大城市人口增长速度🦚

效果展示

上图即为最终效果

下载数据

将代码中的~/文档/更换为要保存的目录。

1
2

download.file("https://raw.githubusercontent.com/QGQ931001/git-tutorial/master/bigcity/data-bKvwd.csv", destfile = "~/文档/data-bKvwd.csv" )
download.file("https://raw.githubusercontent.com/QGQ931001/git-tutorial/master/bigcity/world.geo.json", destfile = "~/文档/world.geo.json" )

加载R包

需要的R包如下所示。

library(sf)
library(readr)
library(tidyverse)
library(hrbrthemes)
library(ggtext)

读取各大城市人口数据并计算年平均人口增长率

worldmap为josn格式的地图数据，st_transform为进行投影坐标变换的函数。

1 2	worldmap <- read_sf('/home/qgq/文档/world.geo.json') %>% st_transform(crs = 4326)

data-bKvwd包含了世界多个城市的经纬度信息以及多年份的人口数据。
dplyr::select函数主要用于筛选data-bKvwd中的4个关键变量，包含经纬度(Lon, Lat)，以及2000年和2016年的人口数据。
st_as_sf是sf包中的函数，其将外来对象转换为sf对象，最终数据存储为con_df。
con_df$growth.rate表示在con_df数据框¹中添加一个growth.rate变量，也可以进行对数增长率的计算。

read_csv('~/文档/data-bKvwd.csv') %>%
  dplyr::select(Lat, Lon, `2000`,`2016`) %>%
  st_as_sf(coords = c("Lon", "Lat"), crs = 4326) -> con_df
con_df$growth.rate <- (as.numeric(con_df$`2016`)-as.numeric(con_df$`2000`))/as.numeric(con_df$`2000`)/17
con_df$log.growth.rate <- log(as.numeric(con_df$`2016`)/as.numeric(con_df$`2000`))/17

对数据进行离散化处理

连续的数据虽然包含更多信息，但是糅合一些离散化的策略，使用颜色或其它图形属性表征，能呈现出更直观的信息。使用mutate函数将growth.rate离散化为interval。

con_df <- con_df %>% mutate(
    interval = case_when(
      growth.rate < 0 ~ "负增长",
      growth.rate >= 0 & growth.rate < 0.025 ~ "0～2.5%",
      growth.rate >= 0.025 & growth.rate < 0.05 ~ "2.5%～5%",
      growth.rate >= 0.05  ~ "5%以上"
    )
  )

与此同时，计算出growth.rate的最大值用于辅助分段。

1
2
3

max.gr <- as.numeric(
  max(con_df$growth.rate,na.rm = T))  #>求growth.rate的最大值
mybreaks <- c(0, 0.025, 0.05,max.gr) #>进行分段

绘图

代码如下，图见上文。

ggplot(worldmap) +
  geom_sf(size = 0.1, color = "#708090", fill = "grey",alpha=0.05) +
  geom_sf(data = con_df,  aes(size = abs(growth.rate),
                              color = interval,
                              alpha = abs(growth.rate))) +
  scale_size_continuous(name = "Average Growth Rate",
                        range = c(2,2.41*4),
                        breaks = mybreaks)  +
  scale_alpha_continuous(name = "Average Growth Rate",
                         range = c(0.4,0.7),
                         breaks = mybreaks) +
  scale_color_manual(values = c("#D9EF8B", "#A6D96A", "#66BD63","#D73027")) +
  coord_sf(crs = "+proj=eck4")+
  theme_minimal(base_family = "Roboto") +
  theme(
    axis.text = element_blank(),
    axis.title = element_blank(),
    panel.grid = element_blank(),
    legend.position = "none",
    plot.caption = element_text(color = "#708090", face = "italic",family = "Times New Roman",size = 11,hjust = 0.95),
    plot.title = element_text(color = "#708090",family = "Times New Roman", size = 19))+
  labs(title = "How fast do big cities grow?",
       subtitle = "<b style='color:#D73027'>Negative Growth</b> / <b style='color:#D9EF8B'>0~2.5%</b> /
       <b style='color:#A6D96A'>2.5%~5%</b> / <b style='color:#66BD63'>5% Plus</b>",
       caption = "Data Source: How fast do big cities grow?")+
  theme(plot.subtitle = element_markdown(lineheight = 1.1))

可以通过class(con_df)查看con_df属于哪些类↩︎