七、使用GeoJson和TopoJson繪制地圖：
GeoJSON是一種對各種地理資料結構進行編碼的格式，基于Javascript對象表示法的地理空間資訊資料交換格式。GeoJSON對象可以表示幾何、特征或者特征集合。GeoJSON支援下面幾何類型：點、線、面、多點、多線、多面和幾何集合。GeoJSON裡的特征包含一個幾何對象和其他屬性，特征集合表示一系列特征。——百度百科
因為json天然的html特性，很容易加載到各種JS架構的應用中，比如百度的echart加載的地圖，就是geojson的，而作為原生态的leaflet架構，自然也能提供對geojson的支援。
另外一種格式就所謂的TopoJson，這種格式是geojson的一種更新版本，号稱可以比geojson節省更多的存儲空間和節點，leaflet for R提供兩種方法來支援這兩種格式，分别是：
addGeoJSON()
addTopoJSON()
下面來看如何使用：
我這裡有一份geojson的資料，是中國的行政區劃，叫做chain.json
| geoData <- readLines("e:/china.json",warn=FALSE) %>% paste(collapse = "\n")%>%fromJSON(simplifyVector = FALSE) geoData$style = list( weight = 1, color ="red", fillColor="green", opacity = 1, fill = TRUE, fillOpacity = 0.6 ) leaflet() %>% setView(lng = 98.583, lat = 39.833, zoom = 3) %>% addProviderTiles("Esri.WorldTopoMap")%>%addGeoJSON(geoData) |
結果如下：
可以看見，json的方式加載地圖，還可以采用$style屬性的方式設定各種屬性，當然，也可以采用直接解除安裝addGeoJSON方法裡面來實作。
如果要設定每個面采用獨立的顔色，如何設定了，還是采用style的方法，如下：
下面用是全局變量和lapply方法，相應的說明，請參考R語言的相關教程。
| geoData$style = list( weight = 1, color ="gray", opacity = 1, fill = TRUE, fillOpacity = 0.6 ) pal <- substr(rainbow(34),1,7) i<-0 geoData$features <- lapply(geoData$features, function(feat) { i<<-i+1 feat$properties$style <- list( fillColor = pal[i] ) feat }) leaflet() %>% setView(lng = 98.583, lat = 39.833, zoom = 3) %>% addProviderTiles("Esri.WorldTopoMap")%>%addGeoJSON(geoData) |
當然，還有同學問，geoJson檔案去那裡找？這個網絡上有很多，但是網絡上的geojson檔案都是沒有屬性的，如果你需要有屬性的json檔案，可以自己做，我一般通過Python提供的geojson包自己來實作，回頭有時間可以寫一篇文章來介紹如何使用Python語言來制作geojson檔案。
下面我是我自己做的一個中國的geojson檔案裡面出了有中國的行政區劃以外，還有2009的gdp和2009年的人口。下面我來使用這個檔案來對地圖進行渲染：
| library(jsonlite) geoData2 <- readLines("e:/china_pop_gdp.json",warn=FALSE) %>% paste(collapse = "\n")%>%fromJSON(simplifyVector = FALSE) geoData2$style = list( weight = 2, color ="gray", opacity = 1, fill = TRUE, fillOpacity = 0.9 ) GDP_2009 <- sapply(geoData2$features, function(feat) { feat$properties$GDP_2009 }) pal <- colorNumeric(c("blue", "white", "darkgreen", "yellow", "orangered"), GDP_2009) geoData2$features <- lapply(geoData2$features, function(feat) { feat$properties$style <- list( fillColor = pal(feat$properties$GDP_2009) ) feat }) leaflet() %>% setView(lng = 98.583, lat = 39.833, zoom = 3) %>% addProviderTiles("Esri.WorldTopoMap")%>%addGeoJSON(geoData2)%>% addLegend("bottomright", pal = pal, values = GDP_2009,title = "2009年GDP總量") |
下面是2009年的人均GDP專題圖：
| geoData2 <- readLines("e:/china_pop_gdp.json",warn=FALSE) %>% paste(collapse = "\n")%>%fromJSON(simplifyVector = FALSE) geoData2$style = list( weight = 2, color ="gray", opacity = 1, fill = TRUE, fillOpacity = 0.9 ) GDP_2009 <- sapply(geoData2$features, function(feat) { feat$properties$GDP_2009 }) POP_2009 <- sapply(geoData2$features, function(feat) { feat$properties$Pop_2009 }) #人均GDP專題圖 pal <- colorNumeric("Greens", (GDP_2009*10000)/max(1,POP_2009)) geoData2$features <- lapply(geoData2$features, function(feat) { feat$properties$style <- list( fillColor = pal((feat$properties$GDP_2009*10000)/max(1,feat$properties$Pop_2009)) ) feat }) leaflet() %>% setView(lng = 98.583, lat = 39.833, zoom = 3) %>% addProviderTiles("Esri.WorldTopoMap")%>%addGeoJSON(geoData2)%>% addLegend("bottomright", pal = pal,value =(GDP_2009*10000)/(max(1,POP_2009)), title = "2009年人均GDP（萬元）") |
最後，提出幾點注意事項：
1、GeoJson需要開銷大量的記憶體，對比同等的空間對象來，它耗的記憶體，大約在5-8倍左右。是以如果你的節點特别多，那麼geojson就會開銷非常非常大，帶來的結果就是非常非常慢……