最近由于自己的时间关系，很久没有发一些干货了。这次想谈谈之前我们在进行数学建模时，如何将设计好的最优路径，利用ggplot2在地图上进行绘制与展示。
最简单的方法是使用plot绘图，然后再使用lines函数一条一条地将线加上去，但是一条一条加上去的过程中，需要使用for循环不说，而且绘制出来的图相对也没那么美腻。
下面我们讲一讲使用ggplot2且不使用for循环，如何快速便捷地完成这样的操作。
1. 前文回顾
首先可以回顾一下，在没有梯子的前提下，我们是如何利用ggplot2绘制一个较为好看的中国地图：利用R绘制漂亮的中国地图（无需通过google获取）。
下面我们基于前面绘制的中国地图，根据计算（最小生成树算法，之后有时间在说说这个，不过目前网上说的很详细了，而且也有很多代码）得到的相应连线贴到我们的图上。
背景图像
2. 利用ggplot2连接多个点
我们需要选定其中几个点，并将其进行连线。下面是我们最终想要达到的效果（之前的图使用Mac画的，下面这个是Windows，可能质感有些不一样，望大家理解）：
为了达到这样的效果，我们主要是需要将数据集整理成可以能够舒适绘制的方式。利用ggplot2绘图，整理数据集要占80%以上的工作。
1) 现有数据
我们的最终目的是连33条线，所以先将需要连的线均一组一组地罗列而出（每个city都对应着一组经纬度，相应地是地图上的一个点）。
（前面的最终效果图是前11组城市连线）
下面的数据我们命名为：city_pair
city1 city2
1 北京&天津 上海
2 上海 广州&深圳
3 广州&深圳 重庆
4 重庆 成都
5 重庆 西安
6 北京&天津 哈尔滨
7 北京&天津 武汉
8 武汉 郑州
9 重庆 昆明
10 北京&天津 乌鲁木齐
11 北京&天津 拉萨
12 郑州 西安
13 武汉 重庆
14 北京&天津 郑州
15 北京&天津 西安
16 郑州 重庆
17 北京&天津 重庆
18 武汉 广州&深圳
19 上海 武汉
20 上海 郑州
21 北京&天津 广州&深圳
22 上海 重庆
23 昆明 广州&深圳
24 武汉 成都
25 郑州 成都
26 西安 成都
27 北京&天津 成都
28 成都 昆明
29 西安 武汉
30 成都 广州&深圳
31 上海 成都
32 哈尔滨 重庆
33 哈尔滨 广州&深圳
所以我们还需要对应城市经纬度及人口信息，这里的对象为mat.cities，它长这样：（这部分的数据生成也在我们前面的博客中有提及）
names lat long population
1 北京&天津 39.90420 116.40740 32.5506
2 上海 31.23039 121.47370 23.0191
3 郑州 34.74725 113.62493 8.6265
4 乌鲁木齐 43.82660 87.61684 3.1103
5 哈尔滨 45.80218 126.53582 10.6360
6 西安 34.34126 108.93982 8.4678
7 武汉 30.59276 114.30524 9.7854
8 成都 30.57022 104.06477 14.0476
9 拉萨 29.64411 91.11445 0.5594
10 重庆 29.56470 106.55071 28.8462
11 昆明 24.87966 102.83321 6.4320
12 广州&深圳 23.02067 113.75178 23.0587
有了这样两份原始数据，我们就可以开始进行绘图了。
首先是需要将数据整理成能够进行绘图的，为了方便操作，我们直接对原本的33组城市对进行操作。下面是数据预处理的过程。（由于当时数模时间有限，而数据量也不是很大，所以下面采用了大量的for循环，希望大家在用R时还是尽可能多用向量化操作，少用for循环）
2) 数据预处理
预处理代码如下：
dat_plot = matrix(nrow = 66, ncol = 4)
k = 0
for (i in 1:33) {
for (j in 1:2) {
k = k + 1
my.row = mat.cities[city_pair[i, j] == mat.cities$names, ]
dat_plot[k, 1] = unlist(my.row[1])
dat_plot[k, 2] = unlist(my.row[2])
dat_plot[k, 3] = unlist(my.row[3])
dat_plot[k, 4] = i
}
}
colnames(dat_plot) = c('地区', 'lat', 'long', 'group')
dat_plot = as.data.frame(dat_plot)
dat_plot$lat = as.numeric(as.character(dat_plot$lat))
dat_plot$long = as.numeric(as.character(dat_plot$long))
这里我们的主要思路是：将配对的一组城市变为拆分成两组，然后再在最后添加一个group变量，主要是用于连线（两个城市如果在一个相同的group中，使用ggplot绘图中的参数group即可将两个点连接起来）。
在生成完想要的数据集后，记得将经纬度调整为数值型，group直接为factor即可。
最后我们得到的数据dat_plot长下面这样：
地区 lat long group
1 北京&天津 39.90420 116.40740 1
2 上海 31.23039 121.47370 1
3 上海 31.23039 121.47370 2
4 广州&深圳 23.02067 113.75178 2
5 广州&深圳 23.02067 113.75178 3
6 重庆 29.56470 106.55071 3
7 重庆 29.56470 106.55071 4
8 成都 30.57022 104.06477 4
9 重庆 29.56470 106.55071 5
10 西安 34.34126 108.93982 5
11 北京&天津 39.90420 116.40740 6
12 哈尔滨 45.80218 126.53582 6
13 北京&天津 39.90420 116.40740 7
14 武汉 30.59276 114.30524 7
15 武汉 30.59276 114.30524 8
16 郑州 34.74725 113.62493 8
17 重庆 29.56470 106.55071 9
18 昆明 24.87966 102.83321 9
19 北京&天津 39.90420 116.40740 10
20 乌鲁木齐 43.82660 87.61684 10
21 北京&天津 39.90420 116.40740 11
22 拉萨 29.64411 91.11445 11
23 郑州 34.74725 113.62493 12
24 西安 34.34126 108.93982 12
25 武汉 30.59276 114.30524 13
26 重庆 29.56470 106.55071 13
27 北京&天津 39.90420 116.40740 14
