35.1 PKG

Show/Hide Code 
library(tidyverse)    # 数据处理和可视化工具包
library(sf)           # 空间数据处理包
library(RColorBrewer) # 颜色调色板包
library(cartogram)    # 创建地图扭曲效果
library(scales)       # 格式化图表标签
library(transformr)   # 使gganimate能够与sf对象协同工作
library(gganimate)    # 创建动画效果

35.2 Hexbin

Show/Hide Code 
# 加载必要的R包
library(tidyverse)  # 数据处理和可视化工具包
library(sf)         # 空间数据处理包
library(RColorBrewer)  # 颜色调色板包

# 加载geojson文件（注意：我将文件存储在名为DATA的文件夹中）
my_sf <- read_sf("./data/us_states_hexgrid.geojson")

# 对数据进行少量格式化处理
# 使用新的管道操作符 |> 替换google_name字段中的"(United States)"字符串
my_sf <- my_sf |>
  mutate(google_name = gsub(" \\(United States\\)", "", google_name))

# 显示六边形网格的几何形状
# 这将绘制美国各州的六边形网格边界
plot(st_geometry(my_sf))

美国各州六边形网格地图

基于人口数据的美国各州地图扭曲（Cartogram）:

Show/Hide Code 
# 加载制图包
library(cartogram)  # 用于创建地图扭曲效果的包

# 加载各州人口数据（数据源：https://www.census.gov/data/tables/2017/demo/popest/nation-total.html）
pop <- read.table(
    "https://raw.githubusercontent.com/holtzy/R-graph-gallery/master/DATA/pop_US.csv", 
    sep = ",", 
    header = T
    )
pop$pop <- pop$pop / 1000000  # 将人口数转换为百万单位

# 合并地理数据和人口数据
# 使用新的管道操作符 |> 将空间数据与人口数据按州名进行左连接
my_sf <- my_sf |> left_join(pop, by = c("google_name" = "state"))

# 基于人口信息计算地图扭曲效果
# 首先需要更改投影，我们使用墨卡托投影（即谷歌地图使用的投影，EPSG 3857）
my_sf_merc <- st_transform(my_sf, 3857)
cartogram <- cartogram_cont(my_sf_merc, "pop")  # 根据人口数据创建连续地图扭曲

# 转换回原始投影坐标系
cartogram <- st_transform(cartogram, st_crs(my_sf))

# 初步查看扭曲后的地图效果
# 人口较多的州会显得更大，人口较少的州会显得更小
plot(st_geometry(cartogram))

基于人口数据的美国各州地图扭曲（Cartogram）
Show/Hide Code 
# 使用ggplot2创建精美的地图扭曲可视化
ggplot(cartogram) +
  # 添加空间几何图形，根据人口数量填充颜色
  geom_sf(aes(fill = pop), linewidth = 0.05, alpha = 0.9, color = "black") +
  # 设置渐变色填充方案
  scale_fill_gradientn(
    colours = brewer.pal(7, "BuPu"),  # 使用蓝紫色调色板
    name = "population (in M)",       # 图例标题
    labels = scales::label_comma(),   # 数字格式化（添加千位分隔符）
    guide = guide_legend(
      keyheight = unit(3, units = "mm"),    # 图例键高度
      keywidth = unit(12, units = "mm"),    # 图例键宽度
      title.position = "top",              # 图例标题位置
      label.position = "bottom"            # 图例标签位置
    )
  ) +
  # 添加州的缩写代码文本标签
  geom_sf_text(aes(label = iso3166_2), color = "white", size = 3, alpha = 0.6) +
  # 使用空白主题（去除坐标轴和网格线）
  theme_void() +
  # 添加图表标题
  ggtitle("Another look on the US population") +
  # 自定义主题设置
  theme(
    legend.position = c(0.5, 0.9),     # 图例位置（水平居中，靠近顶部）
    legend.direction = "horizontal",    # 图例水平排列
    text = element_text(color = "#22211d"),  # 文本颜色
    plot.background = element_rect(fill = "#f5f5f9", color = NA),    # 图表背景色
    panel.background = element_rect(fill = "#f5f5f9", color = NA),   # 面板背景色
    legend.background = element_rect(fill = "#f5f5f9", color = NA),  # 图例背景色
    # 标题样式设置
    plot.title = element_text(
        size = 22, hjust = 0.5, color = "#4e4d47", 
        margin = margin(b = -0.1, t = 0.4, l = 2, unit = "cm")
        ),
  )

