作者:李誉辉
四川大学在读研究生
这次,我们接着上一篇讲
7.Colours着色
将变量映射到颜色是地理信息可视化的一个重要组成部分。
为了实现数值映射到颜色色值,leaflet中内置了一些color*
开头的函数,
非常方便将数值变量与颜色进行匹配,然后产生一个palette函数。
这些palette函数, 能够根据输入数字向量返回一个ARGB颜色空间的向量。
ARGB颜色空间与HEX颜色空间类似,如“#AARRGGBB”中,前2个十六进制的数代表透明度,
后面三组数字分别代表Red, green, blue。具体见(/p/dedqca/argb-colors-in-android)。
leaflet
中有4个palette生成函数。
colorNumeric()
,colorBin()
和colorQuantile()
,(均针对连续数字变量)。
colorFactor()
,(针对类别型变量)。
使用方法如下:
2 3#调动颜色函数,生成一个palette函数 4pal<-colorNumeric(c("red","green","blue"),1:10) 5#给色板函数传进一个数字向量,返回颜色色值向量。 6pal(c(1,6,9))1library(leaflet)
1##[1]"#FF0000""#52E74B""#6754D8"
7.1
公共参数
4个颜色函数拥有几个公共参数:palette
和domain
。
palette
参数用于指定要与数据匹配的颜色向量,有下面几种指定形式:
RColorBrewer
包中palette的名字,eg: “RdYlBu”, “Accent”, “Greens”。
viridis
中的palette的名字,如:“viridis”, “magma”, “inferno”, “plasma”。
颜色向量,可以由色条函数生成,也可HEX色值组成的向量。
如:palette()
,topo.colors(10)
,c("#000000", "#0000FF", "#FFFFFF")
。
其它使用0到1之间的数字生成颜色向量的函数,
如:colorRamp(c("#000000", "#FFFFFF"), interpolate = "spline")
domain
参数用于确定输入值的范围。
可以指定domain = NULL
,则生成的palette函数没有预设范围,
当调用该palette函数时,会根据传入数据自动确定范围。
但当对不同数据应用同一个palette函数多次,最好具体指定domain
参数为非null, 这样数据与颜色才会匹配。
alpha
用于指定透明度。
reverse
,为逻辑值,用于翻转颜色与输入数字变量的匹配顺序。
7.2
连续数字变量
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'# 6#结果一样 7China_map<-readOGR(filepath,stringsAsFactors=FALSE) 8#China_map<-geojsonio::geojson_read(filepath,what='sp')#结果一样 9Encoding(China_map@data$name)<-"UTF-8"#纠正中文字符乱码 10 11#编造GDP向量 12set.seed(234) 13values_fabricate<-runif(34,0.1,0.9)*2000#全国34个行政区 14China_map$GDP_fabricate<-c(values_fabricate,NA)#经过China_map$name查询最后一个为占位 15 16map_draw<-leaflet(China_map)%>%setView(lng=106.33,lat=29.35,zoom=3.5)#以重庆城区经纬度为中心1library(leaflet)
2##Source:"E:\R_input_output\data_input\JSON\TopoJson\China.json",layer:"中国" 3##with35features 4##Ithas11fields1##OGRdatasourcewithdriver:GeoJSON
7.2.1连续型数据,连续型颜色(colorNumeric()
)
首先,我们尝试将GDP值与RColorBrewer中的“Blues”色条进行匹配。
我们使用colorNumeric()
函数创建一个映射函数。
“Blues”色条是仅仅包含9种颜色的离散色板,但是colorNumeric()
函数能够插值然后返回连续性色板。
palette参数仅仅是一个颜色向量,只需要注意其中的元素顺序。不一定非要RColorBrewer色板,其它也行,
甚至自定义都行,如:c("white", "navy")
或c("#FFFFFF", "#000080")
,
palette长度不等,长度为3也行,这样适合多级渐变,如diverging palette两极渐变。
甚至可以传递一个函数,指定数值在[0, 1]区间外应该返回的颜色。
第2个参数,domain
, 用于指定与颜色向量匹配的输入数字。
对于colorNumeric()
而言,可以用数字指定范围(最大值/最小值),也可以用数字向量指定。
colorNumeric()
函数返回的结果,pal
色条函数,
可以接受在range(countries$gdp_md_est)
范围内的数字向量,
然后返回ARGB格式的颜色向量。
2library(rgdal) 3 4Npal<-colorNumeric(palette="YlGnBu",domain=China_map$GDP_fabricate) 5 6map_draw%>%addPolygons(stroke=TRUE,smoothFactor=0.3,fillOpacity=0.8, 7color=~Npal(GDP_fabricate))#默认fillColor=color1library(leaflet)
7.2.2连续型数据,离散型颜色(colorBin()
,colorQuantile()
)
colorBin()
相当于对数据切片分箱,将数字性向量数据与固定数量的颜色输出相匹配。
可以通过指定breaks分割点来分箱,也可以指定分箱数来分箱,通过参数bin
。
注意在按分箱数分箱时,如果pretty = TRUE
(默认),
将得到nice round的分割点,但是可能分箱数并不非你指定的。
