流行病學(xué)的數(shù)據(jù)講究“三間分布”，即人群分布、時(shí)間分布和空間分布。其中的“空間分布”最好是在地圖上展示，才比較清楚。R軟件集統(tǒng)計(jì)分析與高級(jí)繪圖于大成，是最適合做這項(xiàng)工作了。關(guān)于地圖的繪制過(guò)程，謝益輝、邱怡軒和陳麗云等人都早有文章講述，開(kāi)R地圖中文教程之先河。由于目前指導(dǎo)畢業(yè)論文用到，因此研究了一下。本來(lái)因?yàn)榫W(wǎng)上教程很多，曾打消了寫(xiě)些文字的計(jì)劃，但怡軒版主鼓勵(lì)說(shuō)“教程者眾，整合者鮮”，所以才戰(zhàn)勝拖延癥，提起拙筆綜述整合一下，并對(duì)DIY統(tǒng)計(jì)GIS地圖提出了一點(diǎn)自己的想法。

1 地圖GIS數(shù)據(jù)的來(lái)源與R繪制軟件包

中國(guó)地圖GIS數(shù)據(jù)的官方數(shù)據(jù)可以在國(guó)家基礎(chǔ)地理信息中心的網(wǎng)站（http://nfgis.）里面可以免費(fèi)下載。官方公開(kāi)的數(shù)據(jù)包括：地圖數(shù)據(jù)，及居住地、交通、河流等輔助數(shù)據(jù)。今年6月開(kāi)始，官方正組織開(kāi)始制作新版數(shù)據(jù)。老數(shù)據(jù)暫時(shí)無(wú)法下載，讀者要自行百度搜索，本文以舊版數(shù)據(jù)為例。舊版地圖數(shù)據(jù)中部分地名和地市區(qū)劃已經(jīng)過(guò)時(shí)，使用時(shí)需注意。

地圖數(shù)據(jù)有4個(gè)壓縮文件：bou1_4m.zip、bou2_4m.zip、bou3_4m.zip和bou4_4m.zip。bou代表邊界的意思，數(shù)字1~4代表國(guó)家、省、市、縣的4級(jí)行政劃分；4m代表比例是400萬(wàn)分之一，這個(gè)比例的圖形是公開(kāi)的。每個(gè)文件解壓縮后含有兩類文件：以字母p結(jié)尾的表示多邊形數(shù)據(jù)，用來(lái)繪制區(qū)域；以字母l結(jié)尾的文件是線形數(shù)據(jù)，用來(lái)繪制邊界。但是老版數(shù)據(jù)中，市級(jí)數(shù)據(jù)中缺少繪制區(qū)域的多邊形數(shù)據(jù)，讓市級(jí)分布圖的繪制稍麻煩一些，新版中也許會(huì)有改進(jìn)。

用R繪制地圖比較簡(jiǎn)單。比如畫(huà)一下全國(guó)范圍的區(qū)域，可以用如下代碼：

library(maptools)
mydat = readShapePoly("maps/bou1/bou1_4p.shp")
plot(mydat)

但是，可以看出這樣繪制的地圖的形狀有些扁平。這是因?yàn)?，在繪圖的過(guò)程中，默認(rèn)把經(jīng)度和緯度作為普通數(shù)據(jù)，均勻平等對(duì)待，繪制在笛卡爾坐標(biāo)系上造成的。其實(shí)，地球的球面圖形如何映射到平面圖上，在地理學(xué)上是有一系列不同的專業(yè)算法的。地圖不應(yīng)該畫(huà)在普通的笛卡爾坐標(biāo)系上，而是要畫(huà)在地理學(xué)專業(yè)的坐標(biāo)系上。在這一點(diǎn)上，R的ggplot2包提供了專門的coord_map()函數(shù)。所以推薦R的ggplot2包來(lái)繪制地圖。

library(ggplot2)
mymap = ggplot(data = fortify(mydat)) +
    geom_polygon(aes(x = long, y = lat, group = id), colour = "black",
                 fill = NA) +
    theme_grey()
print(mymap + coord_map())

