R 最易上手地图教程(2)：leaflet包

作者： 李誉辉

四川大学在读研究生

将变量映射到颜色是地理信息可视化的一个重要组成部分。
为了实现数值映射到颜色色值，leaflet中内置了一些 color* 开头的函数,
非常方便将数值变量与颜色进行匹配，然后产生一个palette函数。
这些palette函数, 能够根据输入数字向量返回一个 ARGB颜色空间 的向量。
ARGB颜色空间与HEX颜色空间类似，如“#AARRGGBB”中，前2个十六进制的数代表透明度，
后面三组数字分别代表Red, green, blue。具体见（ https://coderwall.com/p/dedqca/argb-colors-in-android ）。
leaflet 中有4个palette生成函数。

• colorNumeric() , colorBin() 和 colorQuantile() ,(均针对连续数字变量)。
  

• colorFactor() ,(针对类别型变量)。

使用方法如下：

1library(leaflet)
2
3# 调动颜色函数，生成一个palette函数
4pal "red", "green", "blue"), 1:10)
5# 给色板函数传进一个数字向量，返回颜色色值向量。
6pal(c(1, 6, 9))

1## [1] "#FF0000" "#52E74B" "#6754D8"

4个颜色函数拥有几个公共参数： palette 和 domain 。
palette 参数用于指定要与数据匹配的颜色向量，有下面几种指定形式：

• RColorBrewer 包中palette的名字，eg: “RdYlBu”, “Accent”, “Greens”。
  

• viridis 中的palette的名字，如：“viridis”, “magma”, “inferno”, “plasma”。
  

• 颜色向量，可以由色条函数生成，也可HEX色值组成的向量。
  如: palette() , topo.colors(10) ， c("#000000", "#0000FF", "#FFFFFF") 。
  

• 其它使用0到1之间的数字生成颜色向量的函数，
  如： colorRamp(c("#000000", "#FFFFFF"), interpolate = "spline")

domain 参数用于确定输入值的范围。
可以指定 domain = NULL ,则生成的palette函数没有预设范围，
当调用该palette函数时，会根据传入数据自动确定范围。
但当对不同数据应用同一个palette函数多次，最好具体指定 domain 参数为非null, 这样数据与颜色才会匹配。

alpha 用于指定透明度。
reverse ，为逻辑值，用于 翻转颜色 与输入数字变量的匹配顺序。

 1library(leaflet)
 2library(rgdal)
 3
 4filepath "E:/R_input_output/data_input/JSON/TopoJson/China.json"
 5# filepath 
 6# 结果一样
 7China_map FALSE)
 8# China_map 
 9Encoding(China_map@data$name) "UTF-8"  # 纠正中文字符乱码
10
11# 编造GDP向量
12set.seed(234)
13values_fabricate 34, 0.1, 0.9) * 2000  # 全国34个行政区
14China_map$GDP_fabricate NA)  # 经过China_map$name查询最后一个为占位
15
16map_draw % setView(lng = 106.33, lat = 29.35, zoom = 3.5)  # 以重庆城区经纬度为中心

1## OGR data source with driver: GeoJSON 
2## Source: "E:\R_input_output\data_input\JSON\TopoJson\China.json", layer: "中国"
3## with 35 features
4## It has 11 fields

7.2.1 连续型数据，连续型颜色( colorNumeric() )

首先，我们尝试将GDP值与RColorBrewer中的“Blues”色条进行匹配。
我们使用 colorNumeric() 函数创建一个映射函数。
“Blues”色条是仅仅包含9种颜色的离散色板，但是 colorNumeric() 函数能够插值然后返回连续性色板。
palette参数仅仅是一个颜色向量，只需要注意其中的元素顺序。不一定非要RColorBrewer色板，其它也行，
甚至自定义都行，如: c("white", "navy") 或 c("#FFFFFF", "#000080") ，
palette长度不等，长度为3也行，这样适合多级渐变，如diverging palette两极渐变。
甚至可以传递一个函数，指定数值在[0, 1]区间外应该返回的颜色。
第2个参数， domain , 用于指定与颜色向量匹配的输入数字。
对于 colorNumeric() 而言，可以用数字指定范围(最大值/最小值)，也可以用数字向量指定。
colorNumeric() 函数返回的结果， pal 色条函数，
可以接受在 range(countries$gdp_md_est) 范围内的数字向量，
然后返回ARGB格式的颜色向量。