2 3Bpal<-colorBin(palette="Blues",China_map$GDP_fabricate,6,pretty=FALSE) 4 5map_draw%>%addPolygons(stroke=FALSE,smoothFactor=0.2,fillOpacity=1, 6color=~Bpal(GDP_fabricate))1library(leaflet)
colorQuantile()
同样是对输入数据进行分箱,只是每个子集中的observation数量相等,
默认分成4个箱子,5个breaks。
2 3Qpal<-colorQuantile("Blues",China_map$GDP_fabricate,n=7) 4map_draw%>%addPolygons(stroke=FALSE,smoothFactor=0.2,fillOpacity=1, 5color=~Qpal(GDP_fabricate))1library(leaflet)
7.3
类别型数据着色
对于类别型数据(categorical data), 使用colorFactor()
函数生成色板函数。
如果palette包含的颜色数量与因子水平一致,则为一一对应匹配。
否则,palette中的颜色将会进行插值,然后产生合适数量的颜色。
可以通过给domain
参数指定一个因子或字符串向量,或直接用levels
参数指定因子水平。
levels
参数优先级比domain
更高,如同时指定,则会忽略domain
参数
2 3#生成一些随机levels 4China_map$category<-as.factor(c(sample.int(5L,34,TRUE),NA)) 5 6Fpal<-colorFactor(topo.colors(5),China_map$category)#因为是因子对象,第2个参数与levels参数匹配 7 8leaflet(China_map)%>% 9setView(lng=106.33,lat=29.35,zoom=3.5)%>%#以重庆城区经纬度为中心%>% 10addPolygons(stroke=FALSE,smoothFactor=0.2,fillOpacity=1, 11color=~Fpal(category))1library(leaflet)
8.Legends图例
Leaflet包中,创建图例也非常方便,
这个小节中,我们将在Colors小节基础上创建图例。
使用addLegend()
函数添加图例,最方便的方法是:
将colorNumeric()
等函数产生的色板函数指定给addLegend()
函数中的pal
参数, 然后指定values
参数,
就会自动计算图例箱体的颜色和刻度标签。
2library(rgdal) 3 4filepath<-"E:/R_input_output/data_input/JSON/TopoJson/China.json" 5#filepath<-"E:/R_input_output/data_input/JSON/GeoJSON/China.geojson"#结果一样 6China_map<-readOGR(filepath,stringsAsFactors=FALSE) 7#China_map<-geojsonio::geojson_read(filepath,what="sp")#结果一样 8Encoding(China_map@data$name)<-"UTF-8"#纠正中文字符乱码 9 10#编造GDP向量 11set.seed(234) 12values_fabricate<-runif(34,0.1,0.9)*2000#全国34个行政区 13China_map$GDP_fabricate<-c(values_fabricate,NA)#经过China_map$name查询最后一个为占位 14 15map_draw<-leaflet(China_map)%>% 16setView(lng=106.33,lat=29.35,zoom=3.5)#以重庆城区经纬度为中心 17 18Npal<-colorNumeric(palette="YlGnBu",domain=China_map$GDP_fabricate) 19 20map_draw%>% 21addPolygons(stroke=FALSE,smoothFactor=0.2,fillOpacity=1, 22color=~Npal(GDP_fabricate))%>% 23 24addLegend("bottomright",pal=Npal,values=~GDP_fabricate,#生成图例 25title="China.GDP(fabricate)",#图例标题 26labFormat=labelFormat(prefix="¥",suffix="(亿元)"),#标签增加前缀后缀 27opacity=1)1library(leaflet)
addLegend()
函数与palette函数的类型有关,
对不同类型的palette,会生成不同形式的图例。
比较上图中基于colorNumeric()
函数生成的图例,
与下图中基于colorQuantile()
生成的图例,可以发现:
后者显示大概范围,图例刻度标签也不同。
2 3Qpal<-colorQuantile("RdYlBu",China_map$GDP_fabricate,n=5,reverse=TRUE)#分位数分箱,5等分,reverse=TRUE翻转颜色 4map_draw%>%addPolygons(stroke=FALSE,smoothFactor=0.2,fillOpacity=1, 5color=~Qpal(GDP_fabricate))%>%addLegend(pal=Qpal,values=~GDP_fabricate, 6opacity=1)1library(leaflet)
addLegend()
还有其它几个参数,使得能够以多种方式定制图例,
还有colors
和labels
参数,具体指定可以定制与大图不一样颜色和标签图例。 还可以定制图例标题和colors
的透明度。
使用labFormat = labelFormat()
参数,在labelFormat()
函数中,可以定制刻度标签显示。
如可以定制刻度标签中内的分隔符,保留小数位数,每个图例的prefix/suffix(前缀或后缀)。
如果你的刻度标签样式超出了labelFormat()
函数多能提供的,
还可以使用自定义函数作为labFormat
的参数。
具体见?addLegend()
。
9.Show/Hide 图层
leaflet
中有专门的函数来显示或隐藏layers,
用户能够自行设定要显示或隐藏哪些layers.
