# R语言怎么实现地图上的迷你条形图 ## 引言 在数据可视化领域，将统计图表与地理空间元素结合是呈现区域差异的有效手段。R语言作为强大的统计分析工具，通过`ggplot2`、`sf`等扩展包可以轻松实现地图与迷你条形图的组合展示。本文将详细介绍从数据准备到最终输出的完整实现流程，涵盖以下关键技术点： 1. 地理空间数据处理（sf包） 2. 迷你条形图构建（ggplot2+ggfx） 3. 地图与图表的叠加合成 4. 可视化美学优化技巧 --- ## 一、环境准备与数据加载 ### 1.1 安装必要R包 ```r install.packages(c("sf", "ggplot2", "ggfx", "dplyr", "tidyr", "maps")) 本文使用美国各州地理数据与模拟的经济指标数据：
library(sf) library(ggplot2) # 加载美国州级地图数据 us_states <- st_as_sf(map("state", plot = FALSE, fill = TRUE)) # 生成模拟经济数据（2018-2022） set.seed(123) economic_data <- data.frame( ID = rep(us_states$ID, each=5), year = rep(2018:2022, times=nrow(us_states)), gdp = rnorm(nrow(us_states)*5 + 100, unemployment = runif(nrow(us_states)*3 + 3 ) # 转换坐标系为适合美国地区的投影 us_states <- st_transform(us_states, crs = 2163) # 计算各州中心点坐标（用于放置条形图） state_centers <- st_centroid(us_states) |> st_coordinates() |> as.data.frame() colnames(state_centers) <- c("long", "lat") plot_data <- cbind(us_states, state_centers) |> left_join( economic_data |> group_by(ID) |> summarise(avg_gdp = mean(gdp)), by = "ID" ) create_mini_bars <- function(data, state_id) { state_data <- filter(data, ID == state_id) ggplot(state_data, aes(x=year, y=gdp)) + geom_col(fill="#3B528B", width=0.6) + scale_x_continuous(breaks = 2018:2022) + theme_void() + theme( panel.background = element_rect(fill=NA, color=NA), plot.margin = margin(0,0,0,0) ) + coord_cartesian(ylim=c(min(data$gdp)*0.9, max(data$gdp)*1.1)) } library(purrr) mini_plots <- map(us_states$ID, ~create_mini_bars(economic_data, .x)) base_map <- ggplot(plot_data) + geom_sf(aes(fill = avg_gdp), color="white", size=0.3) + scale_fill_viridis_c(option="magma", name="平均GDP") + theme_minimal() + theme(legend.position = "bottom") library(ggfx) final_map <- base_map + as_reference( geom_point(data=plot_data, aes(x=long, y=lat), size=12, color=NA), id = "bar_locations" ) + with_blend( annotation_custom( grob = ggplotGrob(mini_plots[[1]]), xmin=-2e6, xmax=-1e6, ymin=1e6, ymax=2e6 ), bg_layer = "bar_locations", blend_type = "in" ) for(i in seq_along(us_states$ID)) { final_map <- final_map + with_blend( annotation_custom( grob = ggplotGrob(mini_plots[[i]]), xmin = plot_data$long[i] - 50000, xmax = plot_data$long[i] + 50000, ymin = plot_data$lat[i] - 30000, ymax = plot_data$lat[i] + 30000 ), bg_layer = "bar_locations", blend_type = "over" ) } library(plotly) ggplotly(final_map) |> style(hoverinfo = "none", traces = c(1,2)) plot_data$plot_size <- rescale(plot_data$avg_gdp, to=c(0.5, 1.5)) for(i in seq_along(us_states$ID)) { size_factor <- plot_data$plot_size[i] final_map <- final_map + annotation_custom( grob = ggplotGrob(mini_plots[[i]] + theme(plot.background = element_rect(fill=NA))), xmin = plot_data$long[i] - 50000*size_factor, xmax = plot_data$long[i] + 50000*size_factor, ymin = plot_data$lat[i] - 30000*size_factor, ymax = plot_data$lat[i] + 30000*size_factor ) } library(cowplot) ggdraw() + draw_plot(final_map, 0,0,1,1) + draw_plot( get_legend( ggplot(plot_data, aes(x=year, y=gdp)) + geom_col() + scale_fill_viridis_d() ), x = 0.8, y = 0.2, width = 0.1, height = 0.2 ) # 完整代码整合（此处简略，实际应包含前文所有关键步骤） library(tidyverse) library(sf) library(ggfx) # [数据准备、处理、可视化代码块...] ggsave("final_map.png", dpi=300, width=12, height=8) 本文演示的技术路线具有高度可扩展性，读者可以通过以下方向深入探索： - 将条形图替换为折线图或饼图 - 添加动态时间轴实现动画效果 - 结合Leaflet创建交互式Web地图 - 使用rayshader包构建3D地形图组合
注意事项：当处理大量地理单元时，建议采用分面(facet)或抽样显示策略以避免图表重叠问题。 “`
（注：实际文章应包含更多详细的代码注释、效果图示和原理说明，此处为保持简洁进行了适当精简。完整3700字版本需要补充更多技术细节和案例说明。）
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
