數模技巧不用for循環且使用ggplot2如何實現地圖上連線

小編給大家分享一下數模技巧不用for循環且使用ggplot2如何實現地圖上連線，希望大家閱讀完這篇文章之后都有所收獲，下面讓我們一起去探討吧！

1. 前文回顧

首先可以回顧一下，在沒有梯子的前提下，我們是如何利用ggplot2繪制一個較為好看的中國地圖：利用R繪制漂亮的中國地圖（無需通過google獲取）。

下面我們基于前面繪制的中國地圖，根據計算（最小生成樹算法，之后有時間在說說這個，不過目前網上說的很詳細了，而且也有很多代碼）得到的相應連線貼到我們的圖上。

背景圖像

2. 利用ggplot2連接多個點

我們需要選定其中幾個點，并將其進行連線。下面是我們最終想要達到的效果（之前的圖使用Mac畫的，下面這個是Windows，可能質感有些不一樣，望大家理解）：

為了達到這樣的效果，我們主要是需要將數據集整理成可以能夠舒適繪制的方式。利用ggplot2繪圖，整理數據集要占80%以上的工作。

1) 現有數據

我們的最終目的是連33條線，所以先將需要連的線均一組一組地羅列而出（每個city都對應著一組經緯度，相應地是地圖上的一個點）。

（前面的最終效果圖是前11組城市連線）

下面的數據我們命名為：city_pair

  city1     city2
1  北京&天津      上海
2       上海 廣州&深圳
3  廣州&深圳      重慶
4       重慶      成都
5       重慶      西安
6  北京&天津    哈爾濱
7  北京&天津      武漢
8       武漢      鄭州
9       重慶      昆明
10 北京&天津  烏魯木齊
11 北京&天津      拉薩
12      鄭州      西安
13      武漢      重慶
14 北京&天津      鄭州
15 北京&天津      西安
16      鄭州      重慶
17 北京&天津      重慶
18      武漢 廣州&深圳
19      上海      武漢
20      上海      鄭州
21 北京&天津 廣州&深圳
22      上海      重慶
23      昆明 廣州&深圳
24      武漢      成都
25      鄭州      成都
26      西安      成都
27 北京&天津      成都
28      成都      昆明
29      西安      武漢
30      成都 廣州&深圳
31      上海      成都
32    哈爾濱      重慶
33    哈爾濱 廣州&深圳

所以我們還需要對應城市經緯度及人口信息，這里的對象為mat.cities，它長這樣：（這部分的數據生成也在我們前面的博客中有提及）

   names      lat      long population
1  北京&天津 39.90420 116.40740    32.5506
2       上海 31.23039 121.47370    23.0191
3       鄭州 34.74725 113.62493     8.6265
4   烏魯木齊 43.82660  87.61684     3.1103
5     哈爾濱 45.80218 126.53582    10.6360
6       西安 34.34126 108.93982     8.4678
7       武漢 30.59276 114.30524     9.7854
8       成都 30.57022 104.06477    14.0476
9       拉薩 29.64411  91.11445     0.5594
10      重慶 29.56470 106.55071    28.8462
11      昆明 24.87966 102.83321     6.4320
12 廣州&深圳 23.02067 113.75178    23.0587

有了這樣兩份原始數據，我們就可以開始進行繪圖了。

首先是需要將數據整理成能夠進行繪圖的，為了方便操作，我們直接對原本的33組城市對進行操作。下面是數據預處理的過程。（由于當時數模時間有限，而數據量也不是很大，所以下面采用了大量的for循環，希望大家在用R時還是盡可能多用向量化操作，少用for循環）

2) 數據預處理

預處理代碼如下：

dat_plot = matrix(nrow = 66, ncol = 4)
k = 0
for (i in 1:33) {
  for (j in 1:2) {
    k = k + 1
    my.row = mat.cities[city_pair[i, j] == mat.cities$names, ]
    dat_plot[k, 1] = unlist(my.row[1])
    dat_plot[k, 2] = unlist(my.row[2])
    dat_plot[k, 3] = unlist(my.row[3])
    dat_plot[k, 4] = i
  }
}
colnames(dat_plot) = c('地區', 'lat', 'long', 'group')
dat_plot = as.data.frame(dat_plot)
dat_plot$lat = as.numeric(as.character(dat_plot$lat))   
dat_plot$long = as.numeric(as.character(dat_plot$long))

這里我們的主要思路是：將配對的一組城市變為拆分成兩組，然后再在最后添加一個group變量，主要是用于連線（兩個城市如果在一個相同的group中，使用ggplot繪圖中的參數group即可將兩個點連接起來）。