控制方式有2种:
使用Shiny,在Shiny中使用serve-side代码控制。
笔者对Shiny了解不是很透彻,这里展开了,详细见
(https://rstudio.github.io/leaflet/shiny.html)
在add*
开头的图层添加函数内,设定group
参数。
然后使用addLayersControl()
函数增加图层交互框。
9.1
groups分组
group是layers上的一个标签,表示给layers分组。
在add*
开头的函数中,通过group
参数给layers赋予组别属性。格式如下:
2 3leaflet()%>% 4addTiles()%>% 5addMarkers(data=coffee_shops,group="Food&Drink")%>%#指定group参数 6addMarkers(data=restaurants,group="Food&Drink")%>% 7addMarkers(data=restrooms,group="Restrooms")1library(leaflet)
一个group可以包含多个layers,但每个layer只能最多属于一个group。
Group与Layer IDs特点:
layer IDs 是为了给每一个marker或shape提供单独的识别ID。
通常用字符串向量指定markers或shapes的layersId
。其向量长度与markers数量相同。
而group
仅仅是一个字符串。
不同类型的特征的layer IDs可以相同,如markers与shapes可以是相同的layerIds
。
因为不同类型的特征其移除函数不同(remove*
和clear*
开头的函数),所有不会相互干扰。
如果给一个circle圆形指定一个layer ID,后续又给一个shape赋予同一个layer ID,
那么前面的circle圆形将自动从地图中移除。
而groups分组是为了使不同的items属于同一个组别。
通常,我们将所有的addMarkers()
命令分配到同一个组别。即根据类别进行分组。
后续使用另外的addXXX()
也能添加到前面已经存在的group组别中。
9.2
layers交互框
在leaflet中,使用addLayersControl()
函数添加layer切换开关。
这样在widget地图中就能用鼠标切换layers。如下图所示,widget上出现了一个按钮框。
一个widge地图中,只能设置一个layerControl交互框,如果存在多个则以最后一个为准。
关键参数:
baseGroups
, 可以在baseGroups
内几个组别中切换,只能同时查看其中一个组别的图层。 圆形按钮为baseGroups
选项。
overlayGroups
, 可以选择查看其中显示多个组别的图层或全部隐藏。
勾选按钮为overlayGroups
选项。
options
, 用addLayerControl()
函数指定,可以通过position
函数设置交互框的相对位置。
2data(quakes) 3 4outline<-quakes[chull(quakes$long,quakes$lat),]#索引子数据框 5 6map<-leaflet(quakes)%>%#设置basegroup 7addTiles(group="OSM(default)")%>%addProviderTiles(providers$Stamen.Toner, 8group="Toner")%>%addProviderTiles(providers$Stamen.TonerLite,group="TonerLite")%>% 9#设置Overlaygroups 10addCircles(~long,~lat,~10^mag/5,stroke=F,group="Quakes")%>%addPolygons(data=outline, 11lng=~long,lat=~lat,fill=F,weight=2,color="#FFFFCC",group="Outline")%>% 12 13#设置layers切换 14addLayersControl(baseGroups=c("OSM(default)","Toner","TonerLite"),overlayGroups=c("Quakes", 15"Outline"),options=layersControlOptions(collapsed=FALSE)) 16 17map1library(leaflet)
9.3
图标簇分组
如果将markers clusters图标簇分成不同的group组。
当按照marker小节中那样添加markers时,
leaflet
就能根据group将markers分成不同的簇了。 这样就能设定不同组别的图标簇显示/隐藏了。
