全文鏈接：http://tecdat.cn/?p=31693

原文出處：拓端數(shù)據(jù)部落公眾號

最近，有一種說法：“中國經(jīng)濟發(fā)展的命脈就是石油和航線”。因此，航線的重要性不言而喻。

近年來，中國的航運業(yè)發(fā)展迅速，不僅帶來了經(jīng)濟效益和社會效益，也帶來了就業(yè)崗位。因此，我們有必要分析航線分布狀況。

為了更好地幫助客戶進行航運業(yè)務(wù)、航線設(shè)計、港口定位等決策研究，我們使用基于R語言地理信息系統(tǒng)的中國航線分布可視化。該方法利用地理信息系統(tǒng)的空間數(shù)據(jù)庫管理功能，對中國各航線進行統(tǒng)計和分析，并基于R語言統(tǒng)計分析工具，對分析結(jié)果進行可視化處理，生成中國航線的空間分布圖。

讀取地圖繪制所需的包

以下軟件包均是繪制地圖相關(guān)的 。

library(maptools)library(ggplot2)library(ggmap)library(maps)library(rgeos)library(shapefiles)library(geosphere)library(plyr)

獲取地圖數(shù)據(jù)來源

航線、機場坐標(biāo)

機場：?airports.dat

航線：?routes.dat

板塊地圖、都市地圖

世界地圖：?ne_10m_admin_0_countries.shp

都市地圖：?ne_10m_urban_areas.shp

# 讀取都市地圖文件 讀取版圖地圖文件 ?urbanareasin <- readShapePoly("ne_0m_uranareas.shp") ?worldmapsin <- readShapePol("ne_1_admin_0_countries.shp") ?# 以下為格式轉(zhuǎn)化 ?worldmap <- fortifyworldapsin)

這一部分的主要工作是將shapefile文件轉(zhuǎn)化為R可以識別的格式，然后建立數(shù)據(jù)與地圖坐標(biāo)間的關(guān)聯(lián)。本文使用了航線頻數(shù)來計算地圖航線繪制的亮度。讀者根據(jù)需要可以自行關(guān)聯(lián)所需數(shù)據(jù)，例如成本，平均成本，旅客人次等，以達到不同的研究目的。

# 開始抽取機場數(shù)據(jù) ?airports <- rea.table("airorts.dat", sep = ",", header = FALSE) ? worldport <- airports[airpot$V5 != "", c("V3", "V5", ? ???????????????????????????????????????? "V7", "V8", "V9")] ?names(worldprt) <- c("city", "code", "lan", "lon", "att")

有453條航線無標(biāo)識

?table(lineinworld)

summary(worldline)

統(tǒng)計部分國內(nèi)站點的出發(fā)的航班信息

#北京出發(fā)航班 ??head(worldline[worldline$AIRPORT_FROCODE=="PEK",] )

排序

e$AIRPORT_TOCDE)[2,], ? ????? decreasing = TRUE)))

北京到達航班

head(worldline[worldine$AIRPORT_TOCODE=="PEK",] )

上海出發(fā)航班

head(worldline[worlline$AIRPORTFROM_CODE=="SHA",] )

上海到達航班

head(worldline[worldline$AIRPOT_T_CODE=="SHA",] )

香港出發(fā)航班

head(worldline[worldline$ARPORT_FRO_CODE=="SHA",] )

地圖旋轉(zhuǎn)

這一步是對地圖進行坐標(biāo)變換，設(shè)置中國為世界中心，這里做了簡單的坐標(biāo)加減運算。

center <- 115# 航線坐標(biāo)計算中心距離gcircles$long.reenter <- ielse(gcicles$long < center -

由于地圖是圖形數(shù)據(jù)，若是簡單移動，地圖會被切割，繪制時會出現(xiàn)圖形變形等錯誤，故需要對地圖數(shù)據(jù)進行再處理。該過程分為兩步：

處理 1?：圖形切割后，切割圖形重分組。

處理 2?：重分組后，非閉合圖形，閉合處理。

切割圖形重分組算法

檢查組內(nèi)不同經(jīng)度300度以上的坐標(biāo)，作為極端值，然后對數(shù)據(jù)進行平均?。然后分別對極端值分組標(biāo)號為一組，將低于300的坐標(biāo)作為一組。

?

閉合曲線

分別計算世界點圖每個航線的起始點?終點，和航線的曲線數(shù)據(jù)?.?找到曲線數(shù)據(jù)中不連續(xù)的數(shù)據(jù)即為沒有閉合的曲線?,?然后?,?將斷點數(shù)據(jù)重新賦值?,?進行連接?,?得到閉合的航線曲線?.

g <- rep(1, length(df[, longcol])) ? if (diff(rage(df[, lngcol])) > 300) { ?? ??? d <- df[, longcol] > mean(range(df[, longcol]))

開始寫原始算法替換函數(shù) 世界地圖重分組

?#計算世界地圖的經(jīng)緯度的均值worldmp.men <- agregate(x = wrldmap[, ("long.recenter")], ?????????????????????????? by = list(worldmap$group), FUN = mean) ?#計算世界地圖的經(jīng)緯度的最小值? worldma.min <- aregate( = wrldmap[, c("longrecenter")], ????????????????????????? by = list(worldmap$group), FUN = min) ?#計算世界地圖的經(jīng)緯度的最大值? woldmap.ma <- aggregate(x worldmap[, c("long.recenter")], ????????????????????????? by = list(wormap$group) FUN = max) ? worldmap.md <- cbind(worldma.mea, worldap.in[, ???????????????????????????????????????????????? 2], worldap.max[, 2])#給數(shù)據(jù)的變量名命名colnames(worldmpmd) <- c("group", mean", "min" "max") ? worldmapt <- join(x = worldmap, y = wolmap.md, b = c("group"))# 閉合曲線worlmap.rg <- orldmap.rg[order(woldm$goup.regroup, ???????????????????????????????? worldmap.rg$order), ]

最后得到世界航線的曲線和坐標(biāo)?(wrld)?以及城市航線的坐標(biāo)?(urb),?并使用geom_polygon和geom_line函數(shù)進行設(shè)置?.?其顏色?粗細等。最后使用ggplot函數(shù)進行繪制。

urb <- geom_polygon(aes(long.recenter, lat, group = group.regroup), ??????????????????? size = 0.3, color = "#FDF5E6", fill = "#FDF5E6", ??????????????????? alpha = 1, data = urbanareas.cp)# 放大系數(shù)bigmap <- 1 geom_polygon(aes(lon,lat,grop = group), size = 0.2, ?????????????? fill = '#f9f9', colou = 'grey6, data = worldmap) + ? geom_line(aes(long.recete,lat,grup = grop.regroup, clor = freq, ??????????????? alpha = freq), sie = 0.4, dat = gcicles.rg)

?最受歡迎的見解

1.R語言動態(tài)圖可視化：如何、創(chuàng)建具有精美動畫的圖

2.R語言生存分析可視化分析

3.Python數(shù)據(jù)可視化-seaborn Iris鳶尾花數(shù)據(jù)

4.r語言對布豐投針（蒲豐投針）實驗進行模擬和動態(tài)

5.R語言生存分析數(shù)據(jù)分析可視化案例

6.r語言數(shù)據(jù)可視化分析案例：探索brfss數(shù)據(jù)數(shù)據(jù)分析

7.R語言動態(tài)可視化：制作歷史全球平均溫度的累積動態(tài)折線圖動畫gif視頻圖

8.R語言高維數(shù)據(jù)的主成分pca、 t-SNE算法降維與可視化分析案例報告

9.python主題LDA建模和t-SNE可視化