這次中國(guó)地圖的形狀與百度地圖一樣了。

ggplot2包的coord_map函數(shù)默認(rèn)的映射類型是mercator。如果有其他需要，可以使用其他的映射類型來(lái)繪制地圖，如：

mymap + coord_map(projection = "azequidistant")

coord_map函數(shù)的映射類型及其含義可以通過(guò)下列代碼查詢幫助，一般我們用默認(rèn)的就可以。

library(mapproj)
?mapproject

2 GIS地圖的數(shù)據(jù)結(jié)構(gòu)及省市地圖的繪制

GIS地圖有很多種存儲(chǔ)格式，其中shapefile格式（.shp）可以通過(guò)R的maptools包打開(kāi)。其他格式可以去R官網(wǎng)查詢相應(yīng)的軟件包。

地圖數(shù)據(jù)基本可以分為點(diǎn)、線、面三種數(shù)據(jù)，在maptools包內(nèi)分別有對(duì)應(yīng)的函數(shù)來(lái)讀?。?code style="max-width: 100%; word-wrap: break-word !important; box-sizing: border-box !important; margin: 0px; padding: 0px 8px; border: 0px; font: inherit; vertical-align: baseline; line-height: 1.5; ">readShapePoints、readShapeLines和readShapePoly函數(shù)）。首先以面（poly）型數(shù)據(jù)介紹。先看代碼，通過(guò)readShapePoly函數(shù)讀入省級(jí)地圖：

library(maptools)
mydat = readShapePoly("maps/bou2/bou2_4p.shp")

此時(shí)，mydat中保存的是各個(gè)省/直轄市的多邊形面圖，數(shù)據(jù)類型是SpatialPolygonsDataFrame。我們可以：

length(mydat)

## [1] 925

names(mydat)

## [1] "AREA" "PERIMETER" "BOU2_4M_" "BOU2_4M_ID" "ADCODE93"
## [6] "ADCODE99" "NAME"

可以發(fā)現(xiàn)mydat中有925條記錄，每條記錄中含有面積（AREA）、周長(zhǎng)（PERIMETER）、各種編號(hào)、中文名（NAME）等字段。其中中文名（NAME）字段是以GBK編碼的。

這個(gè)SpatialPolygonsDataFrame類型并不是真正的data.frame類型，而是一個(gè)sp包定義的類，只不過(guò)重載了 [] 和 $ 運(yùn)算符，使得一些行為上與data.frame相類似。

可以進(jìn)一步統(tǒng)計(jì)一下，每個(gè)省/直轄市的多邊形數(shù)目。

table(iconv(mydat$NAME, from = "GBK"))

## 
##           上海市           云南省     內(nèi)蒙古自治區(qū)           北京市 
##               12                1                1                1 
##           臺(tái)灣省           吉林省           四川省           天津市 
##               57                1                1                1 
##   寧夏回族自治區(qū)           安徽省           山東省           山西省 
##                1                1               86                1 
##           廣東省   廣西壯族自治區(qū) 新疆維吾爾自治區(qū)           江蘇省 
##              154                6                1                5 
##           江西省           河北省           河南省           浙江省 
##                1                9                1              179 
##           海南省           湖北省           湖南省           甘肅省 
##               79                1                1                1 
##           福建省       西藏自治區(qū)           貴州省           遼寧省 
##              168                1                2               94 
##           重慶市           陜西省           青海省   香港特別行政區(qū) 
##                1                1                1               53 
##         黑龍江省 
##                1

我的環(huán)境是UTF-8，所以需要iconv函數(shù)轉(zhuǎn)化一下才能正常顯示。

結(jié)果顯示多數(shù)省的地圖都是由一個(gè)多邊形構(gòu)成，少數(shù)臨海省/直轄市由于有很多附屬島嶼，多邊形數(shù)目比較多。

利用與data.frame相似的 [] 和 $ 運(yùn)算符操作，我們可以迅速提取出一個(gè)省市的數(shù)據(jù)，比如上海及附屬崇明島：

Shanghai = mydat[mydat$ADCODE99 == 310000,]
plot(Shanghai)

其中ADCODE99是國(guó)家基礎(chǔ)地理信息中心定義的區(qū)域代碼，共有6位數(shù)字，由省、地市、縣各兩位代碼組成。

為了進(jìn)一步在ggplot2包中繪圖，需要把SpatialPolygonsDataFrame數(shù)據(jù)類型轉(zhuǎn)化為真正的data.frame類型才可以。ggplot2包專門針對(duì)地理數(shù)據(jù)提供了特化版本的fortify函數(shù)來(lái)做這個(gè)工作：

head(fortify(Shanghai))

