如何最优雅的操纵json地图数据

本篇文章给大家分享的是有关如何最优雅的操纵json地图数据，小编觉得挺实用的，因此分享给大家学习，希望大家阅读完这篇文章后可以有所收获，话不多说，跟着小编一起来看看吧。

知道最近在leaflet社区浏览案例的时候，发现大神已经提供了很好的json数据解析方案里，起码有两个（保守估计）以上的包可以完胜这个任务，而且是直接调用现成的函数，无需自己编写方案。

以上所说的解决方案就是利用成熟的json接口（I/O）工具：

geojsonio包和rgdal包：

这两个包可以在主流的空间格式数据之间进行无缝转换。

下面以世界地图为例，演示数据的转换过程。

library("jsonlite")

library("ggplot2")

library(plyr)

library(dplyr)

library(geojsonio)

library(rgdal)

如果还是停留在使用jsonlite包手工提取数据时代，你可能需要经历以下不可描述的代码环节：

setwd("D:/R/mapdata/State")

###

world_data <- fromJSON("world.json")

world_city_data<-world_data$features$properties[,1:2]

world_city_data<-world_data$features$properties[,c("NAME","NAME_LONG","BRK_A3","POP_EST","GDP_MD_EST")]

world_data$features$geometry$coordinates[[1]][,,1]

world_data$features$geometry$coordinates[[1]][,,2]

###

而且以上代码还不能保证每次都好用，可能每遇到一个新的素材，随着josn内部层级嵌套结构的变化，你都需要随之更改代码，工作量那是杠杠的~

可是如果你掌握了以下两个工具,那么josn数据操纵起来基本就没烦恼了，就跟之前操纵shp数据一样，这两个工作就是将json直接导入成控件格式数据，方便使用者进一步提取内部信息。

world_Map1<-geojson_read("world.json",what="sp") #geojsonio包导入

world_Map2<-readOGR("world.json","OGRGeoJSON") #rgdal包导入

world_Mapdata1<-world_Map1@data%>%.[,c("NAME","NAME_LONG","BRK_A3","POP_EST","GDP_MD_EST")]%>%rename(region=NAME)

world_Mapdata1$id<-rownames(world_Mapdata1)

world_MapdataPloygon1<-fortify(world_Map1)%>%left_join(.,world_Mapdata1[,c(6,1,4)])

ggplot(world_Mapdata1,aes(map_id=region))+

geom_map(aes(fill=POP_EST),map=world_MapdataPloygon1)+

expand_limits(x=world_MapdataPloygon1$long,y=world_MapdataPloygon1$lat)+

scale_fill_gradient2(low="#33A15A",high="#BB0126",mid="#FCFFB7",midpoint=mean(world_Mapdata1$POP_EST))+

coord_map("ortho",orientation=c(0,120,0))+

scale_y_continuous(breaks=(-6:6)*15) +

scale_x_continuous(breaks=(-12:12)*15)+

theme_minimal()+

theme(axis.text=element_blank(),axis.title=element_blank())

一个案例应用（来自plotly官网社区，本来是用于展示plot_ly函数应用，这里借用一下）

air <- read.csv('https://raw.githubusercontent.com/plotly/datasets/master/2011_february_us_airport_traffic.csv')

flights <- read.csv('https://raw.githubusercontent.com/plotly/datasets/master/2011_february_aa_flight_paths.csv')

flights$id <- seq_len(nrow(flights))

CairoPNG("D:/world_map.png",1000,900)

showtext.begin()

ggplot()+

geom_polygon(data=world_MapdataPloygon1,aes(x=long,y=lat,group=group),fill="grey95",col="grey")+

geom_segment(data=flights,aes(x=start_lon,y=start_lat,xend=end_lon,yend=end_lat),col="red",size=.2)+

geom_point(data=air,aes(x=long,y=lat,size=cnt),shape=21,fill="#D73434",col="grey",alpha = 0.5)+

scale_y_continuous(breaks=(-6:6)*15) +

scale_x_continuous(breaks=(-12:12)*15)+

scale_size_area(max_size=15)+

coord_map("ortho",orientation=c(25,-100,0))+

theme_minimal()+

theme(axis.text=element_blank(),axis.title=element_blank())

showtext.end()

dev.off()

最新版的ggplot2中已经出现了一个新的图层函数——geom_sf，专门用于处理空间数据格式，这样算起来，ggplot系统中已经有至少三个可以处理空间数据的函数了，geom_polygon\geom_map\geom_sf（如果不算ggmap这种外接函数的话）。

以上就是如何最优雅的操纵json地图数据，小编相信有部分知识点可能是我们日常工作会见到或用到的。希望你能通过这篇文章学到更多知识。更多详情敬请关注亿速云行业资讯频道。