我有一个包含纬度,经度和辐射度的csv文件。数据看起来像一个网格,整个州大约有100个点。我知道那里有很多R映射选项,但似乎最简单的方法就是尝试点对点进行渐变,因此它看起来像是一个热图。我看到的所有热图选项都无法解决密度问题,将它们与这些数据一起使用时看起来并不准确。我可以使用某种功能来平滑点之间的颜色吗?
这是一个可复制的示例,其数字范围较小:
lat lon value
40.5 -91.5 4513619
41.0 -95.5 4490658
41.5 -96.0 4453810
41.5 -94.5 4475373
42.0 -95.5 4432107
42.0 -94.5 4416015
ggplot(df, aes(x = lon, y = lat, color = value)) +
geom_point(size=8) +
coord_equal() +
xlab('Longitude') +
ylab('Latitude')
答案 0 :(得分:1)
我们可以使用geom_tile
包中的ggplot2
来创建heatmep。
library(ggplot2)
ggplot(df, aes(x = lon, y = lat, fill = value)) +
geom_tile(color = "black") +
scale_fill_viridis_c() +
coord_equal() +
xlab('Longitude') +
ylab('Latitude') +
theme_bw() +
theme(panel.grid.major = element_blank(),
panel.grid.minor = element_blank(),
panel.border = element_blank())
由于您仅提供了六个数据点,因此该图看起来很奇怪。在下面,我完成并扩展了示例数据集,然后使用相同的代码来绘制数据。
library(dplyr)
library(tidyr)
set.seed(123)
df2 <- df %>%
complete(lat, lon = seq(-96, -91.5, by = 0.5)) %>%
mutate(value = ifelse(is.na(value), sample(df$value, n(), replace = TRUE), value))
ggplot(df2, aes(x = lon, y = lat, fill = value)) +
geom_tile(color = "black") +
scale_fill_viridis_c() +
coord_equal() +
xlab('Longitude') +
ylab('Latitude') +
theme_bw() +
theme(panel.grid.major = element_blank(),
panel.grid.minor = element_blank(),
panel.border = element_blank())
最后,由于您正在使用空间数据集,因此我们只需要将数据转换为栅格并使用mapview
包对其进行绘制即可。
library(sp)
library(sf)
library(raster)
library(mapview)
df_sp <- df2 %>%
st_as_sf(coords = c("lon", "lat"), crs = 4326) %>%
as("Spatial")
r <- raster(ncol = 10, nrow = 4)
extent(r) <- extent(df_sp)
r <- rasterize(df_sp, r, df_sp$value)
mapview(r)
数据
df <- read.table(text = "lat lon value
40.5 -91.5 4513619
41.0 -95.5 4490658
41.5 -96.0 4453810
41.5 -94.5 4475373
42.0 -95.5 4432107
42.0 -94.5 4416015",
header = TRUE)