R中的ggplot与fortify需要太长时间来处理小的地理空间数据

Question

我正在尝试使用 ggplot 绘制加拿大地图并根据总销售额对每个地区进行颜色编码。地理空间文件来自 GADM，仅包含 12 个省（1 级）。当我强化数据时，生成的 data.frame 超过 400 万行。当我尝试用 ggplot 绘制地图时，它似乎挂起。我已经离开了 30 分钟，不得不放弃。

问题是设防结果的大小吗？我不知道如何减小尺寸。我曾尝试在 fortify 中使用“区域”参数，但这会导致 fortify 似乎挂起。

我已经包含了我所有的代码和用于下载我正在使用的数据的 URL。

require(dplyr)

# loaded from: https://raw.githubusercontent.com/Technology-Hatchery/Rcode/master/Data/Sample%20-%20Superstore%20Sales%20(Excel).csv
orders <- read.csv(file='Data/Orders.csv', sep=',', header=TRUE, na.strings = '')
orders$Order.Date <- as.Date(orders$Order.Date, '%m/%d/%y')
orders$Order.Priority <- as.factor(orders$Order.Priority)
orders$Customer.Name <- as.character(orders$Customer.Name)
orders$Ship.Date <- as.Date(orders$Ship.Date, '%m/%d/%y')
orders$Order.Total <- orders$Unit.Price * orders$Order.Quantity
orders <- tbl_df(orders)

require(raster)
require(ggplot2)
require(RColorBrewer)
require(rgdal)
require(rgeos)

# map from GADM: http://biogeo.ucdavis.edu/data/gadm2.7/rds/CAN_adm1.rds
canada <- readRDS('../../Geo/GADM/Canada/CAN_adm1.rds')
canada <- spTransform(canada, CRS("+proj=longlat +datum=WGS84"))

# Add my data to spatial polygon data.frame
canada.df <- fortify(canada)
summary(canada.df)

nrow(canada.df)

# [1] 4005898

# Build region list and add to spatial DF
provinces <- canada@data %>% dplyr::select(OBJECTID, NAME_1) %>% dplyr::rename(id = OBJECTID, Province = NAME_1)
head(provinces)

# Add total sales to spatial DF
provinceOrders <- orders %>% mutate(Province = as.character(Province)) %>%
       left_join(., provinces, by='Province') %>%
       group_by(id, Province) %>%
       dplyr::summarise(Total = sum(Order.Total)) %>%
       dplyr::select(id, Total)
head(provinceOrders)

canada.df <- merge(canada.df, provinceOrders, by='id', all.x=TRUE)
canada.df <- arrange(canada.df, order, group)
head(canada.df)

ggplot() +
geom_polygon(data=canada.df, aes(x=long, y=lat, group=group, fill=Total), color='white') +
scale_fill_gradient(high='Red', low= 'Blue')
#geom_text(aes(label=Province, x=long, y=lat))

Answer 1

试试这个来自 NOAA 的 shapefile。它拥有所有省份，但没有超精确的海岸线多边形（不需要）：

library(rgdal)
library(ggplot2)
library(ggthemes)

url <- "http://www.nws.noaa.gov/geodata/catalog/national/data/province.zip"
fil <- basename(url)
if (!file.exists(fil)) download.file(url, fil)
fils <- grep("shp", unzip(fil), ignore.case=TRUE, value=TRUE)
ca <- readOGR(fils, ogrListLayers(fils)[1])

ca_map <- fortify(ca, region="NAME")

gg <- ggplot()
gg <- gg + geom_map(data=ca_map, map=ca_map,
                    aes(x=long, y=lat, map_id=id),
                    color="black", fill="white", size=0.15)
gg <- gg + coord_map("lambert", 44, 85)
gg <- gg + theme_map()
gg

system.time(ca_map <- fortify(ca, region="NAME")) 显示：

##    user  system elapsed 
##   0.517   0.005   0.523 

对我来说非常一致。

Answer 2

评论太长了。

ggplot 对大 data.frames 确实很慢，但是当我下载你的 .rds 文件并运行你的代码时，fortify(...) 需要几秒钟，而绘制地图大约需要 2 分钟。

您也可以直接使用raster 包中的getData(...) 获取spatialPolygonsDataFrame，但奇怪的是，这个文件的大小只有您的一半（50MB）。该文件在大约 1 分钟内绘图，其中一半转换为朗伯投影（删除 coord_map(...) 调用，大约需要 25 秒。）

library(ggplot2)
library(raster)   # for getData()

canada <- getData("GADM", country="CAN", level=1)
canada.df <- fortify(canada)
system.time(
  plot(ggplot()+
         geom_polygon(data=canada.df, aes(x=long, y=lat, group=group), 
                      fill="lightblue",color="grey20", size=0.15)+
         coord_map(projection="lambert", 44, 85))
)
#    user  system elapsed 
#   46.75    2.76   49.72 

无论如何，ggplot 肯定不会挂起。

如果您可以提供您的 orders.csv 文件，您可能会知道发生了什么。