在生成完想要的數據集后，記得將經緯度調整為數值型，group直接為factor即可。

最后我們得到的數據dat_plot長下面這樣：

地區      lat      long group
1  北京&天津 39.90420 116.40740     1
2       上海 31.23039 121.47370     1
3       上海 31.23039 121.47370     2
4  廣州&深圳 23.02067 113.75178     2
5  廣州&深圳 23.02067 113.75178     3
6       重慶 29.56470 106.55071     3
7       重慶 29.56470 106.55071     4
8       成都 30.57022 104.06477     4
9       重慶 29.56470 106.55071     5
10      西安 34.34126 108.93982     5
11 北京&天津 39.90420 116.40740     6
12    哈爾濱 45.80218 126.53582     6
13 北京&天津 39.90420 116.40740     7
14      武漢 30.59276 114.30524     7
15      武漢 30.59276 114.30524     8
16      鄭州 34.74725 113.62493     8
17      重慶 29.56470 106.55071     9
18      昆明 24.87966 102.83321     9
19 北京&天津 39.90420 116.40740    10
20  烏魯木齊 43.82660  87.61684    10
21 北京&天津 39.90420 116.40740    11
22      拉薩 29.64411  91.11445    11
23      鄭州 34.74725 113.62493    12
24      西安 34.34126 108.93982    12
25      武漢 30.59276 114.30524    13
26      重慶 29.56470 106.55071    13
27 北京&天津 39.90420 116.40740    14
28      鄭州 34.74725 113.62493    14
29 北京&天津 39.90420 116.40740    15
30      西安 34.34126 108.93982    15
31      鄭州 34.74725 113.62493    16
32      重慶 29.56470 106.55071    16
33 北京&天津 39.90420 116.40740    17
34      重慶 29.56470 106.55071    17
35      武漢 30.59276 114.30524    18
36 廣州&深圳 23.02067 113.75178    18
37      上海 31.23039 121.47370    19
38      武漢 30.59276 114.30524    19
39      上海 31.23039 121.47370    20
40      鄭州 34.74725 113.62493    20
41 北京&天津 39.90420 116.40740    21
42 廣州&深圳 23.02067 113.75178    21
43      上海 31.23039 121.47370    22
44      重慶 29.56470 106.55071    22
45      昆明 24.87966 102.83321    23
46 廣州&深圳 23.02067 113.75178    23
47      武漢 30.59276 114.30524    24
48      成都 30.57022 104.06477    24
49      鄭州 34.74725 113.62493    25
50      成都 30.57022 104.06477    25
51      西安 34.34126 108.93982    26
52      成都 30.57022 104.06477    26
53 北京&天津 39.90420 116.40740    27
54      成都 30.57022 104.06477    27
55      成都 30.57022 104.06477    28
56      昆明 24.87966 102.83321    28
57      西安 34.34126 108.93982    29
58      武漢 30.59276 114.30524    29
59      成都 30.57022 104.06477    30
60 廣州&深圳 23.02067 113.75178    30
61      上海 31.23039 121.47370    31
62      成都 30.57022 104.06477    31
63    哈爾濱 45.80218 126.53582    32
64      重慶 29.56470 106.55071    32
65    哈爾濱 45.80218 126.53582    33
66 廣州&深圳 23.02067 113.75178    33

3) 繪圖

下面我們的核心繪圖代碼如下，想要連接不同的線，我們只是變了數據中選取的行，如：dat_plot[1:22, ]。

## 11線
ggplot() + 
  geom_path(data = china, aes(long, lat, group = group), color = '#FD9FA4', show.legend = F) +
  geom_point(data = mat.cities, aes(x = long, y = lat, size = population), alpha = 0.8, color = '#8BB6D6') +
  geom_line(data = dat_plot[1:22, ], aes(long, lat, group = group), size = 1, alpha = 0.8, color = '#8BB6D6') +
  geom_text_repel(data = mat.cities, aes(x = long, y = lat, label = names), family = "STHeiti") +
  labs(x = '經度', y = '緯度', title = '十一條連線', size = '人口(百萬)') + 
  theme_bw() +
  theme(panel.border = element_blank(),
        text = element_text(family = "STHeiti"),
        plot.title = element_text(hjust = 0.5))

## 16線
ggplot() + 
  geom_path(data = china, aes(long, lat, group = group), color = '#FD9FA4', show.legend = F) +
  geom_point(data = mat.cities, aes(x = long, y = lat, size = population), alpha = 0.8, color = '#8BB6D6') +
  geom_line(data = dat_plot[1:32, ], aes(long, lat, group = group), size = 1, alpha = 0.8, color = '#8BB6D6') +
  geom_text_repel(data = mat.cities, aes(x = long, y = lat, label = names), family = "STHeiti") +
  labs(x = '經度', y = '緯度', title = '十六條連線', size = '人口(百萬)') + 
  theme_bw() +
  theme(panel.border = element_blank(),
        text = element_text(family = "STHeiti"),
        plot.title = element_text(hjust = 0.5))

## 33線
ggplot() + 
  geom_path(data = china, aes(long, lat, group = group), color = '#FD9FA4', show.legend = F) +
  geom_point(data = mat.cities, aes(x = long, y = lat, size = population), alpha = 0.8, color = '#8BB6D6') +
  geom_line(data = dat_plot[1:66, ], aes(long, lat, group = group), size = 1, alpha = 0.8, color = '#8BB6D6') +
  geom_text_repel(data = mat.cities, aes(x = long, y = lat, label = names), family = "STHeiti") +
  labs(x = '經度', y = '緯度', title = '三十三條連線', size = '人口(百萬)') + 
  theme_bw() +
  theme(panel.border = element_blank(),
        text = element_text(family = "STHeiti"),
        plot.title = element_text(hjust = 0.5))

繪圖過程沒有什么好說的了，里面使用的函數與方法都在前面的博客中提及過：

R語言學習ggplot2繪制統計圖形包全面詳解

唯一添加的連線所使用的函數：geom_line，里面只需注意多了一個參數group，記得添加即可。

4) 結果展示

最后的16條連線與33條連線的效果圖分別如下所示：

16條連線：

33條連線：

看完了這篇文章，相信你對“數模技巧不用for循環且使用ggplot2如何實現地圖上連線”有了一定的了解，如果想了解更多相關知識，歡迎關注億速云行業資訊頻道，感謝各位的閱讀！