2 3quakes<-quakes%>% 4#mutate列运算,产生新列,新列名为mag.level 5dplyr::mutate(mag.level=cut(mag,c(3,4,5,6),#分箱,breaks为3,4,5,6。 6labels=c('>3&<=4','>4&<=5','>5&<=6'))) 7 8quakes.df<-split(quakes,quakes$mag.level)#将quakes根据mag.level分组,变成3个元素的列表 9 10l<-leaflet()%>%addTiles() 11 12names(quakes.df)%>% 13purrr::walk(function(df){#walk迭代, 14l<<-l%>%#深度赋值,l会变成全局变量 15addMarkers(data=quakes.df[[df]],#闭包索引 16lng=~long,lat=~lat, 17label=~as.character(mag), 18popup=~as.character(mag), 19group=df, 20clusterOptions=markerClusterOptions(removeOutsideVisibleBounds=F), 21labelOptions=labelOptions(noHide=F,direction='auto')) 22}) 23 24l%>% 25addLayersControl( 26overlayGroups=names(quakes.df), 27options=layersControlOptions(collapsed=FALSE) 28)1library(leaflet)
walk
函数
https://d-rug.github.io/images/1026/1023_DRUG_map_walk.html#41
10.Choropleths(等值线图)
在leaflet
中画等值线图非常容易,
10.1
数据源
首先需要加载JSON格式的数据,在JS中可以直接加载,
在R中,我们可以使用geojsonio
包来加载JSON格式数据,并读取为sp
对象。 在sp
对象中,我们更加方便操纵地图特征。
2library(rgdal) 3 4filepath<-"E:/R_input_output/data_input/JSON/TopoJson/China.json" 5#filepath<-'E:/R_input_output/data_input/JSON/GeoJSON/China.geojson'# 6#结果一样 7China_map<-readOGR(filepath,stringsAsFactors=FALSE) 8#China_map<-geojsonio::geojson_read(filepath,what='sp')#结果一样 9Encoding(China_map@data$name)<-"UTF-8"#纠正中文字符乱码 10 11#编造GDP向量 12set.seed(234) 13values_fabricate<-runif(34,0.1,0.9)*2000#全国34个行政区 14China_map$GDP_fabricate<-c(values_fabricate,NA)#经过China_map$name查询最后一个为占位 15 16map_draw<-leaflet(China_map)%>%setView(lng=106.33,lat=29.35,zoom=3.5)#以重庆城区经纬度为中心1library(leaflet)
2##Source:"E:\R_input_output\data_input\JSON\TopoJson\China.json",layer:"中国" 3##with35features 4##Ithas11fields1##OGRdatasourcewithdriver:GeoJSON
10.2
底图着色
2 3#通过手动分箱添加颜色,这样就不是等分 4bins<-c(200,500,800,1200,1500,1800)#分箱的分割点 5Bpal<-colorBin("YlOrRd",domain=China_map$GDP_fabricate, 6bins=bins)#通过分箱生成palette函数 7 8map_draw%>% 9addPolygons(stroke=TRUE,smoothFactor=0.2, 10fillOpacity=0.7, 11fillColor=~Bpal(GDP_fabricate), 12weight=2, 13opacity=1, 14color="lime", 15dashArray="3")%>% 16 17addLegend("bottomright",pal=Bpal,values=~GDP_fabricate,#生成图例 18title="China.GDP(fabricate)",#图例标题 19labFormat=labelFormat(prefix="¥",suffix="(亿元)"),#标签增加前缀后缀 20opacity=1)1library(leaflet)
10.3
区域高亮
接下来给地图多边形增加交互性,要求当鼠标掠过多边形上时,多边形会高亮。
即在addPolygons()
内设置高亮参数highlight
。
2 3map_draw%>% 4addPolygons(stroke=TRUE,smoothFactor=0.2, 5fillOpacity=0.7, 6fillColor=~Bpal(GDP_fabricate), 7weight=2, 8opacity=1, 9color="lime", 10dashArray="3", 11highlight=highlightOptions(#增加高亮参数 12weight=5, 13color="cyan", 14dashArray="", 15fillOpacity=0.3, 16bringToFront=TRUE) 17)%>% 18 19addLegend("bottomright",pal=Bpal,values=~GDP_fabricate,#生成图例 20title="China.GDP(fabricate)",#图例标题 21labFormat=labelFormat(prefix="¥",suffix="(亿元)"),#标签增加前缀后缀 22opacity=1)1library(leaflet)