美国人口分布的地图扭曲可视化（带颜色填充和标签）

35.3 cartogram

基础 cartogram: 非洲地区地理边界图

Show/Hide Code 
# 加载空间数据处理库
library(sf)

# 读取世界边界简化数据
wrld_simpl <- read_sf("./data/map/TM_WORLD_BORDERS_SIMPL-0.3.shp")

# 筛选非洲地区数据 (REGION == 2)
afr <- wrld_simpl[wrld_simpl$REGION == 2, ]

# 使用plot函数可视化非洲地区边界
plot(st_geometry(afr))

非洲地区地理边界图

根据人口数据，构建变形地图

Show/Hide Code 
# 加载变形地图库
library(cartogram)

# 使用2005年人口数据构建变形地图

# 首先需要将投影转换为墨卡托投影 (谷歌地图投影): EPSG: 3857
afr <- st_transform(afr, 3857)

# 创建基于人口的连续变形地图
afr_cartogram <- cartogram_cont(afr, "POP2005", itermax = 5)

# 将投影转换回原始投影
afr_cartogram <- st_transform(afr_cartogram, st_crs(afr))

# 这是一个新的地理空间对象，我们可以可视化它！
plot(st_geometry(afr_cartogram))

基于2005年人口数据的非洲变形地图

使用 ggplot2 来添加一些颜色、标题、图例、背景等。现在我们有了非洲的漂亮制图分级统计地图！

Show/Hide Code 
library(tidyverse)

ggplot(afr_cartogram) +
  geom_sf(aes(fill = POP2005), linewidth = 0, alpha = 0.9) +
  theme_void()

基于2005年人口数据的非洲变形地图, 美化版

2005年非洲人口分布精美变形地图:

Show/Hide Code 
# 如前所述，通过一些自定义设置可以制作更精美的地图
p_afr <- ggplot(afr_cartogram) +
  geom_sf(aes(fill = POP2005 / 1000000), linewidth = 0, alpha = 0.9) +  # 绘制变形地图，按人口数填充
  theme_void() +                                                          # 使用空白主题
  scale_fill_viridis_c(
    name = "Population (M)",                                              # 图例标题
    breaks = c(1, 50, 100, 140),                                         # 设置断点
    guide = guide_legend(
      keyheight = unit(3, units = "mm"),                                  # 图例高度
      keywidth = unit(12, units = "mm"),                                  # 图例宽度
      label.position = "bottom",                                          # 标签位置
      title.position = "top", nrow = 1                                    # 标题位置和行数
    )
  ) +
  labs(title = "Africa 2005 Population") +                               # 添加标题
  theme(
    text = element_text(color = "#22211d"),                               # 文本颜色
    plot.background = element_rect(fill = "#f5f5f4", color = NA),        # 绘图背景
    panel.background = element_rect(fill = "#f5f5f4", color = NA),       # 面板背景
    legend.background = element_rect(fill = "#f5f5f4", color = NA),      # 图例背景
    plot.title = element_text(
      size = 22, hjust = 0.5,                                            # 标题大小和对齐
      color = "#4e4d47",                                                  # 标题颜色
      margin = margin(
        b = -0.1, t = 0.4, l = 2,                                        # 标题边距
        unit = "cm"
      )
    ),
    legend.position = c(0.2, 0.26)                                       # 图例位置
  )

p_afr

2005年非洲人口分布精美变形地图

35.4 动画

加载必要的 R 包:

Show/Hide Code 
# 加载必要的R包
library(dplyr)      # 数据处理和清洗
library(cartogram)  # 创建地图扭曲效果
library(ggplot2)    # 数据可视化
library(transformr) # 使gganimate能够与sf对象协同工作
library(gganimate)  # 创建动画效果
library(sf)         # 读取和处理空间数据文件

准备数据:

35.5 计算多个中间地图

前面已经构建了基于人口数据的非洲地图扭曲:

目标是在两个地图之间制作平滑动画，我们需要使用插值创建大量中间地图。

这可以通过在 cartogram_cont() 函数上使用 itermax 参数来实现。我们可以计算几个中间地图扭曲并将每个都视为一个帧。

最后，我们得到了一个大数据框，其中包含足够绘制 30 个地图的信息。下面展示了其中三个地图。

Show/Hide Code 
# 创建状态的循环
afr$id <- seq(1, nrow(afr))  # 为每个国家分配唯一ID
afr$.frame <- 0              # 初始帧设为0

# 将循环结果存储在此对象上
dt1 <- afr            # 存储初始状态
afr_cartogram <- afr  # 复制用于循环处理

# 循环创建15个渐进的地图扭曲帧
for (i in 1:15) {
  # 每次迭代进行一步地图扭曲
  afr_cartogram <- cartogram_cont(afr_cartogram, "POP2005", itermax = 1)
  afr_cartogram$.frame <- i  # 为当前帧分配编号
  
  # 将当前帧添加到数据集中
  dt1 <- rbind(dt1, afr_cartogram)
}

# 现在按相反顺序排列以回到初始状态（创建循环动画效果）
dt2 <- dt1 |>
  arrange(desc(.frame), id) |>           # 按帧号降序排列
  mutate(.frame = -1 * .frame + 31)      # 重新编号帧以创建反向序列

# 合并正向和反向帧，并按帧号和ID排序
dt <- bind_rows(dt1, dt2) |> arrange(.frame, id)
Show/Hide Code 
# 检查几个帧
# 帧0：初始状态（原始地图）
ggplot() +
  geom_sf(data = dt |> filter(.frame == 0), aes(fill = POP2005), linewidth = 0)


# 帧5：中间扭曲状态
ggplot() +
  geom_sf(
    data = dt |> filter(.frame == 5), aes(fill = POP2005),
    linewidth = 0
  )

# 帧15：最大扭曲状态
ggplot() +
  geom_sf(
    data = dt |> filter(.frame == 15), aes(fill = POP2005),
    linewidth = 0
  )

初始状态

中间扭曲状态

最大扭曲状态

检查动画的几个关键帧

35.6 使用 gganimate 制作动画

最后一步包括构建 30 个地图并将它们编译成 .gif 文件。这是使用 gganimate 库完成的。该库使用另一个函数 transition_states() 和 ease_aes()。为每个帧制作新图，这使我们能够随后构建 gif。

Show/Hide Code 
# 由于gganimate的一个错误，移除CRS（坐标参考系统）
dt <- st_set_crs(dt, NA)

# 创建动画图表对象
p <- ggplot(dt) +
  # 添加空间几何图形，设置分组以确保动画正确跟踪每个国家
  geom_sf(aes(fill = POP2005 / 1000000, group = id), linewidth = 0, alpha = 0.9) +
  theme_void() +
  # 设置颜色填充方案
  scale_fill_viridis_c(
    name = "Population (M)",
    breaks = c(1, 50, 100, 140),
    guide = guide_legend(
      keyheight = unit(3, units = "mm"),
      keywidth = unit(12, units = "mm"),
      label.position = "bottom",
      title.position = "top", nrow = 1
    )
  ) +
  # 添加标题
  labs(title = "Africa", subtitle = "Population per country in 2005") +
  # 设置主题样式
  theme(
    text = element_text(color = "#22211d"),
    plot.background = element_rect(fill = "#f5f5f4", color = NA),
    panel.background = element_rect(fill = "#f5f5f4", color = NA),
    legend.background = element_rect(fill = "#f5f5f4", color = NA),
    plot.title = element_text(
      size = 22, hjust = 0.5, color = "#4e4d47",
      margin = margin(
        b = -0.1, t = 0.4, l = 2,
        unit = "cm"
      )
    ),
    plot.subtitle = element_text(
      size = 13, hjust = 0.5, color = "#4e4d47",
      margin = margin(
        b = -0.1, t = 0.4, l = 2,
        unit = "cm"
      )
    ),
    legend.position = c(0.2, 0.26)
  ) +
  # 来自gganimate的函数
  transition_states(.frame) +      # 基于.frame列创建状态转换
  ease_aes("cubic-in-out")        # 设置缓动效果，使动画更平滑

# 制作动画（持续5秒）
animate(p, duration = 5)

创建最终的动画GIF文件

35.7 Pearl

dorling-cartogram