地图本身就是可视化的产品,并在发展过程中形成了一系列的理论与方法。
这些都自然地会成为地理空间数据可视化技术的基础。
地图学也因可视化方法的提出而获得新的动力。
GIS也因可视化的支持而为研究者提供了促使逻辑思维与形象思维相结合的认知工具。
之前我们为一位客户进行了短暂的咨询工作，他正在构建一个知识单元地理数据可视化的应用程序。地理数据包含了地理点数据和地理面数据。在文献中，地理面数据表示作者的国家或者区域，地理点数据表示具体的地址,即作者的研究机构所在的地方。
知识单元地理数据可视化
为此我们采集了一些学者的成果和地理位置数据，进行可视化
#读取数据
data=read.csv("聚类.csv",header=F )
读取地图文件
绘制中国地图
#读取城市名称
city=sapply(strsplit(as.character(data$V2),","),function(x)x[1])
#读取省名称
province=sapply(strsplit(as.character(data$V2),","),function(x)x[2])
绘制地理面数据
plot(x,col=getColor(x,provname,clindexcol,"white"));
随时关注您喜欢的主题
获取地理点数据
地理点数据表示具体的地址,即作者的研究机构所在的地方。
points(dat$Longitude , dat$Latitude, pch = 19, col=provcol)
#標注地理位置
text(dat$Longitude,dat$Latitude, as.character(dat$城市), cex = 0.8 , pos
legend
可下载资源
关于作者
Kaizong Ye是拓端研究室（TRL）的研究员。在此对他对本文所作的贡献表示诚挚感谢，他在上海财经大学完成了统计学专业的硕士学位，专注人工智能领域。擅长Python.Matlab仿真、视觉处理、神经网络、数据分析。
本文借鉴了作者最近为《R语言数据分析挖掘必知必会 》课堂做的准备。
非常感谢您阅读本文，如需帮助请联系我们！
R语言拟合线性混合效应模型、固定效应、随机效应参数估计可视化生物生长、发育、繁殖影响因素
R语言SVM模型用大学生行为数据对助学金精准资助预测ROC可视化
R语言《红楼梦》文本挖掘：词频统计、词云可视化及前后对比分析