在Leaflet.js中,还可以设置当鼠标点击多边形区域时,放大该区域。
但R中还不行,除非可以在Shiny中设置。
10.4
定制info
接下来,我们将在地图上显示各州的名称和人口密度。
虽然在Shiny中,可以设置当鼠标悬浮在形状区域时,显示info。
然而,这次我们将使用leaflet
内置函数中的labels特征来实现。
我们将使用一段HTML语法来产生labels, 然后将其传递给lappy(htmltools::HTML)
。
这样leaflet就知道将所有labels当作HTML语法来处理,而不是纯文本。
同时,我们也会通过labelOptions
参数来设置labels的风格。
2 3#sprintf字符串格式化输出,%s表示将China_map$name当作字符串插入,%g表示小写e记法数字格式化。 4labels<-sprintf( 5"<strong>%s</strong><br/>%gpeople/m<sup>2</sup>",#HTML语法,<br/>表示换行符, 6China_map$name,China_map$GDP_fabricate 7)%>% 8 9lapply(htmltools::HTML)#对向量labels中每个元素进行了HTML处理,全当作HTML处理 10 11map_draw_2<-map_draw%>% 12addPolygons( 13stroke=TRUE,smoothFactor=0.2, 14fillOpacity=0.7, 15fillColor=~Bpal(GDP_fabricate), 16weight=2, 17opacity=1, 18color="lime", 19dashArray="3", 20highlight=highlightOptions(#增加高亮参数 21weight=5, 22color="cyan", 23dashArray="", 24fillOpacity=0.3, 25bringToFront=TRUE), 26label=labels, 27labelOptions=labelOptions( 28style=list("font-weight"="normal",padding="3px8px"), 29textsize="15px", 30direction="auto"))%>% 31 32addLegend("bottomright",pal=Bpal,values=~GDP_fabricate,#生成图例 33title="China.GDP(fabricate)",#图例标题 34labFormat=labelFormat(prefix="¥",suffix="(亿元)"),#标签增加前缀后缀 35opacity=1) 36 37map_draw_21library(leaflet)
11.投影坐标系(CRS)
注意,该功能可能不支持部分函数。
如addRasterImage()
目前仅仅支持EPSG:3857 Web Mercator投影坐标系。
leaflet
希望所有的经纬度数据都是基于WGS 84(a.k.a.EPSG:4326)投影坐标系的,
即对这个支持最好。
在leaflet
中,默认将基于EPSG:3857坐标系投影任何数据。 希望任何的tiles的坐标数据都是基于EPSG:3857坐标系来产生的。
很多时候,用户需要使用不同的投影坐标系来展示数据。
leaflet
已经内置了Proj4Leaflet(/kartena/Proj4Leaflet)插件。
这使leaflet
在理论上可以访问Proj4js(/)支持的任何CRS
注意,用户使用的任何tiles, 在设计时就必须考虑到与leaflet
内CRS的匹配性
11.1
自定义CRS
一旦你决定要自定义一个CRS了,并且有能与之匹配的tiles。
那么你可以使用leafletCRS()
来自定义一个CRS。
2 3crs<-leafletCRS(crsClass="L.Proj.CRS",code="ESRI:10",proj4def="+proj=aea+lat_1=29.5+lat_2=45.5+lat_0=37.5+lon_0=-96+x_0=0+y_0=0+datum=WGS84+units=m+no_defs", 4resolutions=1.5^(25:15))#设置分辨率,每个像素点代表多少米,用于缩放1library(leaflet)
在leafletCRS()
函数内,有下面几个关键参数:
crsClass
参数表示指定要使用的JavaScript构造器,以此来产生leaflet.js CRS对象。
在这里,我们使用L.Proj.CRS
,这是Proj4Leaflet带来的class。
只有CRS classes列表中的CRS classes才有效。?leafletCRS
查看详情,所有的classes如下:
(L.CRS.EPSG3857, L.CRS.EPSG4326, L.CRS.EPSG3395, L.CRS.Simple, L.Proj.CRS)
code
参数表示CRS标识符,通常使用EPSG相关的标识符或相似的标识符。
在大多数情况下,这个参数其实没什么影响,因为其主要在Proj4Leaflet中被使用,在R中很少用。
proj4def
参数是一个PROJ.4或WKT类型的字符串,用于定义CRS。
如果你对PROJ.4或WKT了解,那么你可以在epsg.io(https://epsg.io/)或(/)中找到需要的字符串。
通过参数crs = leafletOptions(crs = ...).