1library




    
(leaflet)
2library(rgdal)
3
4Npal "YlGnBu", domain = China_map$GDP_fabricate)
5
6map_draw %>% addPolygons(stroke = TRUE, smoothFactor = 0.3, fillOpacity = 0.8, 
7    color = ~Npal(GDP_fabricate))  # 默认fillColor = color

7.2.2 连续型数据，离散型颜色( colorBin() , colorQuantile() )

colorBin() 相当于对数据切片分箱，将数字性向量数据与固定数量的颜色输出相匹配。
可以通过指定breaks分割点来分箱，也可以指定分箱数来分箱，通过参数 bin 。
注意在按分箱数分箱时，如果 pretty = TRUE （默认）,
将得到nice round的分割点，但是可能分箱数并不非你指定的。

1library(leaflet)
2
3Bpal "Blues", China_map$GDP_fabricate, 6, pretty = FALSE)
4
5map_draw %>% addPolygons(stroke = FALSE, smoothFactor = 0.2, fillOpacity = 1, 
6    color = ~Bpal(GDP_fabricate))

colorQuantile() 同样是对输入数据进行分箱，只是每个子集中的observation数量相等，
默认分成4个箱子，5个breaks。

1library(leaflet)
2
3Qpal "Blues", China_map$GDP_fabricate, n = 7)
4map_draw %>% addPolygons(stroke = FALSE, smoothFactor = 0.2, fillOpacity = 1, 
5    color = ~Qpal(GDP_fabricate))

对于类别型数据(categorical data), 使用 colorFactor() 函数生成色板函数。
如果palette包含的颜色数量与因子水平一致，则为一一对应匹配。
否则，palette中的颜色将会进行插值，然后产生合适数量的颜色。
可以通过给 domain 参数指定一个因子或字符串向量，或直接用 levels 参数指定因子水平。
levels 参数优先级比 domain 更高，如同时指定，则会忽略 domain 参数

 1




    
library(leaflet)
 2
 3# 生成一些随机levels
 4China_map$category as.factor(c(sample.int(5L, 34, TRUE),NA))
 5
 6Fpal 5), China_map$category) # 因为是因子对象，第2个参数与levels参数匹配
 7
 8leaflet(China_map) %>% 
 9  setView(lng = 106.33, lat = 29.35, zoom = 3.5) %>% # 以重庆城区经纬度为中心%>%
10  addPolygons(stroke = FALSE, smoothFactor = 0.2, fillOpacity = 1,
11    color = ~Fpal(category))

Leaflet包中，创建图例也非常方便，
这个小节中，我们将在Colors小节基础上创建图例。
使用 addLegend() 函数添加图例，最方便的方法是：
将 colorNumeric() 等函数产生的色板函数指定给 addLegend() 函数中的 pal 参数, 然后指定 values 参数，
就会自动计算图例箱体的颜色和刻度标签。