28 郑州 34.74725 113.62493 14
29 北京&天津 39.90420 116.40740 15
30 西安 34.34126 108.93982 15
31 郑州 34.74725 113.62493 16
32 重庆 29.56470 106.55071 16
33 北京&天津 39.90420 116.40740 17
34 重庆 29.56470 106.55071 17
35 武汉 30.59276 114.30524 18
36 广州&深圳 23.02067 113.75178 18
37 上海 31.23039 121.47370 19
38 武汉 30.59276 114.30524 19
39 上海 31.23039 121.47370 20
40 郑州 34.74725 113.62493 20
41 北京&天津 39.90420 116.40740 21
42 广州&深圳 23.02067 113.75178 21
43 上海 31.23039 121.47370 22
44 重庆 29.56470 106.55071 22
45 昆明 24.87966 102.83321 23
46 广州&深圳 23.02067 113.75178 23
47 武汉 30.59276 114.30524 24
48 成都 30.57022 104.06477 24
49 郑州 34.74725 113.62493 25
50 成都 30.57022 104.06477 25
51 西安 34.34126 108.93982 26
52 成都 30.57022 104.06477 26
53 北京&天津 39.90420 116.40740 27
54 成都 30.57022 104.06477 27
55 成都 30.57022 104.06477 28
56 昆明 24.87966 102.83321 28
57 西安 34.34126 108.93982 29
58 武汉 30.59276 114.30524 29
59 成都 30.57022 104.06477 30
60 广州&深圳 23.02067 113.75178 30
61 上海 31.23039 121.47370 31
62 成都 30.57022 104.06477 31
63 哈尔滨 45.80218 126.53582 32
64 重庆 29.56470 106.55071 32
65 哈尔滨 45.80218 126.53582 33
66 广州&深圳 23.02067 113.75178 33
3) 绘图
下面我们的核心绘图代码如下，想要连接不同的线，我们只是变了数据中选取的行，如：dat_plot[1:22, ]。
## 11线
ggplot() +
geom_path(data = china, aes(long, lat, group = group), color = '#FD9FA4', show.legend = F) +
geom_point(data = mat.cities, aes(x = long, y = lat, size = population), alpha = 0.8, color = '#8BB6D6') +
geom_line(data = dat_plot[1:22, ], aes(long, lat, group = group), size = 1, alpha = 0.8, color = '#8BB6D6') +
geom_text_repel(data = mat.cities, aes(x = long, y = lat, label = names), family = "STHeiti") +
labs(x = '经度', y = '纬度', text = element_text(family = "STHeiti"),
plot.title = element_text(hjust = 0.5))
## 16线
ggplot() +
geom_path(data = china, aes(long, lat, group = group), color = '#FD9FA4', show.legend = F) +
geom_point(data = mat.cities, aes(x = long, y = lat, size = population), alpha = 0.8, color = '#8BB6D6') +
geom_line(data = dat_plot[1:32, ], aes(long, lat, group = group), size = 1, alpha = 0.8, color = '#8BB6D6') +
geom_text_repel(data = mat.cities, aes(x = long, y = lat, label = names), family = "STHeiti") +
labs(x = '经度', y = '纬度', text = element_text(family = "STHeiti"),
plot.title = element_text(hjust = 0.5))
## 33线
ggplot() +
geom_path(data = china, aes(long, lat, group = group), color = '#FD9FA4', show.legend = F) +
geom_point(data = mat.cities, aes(x = long, y = lat, size = population), alpha = 0.8, color = '#8BB6D6') +
geom_line(data = dat_plot[1:66, ], aes(long, lat, group = group), size = 1, alpha = 0.8, color = '#8BB6D6') +
geom_text_repel(data = mat.cities, aes(x = long, y = lat, label = names), family = "STHeiti") +
labs(x = '经度', y = '纬度', text = element_text(family = "STHeiti"),
plot.title = element_text(hjust = 0.5))
绘图过程没有什么好说的了，里面使用的函数与方法都在前面的博客中提及过：
唯一添加的连线所使用的函数：geom_line，里面只需注意多了一个参数group，记得添加即可。
4) 结果展示
最后的16条连线与33条连线的效果图分别如下所示：
16条连线：
33条连线：
以上就是数模技巧ggplot2不用for循环实现地图上连线的详细内容，更多关于ggplot2在地图上连线数模技巧的资料请关注服务器之家其它相关文章！
原文链接：https://kanny.blog.csdn.net/article/details/84645127
