多維放射狀流向圖的最佳布局方案

最近，有很多小夥伴兒跟我諮詢一個比較複雜的地圖圖表畫法。

需求是這樣的，一個國家各省或者全球各國之間存在的貿易關係、或者其他經濟往來。想要用線條來表達這些指標的流向，同時使用線條粗細來表達指標流向的量級，我給他們的建議是，雖然你很明確要表達的意思，但是實際上這種形式所呈現的最終結果，可能並非你想要的。

如果在一個地圖中這些線條都是從一個點發散出來的，這種表達形式雖說不妥，但是不算糟糕，但是倘若你的數據中是多個發散中心，即每個城市都會向其他各個城市發散出一組放射線條，同時線條還有粗細之分，那麼最終的效果簡直慘不忍睹。

當然我還是會用案例來把這種常規的想法用代碼演示一遍，同時給出自己覺得最優的兩種解決思路：

#載入包：library(ggplot2)library(dplyr)library(rgdal)library(shiny)library(shinythemes)

##轉換為數據框併合並城市數據：china_map <-readOGR("D:/R/mapdata/State/china.geojson","OGRGeoJSON",stringsAsFactors=FALSE)Encoding(china_map@data$name)<-"UTF-8"china_map <- fortify(china_map) province_city <- read.csv("D:/R/rstudy/Province/chinaprovincecity.csv",stringsAsFactors = FALSE,check.names = FALSE) ###構造線條起始點數據：city<-c("北京","上海","重慶","天津","武漢","南京","廣州","瀋陽","西安","鄭州")city_data<-merge(city,city)%>%rename(Start=x,End=y)%>%arrange(Start)city_data<-city_data%>%merge(province_city[,c("city","jd","wd")],by.x="Start",by.y="city",all.x=TRUE)%>%rename(Start_long=jd,Start_lat=wd)city_data<-city_data%>%merge(province_city[,c("city","jd","wd")],by.x="End",by.y="city",all.x=TRUE)%>%rename(End_long=jd,End_lat=wd)city_data<-transform(city_data,zhibiao1=runif(nrow(city_data),0,100),zhibiao2=runif(nrow(city_data),0,100),zhibiao3=runif(nrow(city_data),0,100))

###理所當然的普通做法1：ggplot()+geom_polygon(data=china_data,aes(x=long,y=lat,group=group),fill="white",colour="grey60")+geom_segment(data=city_data,aes(x=Start_long,y=Start_lat,xend=End_long,yend=End_lat,size=zhibiao1),colour="black")+coord_map("polyconic") + scale_size_area(max_size=2)+theme_void()

###最合適的做法1：圖形分面：ggplot()+ geom_polygon(data=china_data,aes(x=long,y=lat,group=group),fill="white",colour="grey60")+geom_segment(data=city_data,aes(x=Start_long,y=Start_lat,xend=End_long,yend=End_lat),colour="black")+geom_point(data =city_data,aes(x=End_long,y=End_lat,size=zhibiao1),shape=21,fill="#8E0F2E",colour="black",alpha=0.4)+scale_size_area(max_size=6)+coord_map("polyconic") + facet_wrap(~Start,nrow = 2)+theme_void()

###最合適的做法2：

Shiny動態交互圖：

city_list<-list("北京"="北京","上海"="上海","重慶"="重慶","天津"="天津","武漢"="武漢","南京"="南京","廣州"="廣州","瀋陽"="瀋陽","西安"="西安","鄭州"="鄭州")ui <-shinyUI(fluidPage( theme=shinytheme("cerulean"), titlePanel("Population Structure Data"), sidebarLayout( sidebarPanel( radioButtons("var1","City",city_list,inline=FALSE), selectInput("var2","Value",c("zhibiao1"="zhibiao1","zhibiao2"="zhibiao2","zhibiao3"="zhibiao3"),selected="zhibiao1") ), mainPanel(h2("Trade Stream"),plotOutput("distPlot")) )))

server<-shinyServer(function(input,output){output$distPlot <- renderPlot({ mydata=filter(city_data%>%filter(Start==input$var1)) argu<-switch(input$var2,zhibiao1=mydata$zhibiao1,zhibiao2=mydata$zhibiao2,zhibiao3=mydata$zhibiao3) ggplot(mydata)+ geom_polygon(data=china_data,aes(x=long,y=lat,group=group),fill="white",colour="grey60")+ geom_segment(aes(x=Start_long,y=Start_lat,xend=End_long,yend=End_lat),colour="black")+ geom_point(aes(x=End_long,y=End_lat,size=argu),shape=21,fill="#8E0F2E",colour="black",alpha=0.4)+ scale_size_area(max_size=6)+ coord_map("polyconic") + theme_void() })})shinyApp(ui=ui,server=server)

好了乾貨完了，接下來打一波廣告：

之前很多熱情的小夥伴兒們一直在問我有木有開課程的打算，因為自己一直在忙，再加上錄製課程比較麻煩，一直動沒有動靜，最近機緣巧合，跟知名的大數據在線分享平台——天善智能有了合作，打算做一個關於ggplot2的微課分享。

課程時長很短，大約兩個小時，時間定在9月12日晚8:00~10:00，內容是ggplot2入門，當然我口中的入門你絕對無法從百度、谷歌和知乎的所謂雜貨鋪里尋到，不過如果你願意一絲不苟的去閱讀源文檔，那麼我所講的內容你也許都可以學到，但是基於我一年的高強度實戰經驗，也許我可以幫你你理解的更更深入一些，不太會講也不願意講天花亂墜的宣傳詞，不做任何承諾，能學到什麼，全憑悟性和造化。

兩個小時雖然很短，但是也要賺一口喝水的錢對吧，不然對不起知識，定價19.9！

內容嗎，無外乎這些:（時間有限不應定能夠全部都涉及到）

1、ggplot2圖層語法的核心理念

2、ggplot函數與geom_xxx函數間的父子繼承關係

3、美學映射參數寫在ggplot函數內與寫在geom_xxx內的差異

4、美學映射參數寫在aes函數內部和寫在aes函數外部的差異

5、顏色標度一共有幾種類型和寫法，在不同模塊中是否能夠共用

6、如何結合實際業務與引用場景進行顏色標度選擇

7、多圖層疊加時，如何解決顏色標度衝突的問題

8、分面函數的許可權控制

9、主題框架與模塊間的繼承關係

10、主題函數更新與替換方案

11、圖形輸出與高清抗鋸齒渲染

其實這些問題都是之前我學習過程中走過的彎路，隨著練習的案例越來越多，這些問題一步步全都解決了，其實如果你能有心看完我的所有關於ggplot講解部分，差不多這些問題也都能全部理解。

閱讀原文報名：