1 空间数据

空间数据基本类型是多边形(点、线、面)，还分矢量数据和栅格数据。
矢量数据是由点、线、面组成的，栅格数据是由像素点组成的。
矢量数据的优势是可以进行空间分析，栅格数据的优势是可以进行空间统计。

Tip

空间分析和空间统计是地理信息系统（GIS）和统计学领域中两个相关但有区别的概念。

空间分析：

定义：空间分析是一种研究地理现象在空间上分布、相互关系和影响的方法。它涉及到对地理数据的处理、分析和解释，以便更好地理解地理空间中的模式和趋势。
目的：主要目的是通过对地理数据进行空间操作和分析，揭示地理现象的模式、关联和趋势，从而支持决策制定和问题解决。

空间统计：

定义：空间统计是统计学的一个分支，专注于研究随机过程和变量在地理空间上的分布和变化。它关注地理现象的空间分布是否呈现出统计学上的显著性和模式。
目的：主要目的是通过统计方法来研究地理现象在空间上的分布，检测是否存在统计学上显著的空间模式，例如聚集、随机或分散。

总体来说，空间分析更广泛，包括对地理数据的处理、分析和可视化，旨在理解地理空间中的现象。而空间统计更专注于运用统计学的方法来研究空间上的模式和趋势。这两者通常结合使用，以全面理解地理现象在空间上的特征。

接下来我们陆续使用lattice(Sarkar 2021)、ggplot2(Wickham et al. 2022)和leaflet(Cheng, Karambelkar, and Xie 2022)三个包来绘制静态和交互式的空间数据图形。

1.1 实例1：人口普查统计数据

ggplot2 提供的 map_data() 函数可以从 maps 包中提取和转化地图数据，而 coord_map() 函数结合 mapproj 包可以实现坐标转化。下面以 R 内置的数据集state.x77 为例，它记录了美国 1977 年 50 个州的人口普查情况:

Population 各州的人口数量（1975 年 7 月 1 日估计）
Income 人均收入（1974 年）
Illiteracy 文盲比例（人口百分比）
平均寿命（1969-1971 年统计）
Murder 谋杀和非过失杀人率（单位：十万分之一，1976 年统计）
HS Grad 高中毕业生百分比（1970 年统计）
Frost 首都或大城市最低气温低于冰点的平均天数（1931-1960 年统计）
Area 土地面积（单位：平方英里）。

library(tidyverse)
library(ggmap)
# maps包地图数据转换为data.frame数据类型
states_map <- map_data(map = "state")

# 准备观测数
df_state_1 <- state.x77 |>
  as.data.frame() |>
  mutate(region = tolower(rownames(state.x77))) |>
  select(region, everything())

# 将观测数据与地图数据合并排序
states_map <- states_map |>
  left_join(df_state_1, by = "region") |>
  select(region, everything()) |>
  arrange(order)

# 制图
ggplot(states_map, aes(long, lat, group = group)) +
  geom_polygon(aes(group = group, fill = Population)) +
  scale_fill_binned(
    type = "viridis",
    guide = guide_colorbar(
      barwidth = 25, barheight = 0.4,
      title.position = "top" # 图例标题位于图例上方
    )
  ) +
  coord_map(projection = "albers", lat0 = 45.5, lat1 = 29.5) +
  labs(x = "Longitude", y = "Latitude", fill = "State Population (1975)") +
  theme_void() +
  theme(legend.position = "bottom") # 图例位置图形下方

usmap 提供 plot_usmap()函数可谓专门用来绘制美国各州县的地图，包含夏威夷和阿拉斯加州，不包含波多黎各，参数data要传入一个数据框，且必须有一列可以和地图提供的区域名称映射上，即需要有一列的列名是state或fips。实际上，usmap包还内置有区县级地图数据，也支持抽取特定的州县，更多介绍见这里。

library(usmap)
df_state_2 <- state.x77 |>
  as.data.frame() |>
  mutate(state = tolower(rownames(state.x77))) |>
  select(state, everything())

plot_usmap(data = df_state_2, values = "Population", labels = TRUE) +
  scale_fill_gradientn(
    colours = hcl.colors(10), na.value = "grey90",
    guide = guide_colorbar(
      barwidth = 25, barheight = 0.4,
      title.position = "top"
    )
  ) +
theme(legend.position = "bottom")

2 相关可视化包

本节主要介绍几个R语言社区提供的地理可视化R包，分别是绘制交互式地图和绘制静态地图的：

交互式地图包：常见的有leaflet(Cheng, Karambelkar, and Xie (2022))包和plotly(Sievert et al. (2021))包。它们各有千秋leaflet专注于交互式地理可视化，支持常见的矢量和栅格数据对象。plotly背后的支持来自商业公司，上游依赖是开源的JavaScript库plotly，深耕多年，功能全面，使用的体感是性能比较差。
静态式地图包：choroplethr和choroplethrMaps主要用来制作地区分布图，choroplethrMaps包提供三份地图数据，分别是美国州、县地图和世界地图，相关介绍材料见这里。tmap制作交互地图，mapsf制作符号地图、等值地图、拓扑地图，关于各类地图的可视化示例见AntV官网。mapsapi可以连接 4 种 Google 提供的 Web 地图服务。

echarts4r是也绘制交互式地图的R包，未来有兴趣可以再了解

References

Cheng, Joe, Bhaskar Karambelkar, and Yihui Xie. 2022. Leaflet: Create Interactive Web Maps with the JavaScript Leaflet Library. https://rstudio.github.io/leaflet/.

Sarkar, Deepayan. 2021. Lattice: Trellis Graphics for r. http://lattice.r-forge.r-project.org/.

Sievert, Carson, Chris Parmer, Toby Hocking, Scott Chamberlain, Karthik Ram, Marianne Corvellec, and Pedro Despouy. 2021. Plotly: Create Interactive Web Graphics via Plotly.js. https://CRAN.R-project.org/package=plotly.

Wickham, Hadley, Winston Chang, Lionel Henry, Thomas Lin Pedersen, Kohske Takahashi, Claus Wilke, Kara Woo, Hiroaki Yutani, and Dewey Dunnington. 2022. Ggplot2: Create Elegant Data Visualisations Using the Grammar of Graphics. https://CRAN.R-project.org/package=ggplot2.