,
可以将leafletCRS()
产生的对象传递给leaflet()
函数。
11.2
基于自定义的CRS添加tiles底图
下面的例子显示的是瑞典的哥德堡城市,以EPSG:3006(SWEREF99 TM)坐标系进行投影。
2 3#自定义CRS投影坐标系 4epsg3006<-leafletCRS(crsClass="L.Proj.CRS",code="EPSG:3006", 5proj4def="+proj=utm+zone=33+ellps=GRS80+towgs84=0,0,0,0,0,0,0+units=m+no_defs", 6resolutions=2^(13:-1),#设置分辨率,每个像素点代表多少米,用于缩放,从8192到0.5 7origin=c(0,0)#原点坐标 8) 9 10tile_url<-"/tile/osm-bright-3006/{z}/{x}/{y}.png" 11tile_attrib<-"Mapdata©<ahref='/copyright'>OpenStreetMapcontributors</a>,Imagery©<ahref='http://www.kartena.se/'>Kartena</a>" 12 13#绘widget图 14leaflet(options=leafletOptions(worldCopyJump=F,crs=epsg3006))%>%#指定crs参数 15setView(11.965053,57.70451,13)%>% 16addTiles(urlTemplate=t 17attribution=tile_attrib,#widget下面的小字,表示tileslayer的属性,为HTML语法 18options=tileOptions(minZoom=0,maxZoom=14,continuousWorld=T))%>% 19addMarkers(11.965053,57.70451)1library(leaflet)
ile_url,#使用URL上的模板
再次强调,学会使用leafletCRS()
函数自定义CRS,
并基于该CRS投影坐标系添加tiles底图,非常重要。
事实上,上图中,来自 服务商的tiles正是基于EPSG:3006产生的。
我们可以通过使用默认的EPSG:3857来绘制一个类似的地图,与上图进行比较。
如果自定义的CRS正常工作,则marker会出现在相同的位置:
2 3leaflet()%>%setView(11.965053,57.70451,16)%>%addTiles()%>%addMarkers(11.965053, 457.70451)1library(leaflet)
11.3
基于自定义的CRS添加shapes
产生Tiles基于的CRS,必须与leafletCRS()
中自定义的CRS相同。
我们经常使用基于WGS 84坐标系的经纬度数据,来添加markers, circles, polygons和lines。
leaflet
会自动使用该坐标系来投影上诉特征。
下面的例子是基于EPSG:2163(美国国家地图集等轴投影坐标系)坐标系。
我们使用albersusa
包中数据集usa_sf
, 事实上并没有使用Albers投影坐标系。
该地图集中,阿拉斯加和夏威夷群岛,被旋转和调整大小过,以使其更靠近美国大陆。
2library(sp) 3library(albersusa) 4 5spdf<-rmapshaper::ms_simplify(usa_sf(),keep=0.1)#简化polygons数据集 6 7pal<-colorNumeric("Blues",domain=spdf$pop_)#产生palette函数 8 9#自定义CRS 10epsg2163<-leafletCRS( 11crsClass="L.Proj.CRS", 12code="EPSG:2163", 13proj4def="+proj=laea+lat_0=45+lon_0=-100+x_0=0+y_0=0+a=6370997+b=6370997+units=m+no_defs", 14resolutions=2^(16:7))#设置分辨率,每个像素代表多少米,用于缩放 15 16#基于CRS坐标系和spdf数据集,绘制地图 17leaflet(spdf,options=leafletOptions(crs=epsg2163))%>%#使用自定义的CRS 18addPolygons(weight=1,color="#444444",opacity=1,#设置边界线线宽,颜色,透明度 19fillColor=~pal(pop_),fillOpacity=0.7, 20smoothFactor=0.5, 21label=~paste(name,pop_), 22labelOptions=labelOptions(direction="auto"))1library(leaflet)
11.4
极地投影坐标系
有时候也会需要使用极地投影坐标系,
相比其它投影坐标系,可能会遇到更多的问题,甚至与其它Leaflet.js插件不兼容性问题。
可以参考的Bhaskar Karambelkar的案例
(/bhaskarvk/leaflet-polarmaps)
12.附加特征
常用附加特征包括:
leaflet Measure(刻度尺)
Graticule(网格线)
Terminator(白天黑夜指示器)
Minimap(小地图)
12.1
Leaflet Measure 刻度尺
使用addMeasure()
可以在地图上添加刻度尺插件。
(/ljagis/leaflet-measure)
刻度尺使用方法:
首先用鼠标点击刻度尺,然后在提示框中点击Create a new measurement就激活刻度尺了。
然后再地图上连续点击2点就能绘制一条线段。
随之提示框中会显示线段的长度Path distance,
然后点击Finish measurement按钮,就能将线段保留显示。
连续点击3个及以上的点,且不在一条直线上,则随之显示折线长度,增加显示面积Area,
点击Finish measurement按钮就将面积区域保留显示。
2 3m<-leaflet()%>%addTiles() 4 5m%>% 6fitBounds(-73.9,40.75,-73.95,40.8)%>%#fitBounds设定地图矩形区域边界,定到纽约中央公园 7addMeasure()#添加刻度尺插件,默认位置在widget右上角1library(leaflet)
