省

MULTIPOLYGON (((109.4009 18...

海南省

460000

临高县

469024

省直辖县

省

MULTIPOLYGON (((109.851 19....

海南省

460000

陵水县

469028

省直辖县

省

MULTIPOLYGON (((110.0107 18...

海南省

460000

琼海市

469002

省直辖县

省

MULTIPOLYGON (((110.6064 19...

海南省

460000

琼中县

469030

省直辖县

省

MULTIPOLYGON (((109.8724 19...

海南省

460000

三亚市

460200

地级市

省

MULTIPOLYGON (((109.4009 18...

海南省

460000

屯昌县

469022

省直辖县

省

MULTIPOLYGON (((110.1109 19...

海南省

460000

万宁市

469006

省直辖县

省

MULTIPOLYGON (((110.1542 19...

海南省

460000

文昌市

469005

省直辖县

省

MULTIPOLYGON (((111.2004 19...

海南省

460000

五指山市

469001

省直辖县

省

MULTIPOLYGON (((109.7113 18...

我们可以在这个数据基础进行相应的操作，后续考虑出一些使用矢量数据实战分析的文章,下面我们先简单看一下该地理数据的地图

ggplot(hainan)+
geom_sf(aes(fill=市),show.legend = FALSE)+
coord_sf()

R语言对评论数据进行清洗 r语言处理geo数据_数据可视化_09

💟文章推荐

如果想了解更多ggplot2数据可视化技巧，欢迎访问下列文章
🌝玩转数据可视化之R语言ggplot2：（三）ggplot2实现将多张图放在一起，包括并排和插图绘制（快速入门） 🌜玩转数据可视化之R语言ggplot2:：（四）单一基础几何图形绘制
🌟玩转数据可视化之R语言ggplot2：（五）分组画图
☀️玩转数据可视化之R语言ggplot2：（六）统计变换绘图：包括加权绘图、数据分布图、曲面图、图形重叠处理等
⭐玩转数据可视化之R语言ggplot2：（七）对图形添加注释和标签（包含标题、坐标轴、参考线和高亮等注释方法）