全文鏈接：http://tecdat.cn/?p=31693

原文出處：拓端數(shù)據(jù)部落公眾號(hào)

最近，有一種說(shuō)法：“中國(guó)經(jīng)濟(jì)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(lái)，中國(guó)的航運(yùn)業(yè)發(fā)展迅速，不僅帶來(lái)了經(jīng)濟(jì)效益和社會(huì)效益，也帶來(lái)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(jìn)行航運(yùn)業(yè)務(wù)、航線設(shè)計(jì)、港口定位等決策研究，我們使用基于R語(yǔ)言地理信息系統(tǒng)的中國(guó)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(kù)管理功能，對(duì)中國(guó)各航線進(jìn)行統(tǒng)計(jì)和分析，并基于R語(yǔ)言統(tǒng)計(jì)分析工具，對(duì)分析結(jié)果進(jìn)行可視化處理，生成中國(guó)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(lái)源

航線、機(jī)場(chǎng)坐標(biāo)

機(jī)場(chǎng)：?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(shí)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(lái)計(jì)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(dá)到不同的研究目的。

# 開(kāi)始抽取機(jī)場(chǎng)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(wú)標(biāo)識(shí)

?table(lineinworld)

summary(worldline)

統(tǒng)計(jì)部分國(guó)內(nèi)站點(diǎn)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(dá)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(dá)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(duì)地圖進(jìn)行坐標(biāo)變換，設(shè)置中國(guó)為世界中心，這里做了簡(jiǎn)單的坐標(biāo)加減運(yùn)算。

center <- 115# 航線坐標(biāo)計(jì)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(jiǎn)單移動(dòng)，地圖會(huì)被切割，繪制時(shí)會(huì)出現(xiàn)圖形變形等錯(cuò)誤，故需要對(duì)地圖數(shù)據(jù)進(jìn)行再處理。該過(guò)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(duì)數(shù)據(jù)進(jìn)行平均?。然后分別對(duì)極端值分組標(biāo)號(hào)為一組，將低于300的坐標(biāo)作為一組。

?

閉合曲線

分別計(jì)算世界點(diǎn)圖每個(gè)航線的起始點(diǎn)?終點(diǎn)，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(méi)有閉合的曲線?,?然后?,?將斷點(diǎn)數(shù)據(jù)重新賦值?,?進(jìn)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(kāi)始寫原始算法替換函數(shù) 世界地圖重分組

?#計(jì)算世界地圖的經(jīng)緯度的均值worldmp.men <- agregate(x = wrldmap[, ("long.recenter")], ?????????????????????????? by = list(worldmap$group), FUN = mean) ?#計(jì)算世界地圖的經(jīng)緯度的最小值? worldma.min <- aregate( = wrldmap[, c("longrecenter")], ????????????????????????? by = list(worldmap$group), FUN = min) ?#計(jì)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(jìn)行設(shè)置?.?其顏色?粗細(xì)等。最后使用ggplot函數(shù)進(jìn)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(jiàn)解

1.R語(yǔ)言動(dòng)態(tài)圖可視化：如何、創(chuàng)建具有精美動(dòng)畫的圖

2.R語(yǔ)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(yǔ)言對(duì)布豐投針（蒲豐投針）實(shí)驗(yàn)進(jìn)行模擬和動(dòng)態(tài)

5.R語(yǔ)言生存分析數(shù)據(jù)分析可視化案例

6.r語(yǔ)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(yǔ)言動(dòng)態(tài)可視化：制作歷史全球平均溫度的累積動(dòng)態(tài)折線圖動(dòng)畫gif視頻圖

8.R語(yǔ)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(bào)告

9.python主題LDA建模和t-SNE可視化