优雅的操纵json数据地图素材——打破地理信息可视化的孤岛

Posted EasyCharts

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了优雅的操纵json数据地图素材——打破地理信息可视化的孤岛相关的知识,希望对你有一定的参考价值。

这篇教程憋了很久,其实算是3个月前leaflet在线地图系列的进阶篇,但是因为当时对于leaflet地图的数据源结构理解有限,技能勉强操控shp数据源,对于json数据源所知甚少,一直拖了这么久才更新。


随着近期在json数据结构的理解不断加深,对于list结构和向量化运算的掌握也多有提高,这才能熟练的在leaflet系统中操控json数据。


本篇主要分为两大部分:


  • 如何自如的操纵json数据来打造leaflet所能识别的数据源和style属性;

  • 如何操控leaflet控制台版面中的地图图层和数据图层。


想要很好的理解本文,你需先对leaflet系统基础语法有所掌握(其实可视化的图层语法都大同小异,leaflet属于javascript语言打造的在线地图库,同D3、plotly、Rcharts以及Highcharts等接口的语法差别不大)。


但如果你在看本文之前已经看过我的前期四篇leaflet入门篇:


动态地理信息可视化——leaflet在线地图简介

http://mp.weixin.qq.com/s/7I8dVS19fHe2zH0F9mvqgg

动态地理信息可视化——散点地图系列

http://mp.weixin.qq.com/s/-VJe0P_GUG6tS9-xy_FBNQ

动态地理信息可视化——leaflet构造路径图

http://mp.weixin.qq.com/s/6MG3sggP3hCWuTYwQ6rL5A

动态地理信息可视化——leaflet填充地图

http://mp.weixin.qq.com/s/Zgs1zrP02nOagJGWhD9yHg


那么本文理解起来就容易多了,仅仅是温故知新罢了!


当然如果你学有余力的话,你也可以顺便把百度的Echarts系统地图接口也学习一下:


R语言可视化——REmap动态地图

http://mp.weixin.qq.com/s/NdJtsyo24sakEs_5S-FTvQ

R语言可视化——REmap(路径图)

https://mp.weixin.qq.com/s/C5vPHNjLpauCHhAD3xpPtg

R语言可视化——REmapC(填充地图)

http://mp.weixin.qq.com/s/RQIWWCHUpXNrT6LLUr0oTQ

R语言可视化——REmapH(中心热度图)

http://mp.weixin.qq.com/s/HjlQTOHwpIChde60xxh7Mw


如果你能熟练掌握以上两套在线地图语法,那么制作此类可视化项目至少在技术角度上来说已经没有任何门槛。


以下是本文的主要内容:


json地图数据结构和变量操控:


library(jsonlite)

library(leaflet)

library(dplyr)

library(geojsonio)

library(rgdal)

library(sf)

library(ggplot2)

library(maptools)

library(plyr)

library(htmltools)


options(stringsAsFactors=FALSE,warn=FALSE) 

#这样的全局预设可以为你省却很多麻烦,强烈建议

setwd("D:/R/mapdatanew/")

###1


url<-"https://raw.githubusercontent.com/ljtyduyu/DataWarehouse/master/Mapdata/City/110100.json"

###最近把自己所有的关于地图可视化的数据传到了个人Github上,这样无论是大家以后调用数据还是自己平时练习都方便多了!


以下数据导入json原生数据格式的三种方式:(2,3两种是没啥区别的,但是simplifyVector=FALSE参数设定与否则至关重要,他决定着输入的json数据是经过平整的向量化数据还是原生的list数据,这里的leaflet需要原生格式的json数据)


geojson1<-fromJSON(url)  #在同一层级对象长度一致,便会被自动视作数据框。

geojson2<-fromJSON(url,simplifyVector=FALSE)  #不强转化为数据框。

geojson3<-readLines(url,warn=FALSE,encoding="UTF-8")%>%paste(collapse="\n")%>%fromJSON(simplifyVector=FALSE)


设置随机中非常必要,否则容易导致每次的效果都不一样:

set.seed(1234)


#向list对象中添加数据(随机数据)

geojson3$features<-lapply(geojson3$features,function(feat){

feat$properties$scale<-runif(1,0,10)

feat

})


#从list对象中读取数据(主要读取我们可做更改与扩展的行政区划列表信息)

mydata<-ldply(geojson3$features,function(feat){ 

name<-feat$properties$name

id<- feat$properties$id

scale<-as.numeric(feat$properties$scale)

mydata<-data.frame(name,id,scale)

