R语言可视化——REmapH(中心热度图)

发表于 | 分类于 | | 阅读次数
| 字数统计 1,759 字 | 阅读时长 8 分钟

今天是REmap系列的最后一篇——REmapH函数。

这个函数的特色是可以做中心辐射的热力图，这种热力图在气象、人口密度、海拔测绘领域有诸多运用，当然也可以上当用在商务场合——特别是跟地理信息有关的数据呈现方面。

加载包：

1
2
library("baidumap")
library("REmap")

语法简介：

1
2
3
4
5
6
7
8
9
?remapH
remapH(data,
      maptype = 'china',
      theme = get_theme("Dark"),
      blurSize = 30,
      color = c('blue', 'cyan', 'lime', 'yellow', 'red'),
      minAlpha = 0.05,
      opacity = 1,
      ...)
  • data为要传入的数据，数据为三列，第一列为lon(经度)，第二列为lat(维度)，第三列为prob(密度/概率)；
  • maptype为要绘制的地图类型，可选有：”china”，”world”或中国各省份名字；
  • theme为绘制的地图主题类型，可由get_theme函数传入；
  • blurSize为热力效果的泛化范围，可调整热力点中心的扩散程度；
  • color为热力的渐变颜色；
  • minAlpha为热力点的展示阈值，对应data中的prob列，作图时各点密度会对比minAlpha，以凸显不同密度所展示的不同热力分布；
  • opacity为透明度，调整热力图的透明度。
1
2
3
4
5
6
7
8
9
10
get_theme(theme = "Dark", 
          lineColor = "Random",
          backgroundColor = "#1b1b1b", 
          titleColor = "#fff",
          borderColor = "rgba(100,149,237,1)", 
          regionColor = "#1b1b1b",
          labelShow = T, 
          pointShow = F, 
          pointColor = "gold"
          )

theme为主题，设置该参数后无需设置get_theme里其他参数，可选有”Dark”、”Sky”、”blue”和”none”四种

  • lineColoe为线条颜色，对应为map图里面迁徙线条的颜色
  • backgroundColor为图片的背景色，支持16进制颜色输入，也支持rgb()函数和rgba()
  • titleColor为标题的颜色，设置同上
  • borderColor为地图中各省、市边界颜色
  • regionColor为地图中各区域颜色，各省份和市
  • labelShow为是否展示各省、市名字，设置为True时展示
  • pointShow为是否展示各省会城市所在点，设置为True时展示
  • pointColor设置上述点的颜色

接下来首先通过两个案例进行讲解：

案例1：

1
options(remap.js.web=T)

这里有一个包含经纬度信息及对应密度的数据集，通过该数据集我们可以看到看到REmapH函数制作热力图的大致效果：

1
data<- read.csv(file="D:\\R\\map\\MoveChart\\cityvaluetop10.csv",header=T)

数据结构如下：

1
2
3
4
5
6
7
8
9
10
11
12
13
head(data)
       lon      lat prob
1 114.3948 23.40800 0.85
2 115.3948 24.40800 0.85
3 114.3948 23.40800 0.85
4 113.3948 23.40800 0.85
5 114.7307 27.69586 0.80
6 110.5066 28.69586 0.80
'data.frame':	48 obs. of  3 variables:
 $ lon : num  114 115 114 113 115 ...
 $ lat : num  23.4 24.4 23.4 23.4 27.7 ...
 $ prob: num  0.85 0.85 0.85 0.85 0.8 0.8 0.8 0.8 0.75 0.75 ...

1
2
3
4
5
6
7
8
9
map_out<-remapH(data,
       maptype = 'china',
       theme =get_theme(theme = "Dark"),
       blurSize = 70,
       color = "red",
       minAlpha = 10,
       opacity = 1,
       )
plot(map_out)

接下来制作辽宁省省域热力图数据集：

案例2：

首先使用mapNames函数获取辽宁省市级行政单位：

1
2
3
4
city_ln<-mapNames("liaoning") 
[1] "大连市"   "朝阳市"   "丹东市"   "铁岭市"   "沈阳市"   "抚顺市"   "葫芦岛市" "阜新市"   "锦州市"  
[10] "鞍山市"   "本溪市"   "营口市"   "辽阳市"   "盘锦市"

获取各市级行政单位经纬度信息：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
city_list<-get_geo_position(city_ln)
> city_list
        lon      lat     city
1  121.6214 38.91934   大连市
2  120.4573 41.57949   朝阳市
3  124.3626 40.00569   丹东市
4  123.8488 42.29257   铁岭市
5  123.4390 41.81134   沈阳市
6  123.9636 41.88608   抚顺市
7  120.8434 40.71736 葫芦岛市
8  121.6765 42.02798   阜新市
9  121.1336 41.10087   锦州市
10 123.0010 41.11412   鞍山市
11 123.7735 41.29985   本溪市
12 122.2415 40.67256   营口市
13 123.2437 41.27445   辽阳市
14 122.0773 41.12594   盘锦市

