Wechat: yu389741| Email: gisdqy@163.com

Shop:https://www.giserdqy.com/shop

R语言在线地图神器:Leaflet for R包(五) GeoJson文件的使用


七、使用GeoJson和TopoJson绘制地图:

 

GeoJSON是一种对各种地理数据结构进行编码的格式,基于Javascript对象表示法的地理空间信息数据交换格式。GeoJSON对象可以表示几何、特征或者特征集合。GeoJSON支持下面几何类型:点、线、面、多点、多线、多面和几何集合。GeoJSON里的特征包含一个几何对象和其他属性,特征集合表示一系列特征。——百度百科

 

因为json天然的html特性,很容易加载到各种JS框架的应用中,比如百度的echart加载的地图,就是geojson的,而作为原生态的leaflet框架,自然也能提供对geojson的支持。

 

另外一种格式就所谓的TopoJson,这种格式是geojson的一种升级版本,号称可以比geojson节省更多的存储空间和节点,leaflet for R提供两种方法来支持这两种格式,分别是:

 

addGeoJSON()

addTopoJSON()

 

下面来看如何使用:

我这里有一份geojson的数据,是中国的行政区划,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)

 

结果如下:

 

可以看见,json的方式加载地图,还可以采用$style属性的方式设定各种属性,当然,也可以采用直接卸载addGeoJSON方法里面来实现。

 

如果要设置每个面采用独立的颜色,如何设置了,还是采用style的方法,如下:

下面用是全局变量和lapply方法,相应的说明,请参考R语言的相关教程。

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)

 

 

当然,还有同学问,geoJson文件去那里找?这个网络上有很多,但是网络上的geojson文件都是没有属性的,如果你需要有属性的json文件,可以自己做,我一般通过Python提供的geojson包自己来实现,回头有时间可以写一篇文章来介绍如何使用Python语言来制作geojson文件。

 

下面我是我自己做的一个中国的geojson文件里面出了有中国的行政区划以外,还有2009的gdp和2009年的人口。下面我来使用这个文件来对地图进行渲染:

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总量”)

 

 

下面是2009年的人均GDP专题图:

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专题图

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(万元)”)

 

 

最后,提出几点注意事项:

 

1、GeoJson需要开销大量的内存,对比同等的空间对象来,它耗的内存,大约在5-8倍左右。所以如果你的节点特别多,那么geojson就会开销非常非常大,带来的结果就是非常非常慢……

 

2、GeoJson绘制在地图的时候,无法使用弹出窗

 

总之一句话……如果你是做GIS的,有shapefile的应用能力(包括制作、编辑等技术能力),那么就别用geoJson

转载自:https://blog.csdn.net/u011596455/article/details/79431421