##    long   lat order  hole piece group  id
## 1 121.3 31.85     1 FALSE     1 208.1 208
## 2 121.3 31.85     2 FALSE     1 208.1 208
## 3 121.3 31.85     3 FALSE     1 208.1 208
## 4 121.3 31.85     4 FALSE     1 208.1 208
## 5 121.3 31.84     5 FALSE     1 208.1 208
## 6 121.4 31.83     6 FALSE     1 208.1 208

3 在地圖上展示流行病學(xué)數(shù)據(jù)

3.1 一地名對(duì)應(yīng)一區(qū)域，長(zhǎng)沙為例

首先把長(zhǎng)沙所轄地區(qū)找到，這個(gè)可以根據(jù)ADCODE99編碼的前4位定位長(zhǎng)沙，去查表就可以了。但是這個(gè)地名是99年的標(biāo)準(zhǔn)，新版正在制定過(guò)程中，隨時(shí)會(huì)變。我們權(quán)且以此為例。如果找不到表，可以通過(guò)代碼在命令行下手工查找：

mydat = readShapePoly("maps/bou4/BOUNT_poly.shp")
tmp = iconv(mydat$NAME99, from = "GBK")
grep("長(zhǎng)沙", tmp, value = TRUE)

## [1] "長(zhǎng)沙縣"       "長(zhǎng)沙市市轄區(qū)"

grep("長(zhǎng)沙", tmp)

## [1] 2122 2183

mydat$ADCODE99[grep("長(zhǎng)沙", tmp)]

## [1] 430121 430101
## 2368 Levels: 0 110100 110112 110113 110221 110224 110226 110227 ... 820000

這樣我們就知道了長(zhǎng)沙ADCODE99編碼的前4位是4301，其中43代表湖南省，01就是長(zhǎng)沙市。接著就可以篩選出長(zhǎng)沙的地圖數(shù)據(jù)：

Changsha = mydat[substr(as.character(mydat$ADCODE99), 1, 4) == "4301",]
mysh = fortify(Changsha, region = 'NAME99')
mysh = transform(mysh, id = iconv(id, from = 'GBK'), group = iconv(group, from = 'GBK'))
head(mysh, n = 2)

##    long   lat order  hole piece          group           id
## 1 113.1 28.18     1 FALSE     1 長(zhǎng)沙市市轄區(qū).1 長(zhǎng)沙市市轄區(qū)
## 2 113.1 28.18     2 FALSE     1 長(zhǎng)沙市市轄區(qū).1 長(zhǎng)沙市市轄區(qū)

names(mysh)[1:2] = c("x","y")   #這句是不得已而為之的黑魔法

接著我們給一串隨機(jī)數(shù)當(dāng)成是流行病學(xué)數(shù)據(jù)，并用顏色填充到地圖上。

myepidat = data.frame(id = unique(sort(mysh$id)))
myepidat$rand = runif(length(myepidat$id))
myepidat

##             id    rand
## 1       寧鄉(xiāng)縣 0.98076
## 2       望城縣 0.32123
## 3       瀏陽(yáng)市 0.66957
## 4       長(zhǎng)沙縣 0.09655
## 5 長(zhǎng)沙市市轄區(qū) 0.19437

csmap = ggplot(myepidat) +
    geom_map(aes(map_id = id, fill = rand), color = "white", map = mysh) +
    scale_fill_gradient(high = "darkgreen",low = "lightgreen") +
    expand_limits(mysh) + coord_map()
print(csmap)

接下來(lái)的工作就是添加地名，sp包提供了coordinates函數(shù)，來(lái)計(jì)算地圖的中心坐標(biāo)：

tmp = coordinates(Changsha)
print(tmp)

##       [,1]  [,2]
## 2121 113.2 28.32
## 2134 113.7 28.23
## 2136 112.8 28.29
## 2149 112.3 28.13
## 2182 113.0 28.17

tmp = as.data.frame(tmp)
tmp$names = iconv(Changsha$NAME99, from = 'GBK')
print(tmp)

##         V1    V2        names
## 2121 113.2 28.32       長(zhǎng)沙縣
## 2134 113.7 28.23       瀏陽(yáng)市
## 2136 112.8 28.29       望城縣
## 2149 112.3 28.13       寧鄉(xiāng)縣
## 2182 113.0 28.17 長(zhǎng)沙市市轄區(qū)

csmap + geom_text(aes(x = V1,y = V2,label = names), family = "GB1", data = tmp)

