创建具有适应大小的状态的地图答案

【问题标题】：create a map with the adapted size of states创建具有适应大小的状态的地图
【发布时间】：2017-12-23 23:35:11
【问题描述】：

各位可视化爱好者，

我正在尝试创建一个彩色地图图，例如：（来源：https://github.com/hrbrmstr/albersusa）

但是我希望这张地图有偏差，以便各州的面积与我提供的值成比例（特别是，我使用 GPD 值）。我的意思是我希望一些州看起来更大，一些州看起来更小，它们实际上是但尽可能提醒真实的美国地图。 状态移动或形状破坏没有问题。

有什么想法吗？有什么现成的解决方案吗？目前我使用 R 和 albersusa 包，因为它是我熟悉的东西。开放改变！我当前的情节代码是：

           gmap<-
           ggplot() +
           geom_map(data = counties@data, map = cmap,
                     aes(fill =atan(y/x),alpha=x+y, map_id = name),
                     color = "gray50") +
            geom_map(data = smap, map = smap,
                     aes(x = long, y = lat, map_id = id),
                     color = "black", size = .5, fill = NA) +
            theme_map(base_size = 12) +
            theme(plot.title=element_text(size = 16, face="bold",margin=margin(b=10))) +
            theme(plot.subtitle=element_text(size = 14, margin=margin(b=-20))) +
            theme(plot.caption=element_text(size = 9, margin=margin(t=-15),hjust=0)) +
scale_fill_viridis()+guides(alpha=F,fill=F)

【问题讨论】：

您可以尝试制作地图吗？见here。

标签： r ggplot2 shapefile geo matplotlib-basemap

【解决方案1】：

这是一个非常难看的第一次尝试，使用来自 maps 包的轮廓和来自 dplyr 的一些数据操作。

library(maps)
library(dplyr)
library(ggplot2)

# Generate the base outlines
mapbase <- map_data("state.vbm")    

# Load the centroids
data(state.vbm.center)

# Coerce the list to a dataframe, then add in state names
# Then generate some random value (or your variable of interest, like population)
# Then rescale that value to the range 0.25 to 0.95

df <- state.vbm.center %>% as.data.frame() %>% 
  mutate(region = unique(mapbase$region),
         somevalue = rnorm(50),
         scaling = scales::rescale(somevalue, to = c(0.25, 0.95)))
df 

# Join your centers and data to the full state outlines
df2 <- df %>% 
  full_join(mapbase) 
df2

# Within each state, scale the long and lat points to be closer
#   to the centroid by the scaling factor

df3 <- df2 %>% 
  group_by(region) %>% 
  mutate(longscale = scaling*(long - x) + x,
         latscale = scaling*(lat - y) + y) 
df3

# Plot both the outlines for reference and the rescaled polygons

  ggplot(df3, aes(long, lat, group = region, fill = somevalue)) + 
  geom_path() +
  geom_polygon(aes(longscale, latscale)) +
  coord_fixed() + 
  theme_void() + 
  scale_fill_viridis()

这些轮廓不是最好的，它们收缩的质心位置会导致多边形有时与原始状态轮廓重叠。但这是一个开始；您可以为美国各州和各种质心算法找到更好的形状。

【讨论】：