【注】新版本的maptools包对很多函数进行了修改，对于修改的内容，文章中用粗体文字进行了说明。

鉴于最近有不少人在讨论用 R 软件绘制地图的问题，我也就跟着凑了凑热闹，对相应的方法学习了一番。下面的这篇文章是一个初步的介绍，还有很多内容仍在学习和探索中，如果大家有什么意见或建议，我将根据自己学习的情况对文章进行进一步的补充。

在 R 中绘制地图其实是十分方便的，最直接的办法大概就是安装maps和mapdata这两个包，然后输入下面的命令：

library(maps)
library(mapdata)
map("china")

其中map()函数还可以加上很多参数，在这里就不一一详述，具体的用法只需问号之。然而仔细看一看这张地图你会发现重庆市和四川省仍然是浑然一体，可见该地图的数据应该是有些年头了。

幸运的是，通过谢益辉的这篇博文我们已经可以大体知道该如何操作了，下面就为大家介绍一下具体的步骤。

首先，从这里下载中国地图的 GIS 数据，这是一个压缩包，完全解压后包含三个文件（bou2_4p.dbf、bou2_4p.shp 和 bou2_4p.shx），将这三个文件解压到同一个目录下，并在 R 中设好相应的工作空间，然后安装maptools包，运行如下程序：

library(maptools);
x=read.shape('bou2_4p.shp');#下文中会继续用到x这个变量，
                            #如果你用的是其它的名称，
                            #请在下文的程序中也进行相应的改动。
plot(x);

【修改】新版本的 maptools 包不再提供 read.shape() 函数，请用 readShapePoly() 代替。

这时一张完整的中国地图就已经画好了。但是在实际使用的过程中，我们往往会根据自己的需要对地图中的某些省份着以特定的颜色，这时就可以通过调节plot命令中的fg参数来予以实现。然而为了清楚地说明这部分的内容，我需要插播一段 R 绘制地图的原理。

====================== 传说中的分割线 =====================

在绘制地图时，每一个省市自治区或者岛屿都是用一个多边形来表示的。之前的 GIS 数据，其实就是提供了每一个行政区其多边形逐点的坐标，然后 R 软件通过顺次连接这些坐标，就绘制出了一个多边形区域。在上面的数据中，一共包含了 925 个多边形的信息，之所以有这么多是因为一些省份有很多小的附属岛屿。在这 925 个多边形中，每一个都对应一个唯一的 ID，编号分别从 1 到 925。

====================== 传说中的分割线 =====================

回到刚才的话题，plot命令中的fg参数在本例中应该是一个长度为 925 的向量，其第 i 个分量的取值就代表了地图中第 i 个多边形的颜色。一个简单的尝试是运行下面这个命令看看效果：

plot(x,fg=gray(924:0/924));

【修改】新版本的maptools包的绘图参数也有所改变，请将fg换成col。

于是自然就产生了一个问题：如何获取某一个特定地区的 ID，进而设置我们想要的颜色？事实上，在变量 x 中，就已经存储了我们想要的信息。在 R 中输入 “x[[2]]” 或 “x$att.data”，会得到一个 925 行 7 列的数据框，这其实是 bou24p.dbf 这个文件中存储的信息，之前的read.shape()函数虽然读取的是 bou24p.shp 文件，但在默认情况下会把 dbf 文件的信息也放到变量之中。对于这个数据框，其行名就是每一个区域的 ID 编号，第一列和第二列分别是面积和周长，最后一列是该区域所属的行政区名，其它的列应该也是一些编号性质的变量。于是，通过查找相应的行政区对应的行名，就可以对fg参数进行赋值了。下面是我编的一个函数，用来生成所需的fg向量：

getColor = function(mapdata, provname, provcol, othercol){
	f = function(x, y) ifelse(x %in% y, which(y == x), 0);
	colIndex = sapply(mapdata$att.data$NAME, f, provname);
	fg = c(othercol, provcol)[colIndex + 1];
	return(fg);
}

【修改】地图数据的组织形式有所变化，上面函数中的mapdata$att.data$NAME需要替换为mapdata@data$NAME。

其中mapdata是存放地图数据的变量，在上面的例子中就是 x，provname是需要改变颜色的地区的名称，provcol是对应于provname的代表颜色的向量（名称和数字均可），othercol是其它地区的颜色。举例如下：

provname = c("北京市", "天津市", "上海市", "重庆市");
provcol = c("red", "green", "yellow", "purple");
plot(x, fg = getColor(x, provname, provcol, "white"));