生成一列密度数据：

1
2
point<-round(runif(14,min=0.3,max=0.95),2)
 [1] 0.89 0.82 0.91 0.87 0.90 0.90 0.85 0.89 0.87 0.94 0.90 0.85 0.88 0.88

合成数据框格式的热力图作图数据：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
newdata<-data.frame(city_list[,1:2],point)
        lon      lat point
1  121.6214 38.91934  0.89
2  120.4573 41.57949  0.82
3  124.3626 40.00569  0.91
4  123.8488 42.29257  0.87
5  123.4390 41.81134  0.90
6  123.9636 41.88608  0.90
7  120.8434 40.71736  0.85
8  121.6765 42.02798  0.89
9  121.1336 41.10087  0.87
10 123.0010 41.11412  0.94
11 123.7735 41.29985  0.90
12 122.2415 40.67256  0.85
13 123.2437 41.27445  0.88
14 122.0773 41.12594  0.88

作图函数：

1
2
3
4
5
6
7
8
9
map_out1<-remapH(newdata,
       maptype = "辽宁",
       theme =get_theme(theme = "Dark"),
       blurSize = 70,
       color = "red",
       minAlpha = 10,
       opacity = 1,
       )
plot(map_out1)

因为以上数据集中使用的各市中心城市的密度数据，所以整体密度太过分散，看不出渐变效果，当然密度图的数据记录是不受数量限制的，在有较多数据点呈现密集分布的地方，可以看到非常明显的颜色热度渐变效果。

这里我通过添加一列分类数据，将以上密度图数据进行改造：

1
2
3
newdata$perA<-rep("A",14)
newdata$perB<-rep("B",14)
newdata$perC<-rep("C",14)

使用Reshape2包对数据进行一维转化：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
mydata <- melt(newdata, id.vars=c("lon","lat","point"))
        lon      lat point variable value
1  121.6214 38.91934  0.85     perA     A
2  120.4573 41.57949  0.81     perA     A
3  124.3626 40.00569  0.91     perA     A
4  123.8488 42.29257  0.90     perA     A
5  123.4390 41.81134  0.91     perA     A
6  123.9636 41.88608  0.93     perA     A
7  120.8434 40.71736  0.91     perA     A
8  121.6765 42.02798  0.87     perA     A
9  121.1336 41.10087  0.89     perA     A
10 123.0010 41.11412  0.82     perA     A
11 123.7735 41.29985  0.88     perA     A
12 122.2415 40.67256  0.95     perA     A
13 123.2437 41.27445  0.90     perA     A
14 122.0773 41.12594  0.84     perA     A
15 121.6214 38.91934  0.85     perB     B
16 120.4573 41.57949  0.81     perB     B
17 124.3626 40.00569  0.91     perB     B
18 123.8488 42.29257  0.90     perB     B
19 123.4390 41.81134  0.91     perB     B
20 123.9636 41.88608  0.93     perB     B
21 120.8434 40.71736  0.91     perB     B
22 121.6765 42.02798  0.87     perB     B
23 121.1336 41.10087  0.89     perB     B
24 123.0010 41.11412  0.82     perB     B
25 123.7735 41.29985  0.88     perB     B
26 122.2415 40.67256  0.95     perB     B
27 123.2437 41.27445  0.90     perB     B
28 122.0773 41.12594  0.84     perB     B
29 121.6214 38.91934  0.85     perC     C
30 120.4573 41.57949  0.81     perC     C
31 124.3626 40.00569  0.91     perC     C
32 123.8488 42.29257  0.90     perC     C
33 123.4390 41.81134  0.91     perC     C
34 123.9636 41.88608  0.93     perC     C
35 120.8434 40.71736  0.91     perC     C
36 121.6765 42.02798  0.87     perC     C
37 121.1336 41.10087  0.89     perC     C
38 123.0010 41.11412  0.82     perC     C
39 123.7735 41.29985  0.88     perC     C
40 122.2415 40.67256  0.95     perC     C
41 123.2437 41.27445  0.90     perC     C
42 122.0773 41.12594  0.84     perC     C

从新运行图表函数：

1
2
3
4
5
6
7
8
9
map_out2<-remapH(newdata[,1:3],
       maptype = "辽宁",
       theme =get_theme(theme = "Dark"),
       blurSize = 70,
       color = "red",
       minAlpha = 10,
       opacity = 1,
       )
plot(map_out2)

联系方式：
wechat：ljty1991
Mail:578708965@qq.com
个人公众号：数据小魔方（datamofang）

qq交流群：[魔方学院]298236508

个人简介：
杜雨
财经专业研究僧；
伪数据可视化达人；
文科背景的编程小白；
喜欢研究商务图表与地理信息数据可视化，爱倒腾PowerBI、SAP DashBoard、Tableau、R ggplot2、Think-cell chart等诸如此类的数据可视化软件，创建并运营微信公众号“数据小魔方”。
Mail:578708965@qq.com

备注信息：
知识共享许可协议
本作品采用知识共享署名-非商业性使用 4.0 国际许可协议进行许可。

坚持原创技术分享，您的支持将鼓励我继续创作!