addMeasure()
函数内有很多可选参数用来设置插件的外观和behavior。详情见?addMeasure
。
关键参数:
position
,表示指定刻度尺按钮相对位置。
primaryLengthUnit
, 表示指定测量长度时显示的主要长度单位,
主要长度后面的括号内为可选参数,表示次要长度单位secondaryLengthUnit
。
primaryAreaUnit
, 表示指定测量面积时显示的主要长度单位,
同样括号内为次要面积单位secondaryAreaUnit
。
activeColor
,表示指定激活刻度尺时,在地图上点击点,连线时,点和线及面的颜色。
用HEX色值表示。
completedColor
, 表示点击Finish measurement后,点和线及面的颜色。同样为HEX色值。
2 3m%>% 4fitBounds(13.76134,52.675499,13.0884,52.33812)%>%#设定边界到德国柏林 5addMeasure( 6position="bottomleft",#设定刻度尺相对位置为左下角 7primaryLengthUnit="meters",#设定测量长度时显示的主要长度单位 8primaryAreaUnit="sqmeters",#设定测量面积时显示的主要面积单位 9activeColor="#00ffff",#=cyan,激活刻度尺时,点线面的颜色。 10completedColor="#ff00ff")#=magenta,表示Finish测量后,点线面的颜色。1library(leaflet)
12.2
Graticule网格线
使用addGraticule()
函数可以给地图添加一个grid网格(通过Leaflet.Graticule插件)。
关键参数:
interval
, 表示指定网格线之间间距。
style
, 表示网格线的样式,列表传参,
可以设定网格线线型dashArray
,线宽weight
,颜色color
,透明度Opacity
等。
layerId
和group
,结合group
参数和addLayersControl()
函数可以添加开关。
2 3m<-leaflet()%>%addTiles()%>%setView(0,0,2) 4m%>%addGraticule()1library(leaflet)
2#添加2种网格线,间距不一样,线宽不一样,颜色也不一样 3m%>%addGraticule(interval=30, 4style=list(color="#00ffff",weight=4))%>%#="cyan" 5addGraticule(interval=70,style=list(color="#ff00ff",weight=2))#="magenta"1library(leaflet)
将group
参数和addLayersControl()
函数联合使用,以增加网格显示开关。
2 3#添加2种网格线,间距不一样,线宽不一样,颜色也不一样 4m%>%addGraticule(interval=30, 5style=list(color="#00ffff",weight=4),#="cyan" 6group="cyangrid")%>% 7addGraticule(interval=70, 8style=list(color="#ff00ff",weight=2),#="magenta" 9group="magentagrid")%>% 10addLayersControl(overlayGroups=c("cyangrid","magentagrid"), 11options=layersControlOptions(collapsed=FALSE))1library(leaflet)
12.3
Terminator (白天/黑夜指示器)
使用addTerminator()
函数添加白天/黑夜指示器,划分区域。 白天黑夜跟时区没有关系,默认状态下,白天/黑夜指示器都是实时的。
并没有color
,fill
和style
等参数,所以不能调整颜色等设置。
2 3#默认分辨率,阴影蒙板区域为黑夜 4leaflet()%>%addTiles()%>%addTerminator()1library(leaflet)
自定义分辨率和时区及时刻,然后添加到group开关中:
2 3leaflet()%>% 4addTiles()%>% 5addTerminator( 6resolution=10,#指定分辨率,值越大,则精度越高,但计算量增加,默认为2 7time="-06-20T21:00:00Z",#时区及时刻 8group="day&light")%>% 9 10addLayersControl( 11overlayGroups="day&light", 12options=layersControlOptions(collapsed=FALSE))1library(leaflet)
12.4
Minimap小地图
可以使用addMinimap()
函数添加一个坐标范围更大的小地图, 该功能同样是通过Leaflet-Minimap实现的。
注意,minimap上仅仅显示tiles, 不能显示markers, polygons等其它特征。
在小地图上可以缩放拖拽,大地图也会发生相应响应。
在大地图上缩放拖拽,小地图同样会响应。
小地图上有个矩形蒙板框,表示蒙板区域对应大地图上的边界。
2 3l<-leaflet()%>%setView(0,0,3) 4 5l%>%addProviderTiles(providers$Esri.WorldStreetMap)%>%addMiniMap()1library(leaflet)
关键参数:
tiles
, URL链接,指定小地图的tiles,可以与大地图不同。
toggleDisplay
,为逻辑值,表示是否设置小地图开关,TRUE
则出现箭头开关。
2 3l%>%addProviderTiles(providers$Esri.WorldStreetMap)%>%addMiniMap(tiles=providers$Esri.WorldStreetMap, 4toggleDisplay=TRUE)1library(leaflet)
13.leafletCN(中国扩展包)
leafletCN
是一个基于leaflet
包做的大中华扩展,
优势在于有细分到县级市级别的区划数据, 虽然没那么准, 但是也基本能用了