如果需要支持更多字體，可以配合使用showtext包。

3.2 內(nèi)陸省份的地市級(jí)圖的情況

如果國(guó)家基礎(chǔ)地理信息中心的GIS地圖數(shù)據(jù)的地市文件bou3_4m.zip中含有polygon文件，那么我們就可以根據(jù)上一節(jié)的內(nèi)容繪制省內(nèi)陸市級(jí)分布圖了。官方恰恰缺少了這個(gè)文件，給繪圖造成了麻煩。解決方案有兩個(gè)：一個(gè)是另辟蹊徑，從非官方的www.gadm.org下載一份shp格式的中國(guó)地圖來(lái)繪制；另一個(gè)解決方案是從官方發(fā)布的縣級(jí)地圖入手，根據(jù)ADCODE99編碼適當(dāng)合并，繪制省內(nèi)陸市分布圖，同時(shí)利用bou3_4m.zip僅存的邊界文件繪制邊界。

相信官方新版本的GIS地圖數(shù)據(jù)會(huì)包含舊版本所缺失的這份文件。目前還是建議暫時(shí)使用gadm的省級(jí)地圖。舊版官方地圖信息比較陳舊落后，比如湖南沒(méi)有標(biāo)注出湘西州的規(guī)劃。

3.3 一地名對(duì)應(yīng)多區(qū)域，上海為例

中國(guó)很多沿海省/直轄市有很多附屬島嶼，導(dǎo)致地名和區(qū)域（Polygon）存在一對(duì)多的情況。這種情況下，在fortify處理數(shù)據(jù)的時(shí)候一定要特別注意索引與多邊形一一對(duì)應(yīng)，同時(shí)又要保持地名信息，黑魔法在代碼中：

# mydat = readShapePoly("maps/bou4/BOUNT_poly.shp")
Shanghai = mydat[substr(as.character(mydat$ADCODE99), 1, 2) == '31',]
mysh = fortify(Shanghai, region = 'NAME99')
mysh = transform(mysh, id = iconv(id, from = 'GBK'), group = iconv(group, from = 'GBK'))
head(mysh)

##    long   lat order  hole piece    group     id
## 1 121.2 31.85     1 FALSE     1 崇明縣.1 崇明縣
## 2 121.3 31.85     2 FALSE     1 崇明縣.1 崇明縣
## 3 121.3 31.85     3 FALSE     1 崇明縣.1 崇明縣
## 4 121.3 31.85     4 FALSE     1 崇明縣.1 崇明縣
## 5 121.3 31.85     5 FALSE     1 崇明縣.1 崇明縣
## 6 121.3 31.84     6 FALSE     1 崇明縣.1 崇明縣

# 黑魔法在此
names(mysh)[c(1, 2, 6, 7)] = c("x", "y", "id", "code")

myepidat = data.frame(id = unique(sort(mysh$id)))
# 隨機(jī)數(shù)字替代數(shù)據(jù)
myepidat$rand = runif(length(myepidat$id))

# 官方地圖區(qū)劃比較落后過(guò)時(shí)，目前上海是16區(qū)1縣，神碼“市直轄5區(qū)”的稱呼已經(jīng)過(guò)時(shí)。
myepidat

##                id    rand
## 1  上海市市轄區(qū).1 0.21673
## 2  上海市市轄區(qū).2 0.74173
## 3  上海市市轄區(qū).3 0.02462
## 4  上海市市轄區(qū).4 0.20619
## 5  上海市市轄區(qū).5 0.89970
## 6        南匯縣.1 0.77084
## 7        嘉定區(qū).1 0.21771
## 8        奉賢縣.1 0.91729
## 9        崇明縣.1 0.04879
## 10       崇明縣.2 0.02462
## 11       崇明縣.3 0.03397
## 12       崇明縣.4 0.72591
## 13       崇明縣.5 0.72059
## 14       崇明縣.6 0.43981
## 15       松江區(qū).1 0.18296
## 16       金山區(qū).1 0.78371
## 17       金山區(qū).2 0.88552
## 18       閔行區(qū).1 0.54186
## 19       青浦縣.1 0.12003

ggplot(myepidat) + geom_map(aes(map_id = id, fill = rand), map = mysh) +
    expand_limits(mysh) + coord_map()

3.4 其他問(wèn)題

如果需要縣級(jí)以下的地圖GIS數(shù)據(jù)，比如街道、鄉(xiāng)村的地圖，國(guó)家地理信息中心并不提供。要么去民政部索取，要么自己繪制。