注意provname一定要写地区的全称，写法可以参照下面这条命令生成的向量：

as.character(na.omit(unique(x$att.data$NAME)));

由此生成的向量有 33 个元素，少了澳门特别行政区，这是这个数据中的一块瑕疵。在x$att.data的第 899 行有一个NA，不知道它代表的是否就是澳门。

利用类似的方法就可以根据自己的需要对不同的区域进行着色，下面再举一例。从国家统计局获取 2007 年我国各地区的人口数据，然后根据人口的多少对各省份进行着色。程序如下：

provname = c("北京市", "天津市", "河北省", "山西省", "内蒙古自治区",
		"辽宁省", "吉林省", "黑龙江省", "上海市", "江苏省",
		"浙江省", "安徽省", "福建省", "江西省", "山东省",
		"河南省", "湖北省", "湖南省", "广东省",
		"广西壮族自治区", "海南省", "重庆市", "四川省", "贵州省",
		"云南省", "西藏自治区", "陕西省", "甘肃省", "青海省",
		"宁夏回族自治区", "新疆维吾尔自治区", "台湾省",
		"香港特别行政区");
pop = c(1633, 1115, 6943, 3393, 2405, 4298, 2730, 3824, 1858, 7625,
		5060, 6118, 3581, 4368, 9367, 9360, 5699, 6355, 9449,
		4768, 845, 2816, 8127, 3762, 4514, 284, 3748, 2617,
		552, 610, 2095, 2296, 693);
provcol = rgb(red = 1 - pop/max(pop)/2, green = 1-pop/max(pop)/2, blue = 0);
plot(x, fg = getColor(x, provname, provcol, "white"), xlab = "", ylab = "");

其中颜色越深的地方代表人口数越多，反之为人口数越少。

此外，在绘制地图的过程中，还有一个比较有用的参数是recs，它是一个由多边形 ID 组成的向量，表示在地图中只画出这些 ID 所代表的区域。利用这个参数，就可以画出某一部分的地图，例如下面的例子是我国中部六省的地图：

getID = function(mapdata, provname){
	index = mapdata$att.data$NAME %in% provname;
	ids = rownames(mapdata$att.data[index, ]);
	return(as.numeric(ids));
}
midchina = c("河南省", "山西省", "湖北省", "安徽省", "湖南省", "江西省");
plot(x, recs = getID(x, midchina), fg = "green", ol = "white", xlab = "",
		ylab = "");

上面的getID()是我编写的一个功能与getColor()类似的函数，用来返回指定省份的 ID。

【修改】新版本的maptools包的绘图函数已经取消了recs这个参数，现在要实现这个功能，可以在颜色上把不需要的省份变成白色，其中填充色用col参数，边界颜色用border参数。例如上面的例子可以用下面的函数来实现：

plot(x, col = getColor(x, midchina, rep("green", 6),
    "white"), border = "white", xlab = "", ylab = "")

最后要说的是，在画出的图上仍然可以用points()函数和text()函数加上点和文字，而maptools包中还提供了一个pointLabel()函数，用来解决文本标签的重叠问题。这部分内容请参阅博文：用 R 画中国地图并标注城市位置，以及避免文本标签重叠：maptools 中的 pointLabel()。

从以上的内容来看，本文所述的都是一些最基本的绘图方法，还没有对地理信息数据进行更进一步的分析。如果有机会的话，这一主题的下一篇文章将为大家介绍地图数据的组成结构，并说明如何将不同格式的地理数据整合起来，例如如何在上面的地图上绘制出我国的铁路、水系分布等内容。

普渡大学统计系博士，现为卡耐基梅隆大学博士后，感兴趣的方向包括计算统计学、机器学习、大型数据处理等，参与翻译了《应用预测建模》《R 语言编程艺术》《ggplot2：数据分析与图形艺术》等经典书籍，是 showtext、RSpectra、recosystem、prettydoc 等流行 R 软件包的作者。

敬告各位友媒，如需转载，请与统计之都小编联系（直接留言或发至邮箱：[email protected]），获准转载的请在显著位置注明作者和出处（转载自：统计之都），并在文章结尾处附上统计之都微信二维码。

← R 中面向对象编程方法 WinBUGS 在统计分析中的应用（第四部分） →

发表 / 查看评论