leafletCN
会自动匹配传入的前两个字符来寻找合适的位置进行绘制, 所以基本不需要纠结是写’上海市’还是’上海’了
常用函数:
regionNames()
返回辖区内地名。
demomap()
传入地名绘制辖区地图
geojsonMap()
变量着色。
amap()
叠加高德地图tiles
read.geoShape()
读取一个geojson对象,保存成spdataframe, 以方便leaflet调用。
leafletGeo()
用地图名以及一个数据框创建一个sp的对象。
13.1
regionNames()返回辖区名称
2 3regionNames("China") 4regionNames("四川省") 5regionNames("成都")1library(leafletCN)
2##[4]"青海省""四川省""黑龙江省" 3##[7]"甘肃省""云南省""广西壮族自治区" 4##[10]"湖南省""陕西省""广东省" 5##[13]"吉林省""河北省""湖北省" 6##[16]"贵州省""山东省""江西省" 7##[19]"河南省""辽宁省""山西省" 8##[22]"安徽省""福建省""浙江省" 9##[25]"江苏省""重庆市""宁夏回族自治区" 10##[28]"海南省""台湾省""北京市" 11##[31]"天津市""上海市""香港特别行政区" 12##[34]"澳门特别行政区" 13##[1]"甘孜藏族自治州""阿坝藏族羌族自治州""凉山彝族自治州" 14##[4]"绵阳市""达州市""广元市" 15##[7]"雅安市""宜宾市""乐山市" 16##[10]"南充市""巴中市""泸州市" 17##[13]"成都市""资阳市""攀枝花市" 18##[16]"眉山市""广安市""德阳市" 19##[19]"内江市""遂宁市""自贡市" 20##[1]"成华区""崇州市""大邑县""都江堰市""金牛区""金堂县" 21##[7]"锦江区""龙泉驿区""彭州市""蒲江县""青白江区""青羊区" 22##[13]"双流县""温江区""武侯区""新都区""新津县""邛崃市" 23##[19]"郫县"1##[1]"新疆维吾尔自治区""西藏自治区""内蒙古自治区"
13.2
demomap()返回辖区地图
2 3demomap("台湾")1library(leafletCN)
13.3
geojsonmap()变量着色
2library(leafletCN) 3 4dat<-data.frame(name=regionNames("china"), 5value=runif(34)) 6geojsonMap(dat,"china")%>%#给变量value着色 7setView(lng=106.33,lat=29.35,zoom=3.5)1library(leaflet)
13.4
amap()叠加高德地图tiles
自带管道函数
2library(leafletCN) 3 4leaflet()%>%amap()%>%addMarkers(lng=116.3125774825,lat=39.9707249401, 5popup="ThebirthplaceofCOS")1library(leaflet)
13.5
read.geoShape()读取geojson对象
2library(leafletCN) 3 4if(require(sp)){ 5filepath<-system.file("E:/R_input_output/data_input/JSON/GeoJSON/China.geojson", 6package="leafletCN") 7map<-read.geoShape(filepath) 8plot(map) 9}1library(leaflet)
13.6
leafletGeo()映射数据框
leafletGeo()
这个函数可以把一个数据框和地图结合在一起,方便leaflet调用,
其中名字的变量为name, 数值的变量为value。
2 3if(require(leaflet)){ 4dat=data.frame(regionNames("china"),runif(34)) 5map=leafletGeo("china",dat) 6 7pal<-colorNumeric(palette="Blues",domain=map$value) 8 9leaflet(map)%>%addTiles()%>%addPolygons(stroke=TRUE,smoothFactor=1, 10fillOpacity=0.7,weight=1,color=~pal(value),popup=~htmltools::htmlEscape(popup))%>% 11addLegend("bottomright",pal=pal,values=~value,title="legendTitle", 12labFormat=leaflet::labelFormat(prefix=""),opacity=1) 13}1library(leafletCN)
参考来源:
leaflet
(https://rstudio.github.io/leaflet/json.html)
geojson格式
(/p/5c6c6e76d4df)
leafletCN PPT
(/leafletIntro/Untitled.html#19)
R+大地图时代
(/sinat_26917383/article/details/57083985)
leafletCN github
(/lchiffon/leafletCN)
rgdal Tips
(/blog//01/13/tips-for-reading-spatial-files-into-r-with-rgdal/)
albersusa github
(/hrbrmstr/albersusa)
往期精彩:
R爬虫小白入门:Rvest爬链家网+分析(三)
“IT男等级”对照表|找找你在哪?
零基础:R必知必会
R语言中文社区终文章整理(作者篇)
R语言中文社区终文章整理(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Python1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
今天是妇女节
下班记得买束花送给自己的老婆和母亲↓
如果觉得《R_leaflet包_最易上手地图教程(二)》对你有帮助,请点赞、收藏,并留下你的观点哦!