欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

數(shù)模技巧不用for循環(huán)且使用ggplot2實現(xiàn)地圖上連線

 更新時間:2021年11月08日 16:01:35   作者:Kanny廣小隸  
這篇文章主要為大家介紹了一個數(shù)模技巧怎樣使用ggplot2不用for循環(huán)來實現(xiàn)地圖上連線,有需要的朋友可以借鑒參考下,希望能夠有所幫助

最近由于自己的時間關(guān)系,很久沒有發(fā)一些干貨了。這次想談?wù)勚拔覀冊谶M行數(shù)學(xué)建模時,如何將設(shè)計好的最優(yōu)路徑,利用ggplot2在地圖上進行繪制與展示。

最簡單的方法是使用plot繪圖,然后再使用lines函數(shù)一條一條地將線加上去,但是一條一條加上去的過程中,需要使用for循環(huán)不說,而且繪制出來的圖相對也沒那么美膩。

下面我們講一講使用ggplot2且不使用for循環(huán),如何快速便捷地完成這樣的操作。

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(jù)計算(最小生成樹算法,之后有時間在說說這個,不過目前網(wǎng)上說的很詳細了,而且也有很多代碼)得到的相應(yīng)連線貼到我們的圖上。

背景圖像

人口地圖2

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(zhì)感有些不一樣,望大家理解):

目標(biāo)連線圖

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

1) 現(xiàn)有數(shù)據(jù)

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(yīng)著一組經(jīng)緯度,相應(yīng)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(shù)據(jù)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(yīng)城市經(jīng)緯度及人口信息,這里的對象為mat.cities,它長這樣:(這部分的數(shù)據(jù)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(shù)據(jù),我們就可以開始進行繪圖了。

首先是需要將數(shù)據(jù)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(shù)據(jù)預(yù)處理的過程。(由于當(dāng)時數(shù)模時間有限,而數(shù)據(jù)量也不是很大,所以下面采用了大量的for循環(huán),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(huán))

2) 數(shù)據(jù)預(yù)處理

預(yù)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$names, ]
    dat_plot[k, 1] = unlist(my.row[1])
    dat_plot[k, 2] = unlist(my.row[2])
    dat_plot[k, 3] = unlist(my.row[3])
    dat_plot[k, 4] = i
  }
}
colnames(dat_plot) = c('地區(qū)', 'lat', 'long', 'group')
dat_plot = as.data.frame(dat_plot)
dat_plot$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?yōu)椴鸱殖蓛山M,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(shù)group即可將兩個點連接起來)。

在生成完想要的數(shù)據(jù)集后,記得將經(jīng)緯度調(diào)整為數(shù)值型,group直接為factor即可。

最后我們得到的數(shù)據(jù)dat_plot長下面這樣:

        地區(qū)      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(shù)據(jù)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(jīng)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(jīng)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(jīng)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(shù)與方法都在前面的博客中提及過:

R語言學(xué)習(xí)ggplot2繪制統(tǒng)計圖形包全面詳解

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

4) 結(jié)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:

16條連線

33條連線:

33條連線

以上就是數(shù)模技巧ggplot2不用for循環(huán)實現(xiàn)地圖上連線的詳細內(nèi)容,更多關(guān)于ggplot2在地圖上連線數(shù)模技巧的資料請關(guān)注腳本之家其它相關(guān)文章!

相關(guān)文章

  • 基于R/RStudio中安裝包“無法與服務(wù)器建立連接”的解決方案

    基于R/RStudio中安裝包“無法與服務(wù)器建立連接”的解決方案

    這篇文章主要介紹了基于R/RStudio中安裝包“無法與服務(wù)器建立連接”的解決方案,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2021-04-04
  • R語言給圖形填充顏色的操作(polygon函數(shù))

    R語言給圖形填充顏色的操作(polygon函數(shù))

    這篇文章主要介紹了R語言給圖形填充顏色的操作(polygon函數(shù)),具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2021-03-03
  • R語言基于Keras的MLP神經(jīng)網(wǎng)絡(luò)及環(huán)境搭建

    R語言基于Keras的MLP神經(jīng)網(wǎng)絡(luò)及環(huán)境搭建

    這篇文章主要介紹了R語言基于Keras的MLP神經(jīng)網(wǎng)絡(luò),我并沒有使用python去對比結(jié)果,但NSS的文章中有做對比,數(shù)據(jù)顯示R與Python相比在各方面的差別都不大,具體內(nèi)容介紹跟隨小編一起看看吧
    2022-01-01
  • R語言學(xué)習(xí)之線圖的繪制詳解

    R語言學(xué)習(xí)之線圖的繪制詳解

    線圖是反映趨勢變化的一種方式,其輸入數(shù)據(jù)一般也是一個矩陣。本文將利用R語言繪制單線圖、多線圖以及橫軸文本線圖,感興趣的可以了解一下
    2022-03-03
  • R語言最簡單的向量賦值方法示例

    R語言最簡單的向量賦值方法示例

    這篇文章主要給大家介紹了關(guān)于R語言最簡單的向量賦值方法的相關(guān)資料,文中通過示例代碼介紹的非常詳細,對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
    2021-03-03
  • R語言差異檢驗:非參數(shù)檢驗操作

    R語言差異檢驗:非參數(shù)檢驗操作

    這篇文章主要介紹了R語言差異檢驗:非參數(shù)檢驗操作,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2021-04-04
  • 詳解R語言plot函數(shù)參數(shù)合集

    詳解R語言plot函數(shù)參數(shù)合集

    這篇文章主要介紹了R語言plot函數(shù)參數(shù)合集,本文給大家介紹的非常詳細,對大家的學(xué)習(xí)或工作具有一定的參考借鑒價值,需要的朋友可以參考下
    2021-03-03
  • R語言關(guān)于多重回歸知識點總結(jié)

    R語言關(guān)于多重回歸知識點總結(jié)

    在本篇內(nèi)容里小編給大家整理了一篇關(guān)于R語言關(guān)于多重回歸知識點總結(jié),有興趣的朋友們可以學(xué)習(xí)下。
    2021-05-05
  • R語言ggplot2拼圖包patchwork安裝使用

    R語言ggplot2拼圖包patchwork安裝使用

    這篇文章主要介紹了R語言ggplot2拼圖包patchwork安裝使用的圖文示例詳解,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進步,早日升職加薪
    2022-06-06
  • R語言實現(xiàn)導(dǎo)出矩陣

    R語言實現(xiàn)導(dǎo)出矩陣

    這篇文章主要介紹了R語言實現(xiàn)導(dǎo)出矩陣,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2021-04-04

最新評論