另外，提醒大家，流行病學(xué)數(shù)據(jù)并不是僅僅畫(huà)在地圖上就完事了。針對(duì)空間數(shù)據(jù)，R里面有很多空間數(shù)據(jù)的分析軟件包。推薦Roger S. Bivand的《Applied Spatial Data Analysis with R》，尤其是里面第11章“Disease Mapping”，對(duì)醫(yī)學(xué)背景同學(xué)很有益處。如果能找到一個(gè)地理資源環(huán)境學(xué)院的研究生一同討論的話就更好了。畢竟，它山之石可以攻玉，我們要承認(rèn)自己的不足。

4 自己繪制簡(jiǎn)單的GIS地圖

在制作流行病學(xué)統(tǒng)計(jì)地圖的過(guò)程中，對(duì)于很多區(qū)、街道、鄉(xiāng)村級(jí)別的地圖，無(wú)法獲得GIS數(shù)據(jù)。很多人的做法是到百度地圖上用繪圖軟件摹描出區(qū)域線圖，然后再把自己的數(shù)據(jù)計(jì)算成相應(yīng)顏色，再手工填充顏色繪成統(tǒng)計(jì)地圖。這個(gè)過(guò)程枯燥繁瑣，而且數(shù)據(jù)映射成顏色的時(shí)候容易出錯(cuò)。不如把你已經(jīng)描好的線圖，制成shp格式的GIS數(shù)據(jù)地圖，分享給大家用。辛苦你一個(gè)，幸福千萬(wàn)家。這個(gè)過(guò)程其實(shí)有專業(yè)的GIS軟件可以做，若你能找到專業(yè)人士，就直接“幸福千萬(wàn)家”了。

如果地圖結(jié)構(gòu)簡(jiǎn)單，我們可以“土法”來(lái)做。先去NIH（美國(guó)國(guó)立衛(wèi)生研究院）網(wǎng)站下載一個(gè)免費(fèi)的圖像軟件ImageJ，用來(lái)采集地區(qū)邊界數(shù)據(jù)。然后再把采集好的數(shù)據(jù)在R軟件里面把像素坐標(biāo)換算成地理坐標(biāo)，在利用R軟件sp包和maptools的函數(shù)整合成SpatialPolygonsDataFrame，最后保存為shp格式的地圖文件。

我們以起點(diǎn)中文網(wǎng)小說(shuō)《江山美人志》開(kāi)篇所附地圖為例，繪制虛擬世界里面“中南郡”的GIS地圖。為了和實(shí)際問(wèn)題類似，我在地圖中畫(huà)上了參考坐標(biāo)線。

利用ImageJ“點(diǎn)”工具，同時(shí)按住Shift鍵一次批量多點(diǎn)采樣，再點(diǎn)擊分析菜的測(cè)量，最后保存結(jié)果。

ImageJ采集的點(diǎn)坐標(biāo)是位圖像素相對(duì)坐標(biāo)，為了能換算為地理經(jīng)緯度坐標(biāo)。我們先采集圖上參考坐標(biāo)線上的經(jīng)緯交點(diǎn)坐標(biāo)，在R中建立換算關(guān)系：

mg_pos = data.frame(x = c(103,103,403,403), y = c(75,275,75,275))
real_pos = data.frame(x = c(105,105,115,115), y = c(27,20,27,20))

data_x = data.frame(img = img_pos$x, rel = real_pos$x)
data_y = data.frame(img = img_pos$y, rel = real_pos$y)

lm_x = lm(rel~img, data = data_x)
lm_y = lm(rel~img, data = data_y)

mytrans_x = function(myimg) {
     predict(lm_x, newdata = data.frame(img = myimg))
}
mytrans_y = function(myimg) {
     predict(lm_y, newdata = data.frame(img = myimg))
}

然后，再利用ImageJ軟件對(duì)中南郡的每個(gè)區(qū)域輪廓線單獨(dú)描邊采樣，這樣做的缺點(diǎn)就是兩個(gè)區(qū)域相鄰邊會(huì)有些不一致，出現(xiàn)小幅的咬合錯(cuò)位現(xiàn)象，但這個(gè)對(duì)美觀影響不大。優(yōu)點(diǎn)是大大節(jié)省時(shí)間。