})



# Default styles for all features  

#it has  higher precedence  compare with  the style in a function of GeoJSON

geojson3$style=list(weight=1,color="#555555",opacity=1,fillOpacity=0.8)


# Color by scale using quantiles

pal<-colorQuantile("Greens",mydata$scale)

# Add a properties$style list to each feature

geojson3$features <- lapply(geojson3$features, function(feat) {

  feat$properties$style<-list(

       fillColor=pal(feat$properties$scale)

       )

  feat

})


关于属性设置的三个优先级:


按照由高到低的顺序排列为:


  •  feature-specific styles #(也就是设置在 simple featrue的style)

  •  the top-level style object #(设置在features中的style)

  • style-related arguments passed to the function #(设置在GeoJSON内的各种参数)


#这是通过增加地图图层来进行图层控制的简单案例:

leaflet()%>%

addTiles(group ="OSM (default)")%>%

setView(lng=116.435889,lat=39.932642,zoom=8)%>%

addGeoJSON(geojson3,group="GeoJSON")%>%

addProviderTiles(providers$CartoDB.Positron,group="CartoDB")%>%

addProviderTiles(providers$Stamen.TonerLines,options=providerTileOptions(opacity=0.35),group="TonerLines")%>%

addProviderTiles(providers$Stamen.TonerLabels,group="TonerLabels")%>%

addLayersControl(

   baseGroups = c("OSM (default)", "CartoDB", "TonerLines","TonerLabels"),

   overlayGroups = c("GeoJSON"),

   options=layersControlOptions(collapsed = FALSE)

  )


优雅的操纵json数据地图素材——打破地理信息可视化的孤岛

优雅的操纵json数据地图素材——打破地理信息可视化的孤岛

优雅的操纵json数据地图素材——打破地理信息可视化的孤岛


以下这段代码是之前leaflet系列教程的线图篇里面的案例,这里刚好应用一下:


data<-read.table("D:/R/File/subwayline.txt",header=TRUE,stringsAsFactors = FALSE)

data$size<-runif(47,10,25)


data$Type<-as.factor(data$Type)

data1<-filter(data,Type=="NO1")

data2<-filter(data,Type=="NO5")

pal <- colorFactor(topo.colors(2),data$Type)

leaflet()%>%

addTiles()%>%

addPolylines(data=data1,~lon,~lat,color="blue")%>%

addPolylines(data=data2,~lon,~lat,color="green")%>%

addCircleMarkers(data=data,~lon, ~lat,popup = ~address,radius=~size,group=~Type)


优雅的操纵json数据地图素材——打破地理信息可视化的孤岛



这是一个高度综合的案例,包含底图图层的多分类控制;数据图层的多分类控制以及点线面三种数据图层的综合运用。


leaflet()%>%

addTiles(group ="OSM (default)")%>%

setView(lng=116.435889,lat=39.932642,zoom=8)%>%

addGeoJSON(geojson3,group="GeoJSON")%>%

addProviderTiles(providers$CartoDB.Positron,group="CartoDB")%>%

addProviderTiles(providers$Stamen.TonerLines,options=providerTileOptions(opacity=0.35),group="TonerLines")%>%

addProviderTiles(providers$Stamen.TonerLabels,group="TonerLabels")%>%

addPolylines(data=data1,~lon,~lat,color="red",group="line1")%>%

addPolylines(data=data2,~lon,~lat,color="orange",group="line2")%>%

addCircleMarkers(data=data,~lon, ~lat,popup = ~address,radius=~size,group="address",color = "#1843F9")%>%

addLayersControl(

   baseGroups = c("OSM (default)", "CartoDB", "TonerLines","TonerLabels"),

   overlayGroups = c("GeoJSON","line1","line2","address"),

   options=layersControlOptions(collapsed = FALSE)

  )



动态视频效果来一波!






以上是关于优雅的操纵json数据地图素材——打破地理信息可视化的孤岛的主要内容,如果未能解决你的问题,请参考以下文章

python folium 库学习

数据可视化神器-精彩的地图可视化展示

Vue ECharts世界地图数据可视化

python根据json数据画疫情分布地图

基于json数据对全国疫情数据可视化

了解GIS地图和可视化如何改变我们对地理信息的理解