把每個(gè)區(qū)域的邊界保存在單獨(dú)的文件中。然后在R中把這些數(shù)據(jù)轉(zhuǎn)化為GIS數(shù)據(jù)，保存為shp格式的標(biāo)準(zhǔn)地圖文件。關(guān)于代碼中函數(shù)的意義及范例（比我的代碼更清晰），請(qǐng)參考sp和maptools包的幫助文件。

library(maptools)

myfiles = c("Jiana.xls", "Kutedan.xls", "Miyaluo.xls", "Woda.xls", "Yada.xls")
mypolys = lapply(myfiles,
                 function(x) {
                     tmp = read.table(paste0("data/", x));
                     tmp = rbind(tmp, tmp[1, ]);
                     tmp$X = mytrans_x(tmp$X);
                     tmp$Y = mytrans_y(tmp$Y);
                     tmp
                 })

mynames = sub(".xls$", "", myfiles)
names(mypolys) = mynames

myPolygons = lapply(mynames,
                    function(x) {
                        tmp = mypolys[[x]];
                        Polygons(list(Polygon(cbind(tmp$X, tmp$Y))), x)
                    })

mySpn = SpatialPolygons(myPolygons)
myCNnames = c("嘉納", "庫(kù)特丹", "米亞洛", "沃達(dá)", "雅達(dá)")
myshpdata = SpatialPolygonsDataFrame(mySpn,
                                     data = data.frame(
                                         Names = mynames,
                                         CNnames = myCNnames,
                                         row.names = row.names(mySpn)))

# 我們要注意到：SpatialPolygonsDataFrame類的data成員的字段是可以自定義的，
# 這個(gè)是暴露給names函數(shù)以及$、[]運(yùn)算符的。
writePolyShape(x = myshpdata, fn = "data/myDIYmap_poly")

這樣我們?cè)诰统晒Ρ４媪藄hp格式的地圖文件（一共生成三個(gè)文件，一個(gè)shp文件，兩個(gè)輔助文件）。生成的地圖文件可以留給別人用，也可以正常打開(kāi)繪圖了。

mydat = readShapePoly("data/myDIYmap_poly.shp")
plot(mydat)

可以發(fā)現(xiàn)，在區(qū)域相鄰的邊界，有咬合分離現(xiàn)象，這是由于我們采樣的時(shí)候，每個(gè)區(qū)單獨(dú)描邊，產(chǎn)生了共享邊的不一致。不過(guò)，我們繪制地圖是為了展示流行病學(xué)數(shù)據(jù)，這個(gè)誤差是可以接受的。

library(ggplot2)
mysh = fortify(mydat, region = "CNnames")
names(mysh)[1:2] = c("x", "y")
myepidat = data.frame(id = unique(sort(mysh$id)))
myepidat$rand = runif(length(myepidat$id))
tmp = coordinates(mydat)
tmp = as.data.frame(tmp)
tmp$names = mydat$CNnames
ggplot(myepidat) + geom_map(aes(map_id = id, fill = rand), color = "white", map = mysh) +
    geom_text(aes(x = V1,y = V2,label = names), family = "GB1", data = tmp)+
    scale_fill_gradient(high = "red", low = "yellow") +
    expand_limits(mysh) + coord_map()

如上，畫(huà)成統(tǒng)計(jì)地圖，還算美觀。

如果非要消除這種邊界交錯(cuò)的不完美，就需要預(yù)先制定規(guī)劃，在位圖上分段采集邊界線，再拼接組合成區(qū)域輪廓。由于共享邊只采集一次，你能得到邊界完美的地圖。問(wèn)題是，隨著地圖區(qū)域增多，你將在輪廓的拼接組合上，面臨幾何級(jí)數(shù)增長(zhǎng)的復(fù)雜度。不過(guò)，離開(kāi)現(xiàn)實(shí)的功利和脅迫，去追求完美，不也是推動(dòng)這個(gè)世界前進(jìn)的原動(dòng)力么？

5 小結(jié)

盡管我在寫(xiě)作中使用了這個(gè)星球上最強(qiáng)大的knitr軟件包來(lái)保證本文的可重復(fù)性，但是隨著官方新版數(shù)據(jù)在未來(lái)的發(fā)布，數(shù)據(jù)的字段名稱甚至組織布局將會(huì)有些變化，也會(huì)使本文代碼無(wú)法直接拷貝運(yùn)行。還是希望讀者能自己掌握R，以無(wú)招勝有招。

原文鏈接： http:///2014/08/r-maps-for-china/