 1library(leaflet)
 2library(rgdal)
 3
 4filepath "E:/R_input_output/data_input/JSON/TopoJson/China.json"
 5# filepath 
 6China_map  7# China_map 
 8Encoding(China_map@data$name) "UTF-8" # 纠正中文字符乱码
 9
10# 编造GDP向量
11set.seed(234)
12values_fabricate 34, 0.1, 0.9) * 2000 # 全国34个行政区
13China_map$GDP_fabricate # 经过China_map$name查询最后一个为占位
14
15map_draw % 
16  setView(lng = 106.33, lat = 29.35, zoom = 3.5)  # 以重庆城区经纬度为中心
17
18Npal "YlGnBu", domain = China_map$GDP_fabricate)
19
20map_draw %>%
21




    
  addPolygons(stroke = FALSE, smoothFactor = 0.2, fillOpacity = 1,
22    color = ~Npal(GDP_fabricate)) %>%
23
24  addLegend("bottomright", pal = Npal, values = ~GDP_fabricate, # 生成图例
25    title = "China.GDP(fabricate)", # 图例标题
26    labFormat = labelFormat(prefix = "￥", suffix = "(亿元)"), # 标签增加前缀后缀
27    opacity = 1)

addLegend() 函数与palette函数的类型有关，
对不同类型的palette,会生成不同形式的图例。
比较上图中基于 colorNumeric() 函数生成的图例，
与下图中基于 colorQuantile() 生成的图例，可以发现：
后者显示大概范围，图例刻度标签也不同。

1library(leaflet)
2
3Qpal "RdYlBu", China_map$GDP_fabricate, n = 5, reverse = TRUE)  # 分位数分箱，5等分,reverse = TRUE翻转颜色
4map_draw %>% addPolygons(stroke = FALSE, smoothFactor = 0.2, fillOpacity = 1, 
5    color = ~Qpal(GDP_fabricate)) %>% addLegend(pal = Qpal, values = ~GDP_fabricate, 
6    opacity = 1)

addLegend() 还有其它几个参数，使得能够以多种方式定制图例，
还有 colors 和 labels 参数，具体指定可以定制与大图不一样颜色和标签图例。 还可以定制图例标题和 colors 的透明度。
使用 labFormat = labelFormat() 参数，在 labelFormat() 函数中，可以定制刻度标签显示。
如可以定制刻度标签中内的分隔符，保留小数位数，每个图例的prefix/suffix(前缀或后缀)。
如果你的刻度标签样式超出了 labelFormat() 函数多能提供的，
还可以使用自定义函数作为 labFormat 的参数。
具体见 ?addLegend() 。

leaflet 中有专门的函数来显示或隐藏layers，
用户能够自行设定要显示或隐藏哪些layers.
控制方式有2种：

• 使用Shiny,在Shiny中使用serve-side代码控制。
  笔者对Shiny了解不是很透彻，这里展开了, 详细见

（ https://rstudio.github.io/leaflet/shiny.html ）

• 在 add* 开头的图层添加函数内，设定 group 参数。
  然后使用 addLayersControl() 函数增加图层交互框。

group是layers上的一个标签，表示给layers分组。
在 add* 开头的函数中，通过 group 参数给layers赋予组别属性。格式如下：

1library(leaflet)
2
3leaflet() %>%
4  addTiles() %>%
5  addMarkers(data = coffee_shops, group = "Food & Drink") %>% # 指定group参数
6  addMarkers(data = restaurants, group = "Food & Drink") %>%
7  addMarkers(data = restrooms, group = "Restrooms")

一个group可以包含多个layers，但每个layer只能最多属于一个group。
Group与Layer IDs特点:

• layer IDs 是为了给每一个marker或shape提供单独的识别ID。
  通常用字符串向量指定markers或shapes的 layersId 。其向量长度与markers数量相同。
  

• 而 group 仅仅是一个字符串。
  

• 不同类型的特征的layer IDs可以相同，如markers与shapes可以是相同的 layerIds 。
  因为不同类型的特征其移除函数不同( remove* 和 clear* 开头的函数)，所有不会相互干扰。
  

• 如果给一个circle圆形指定一个layer ID，后续又给一个shape赋予同一个layer ID,
  那么前面的circle圆形将自动从地图中移除。
  

• 而groups分组是为了使不同的items属于同一个组别。
  

• 通常，我们将所有的 addMarkers() 命令分配到同一个组别。即根据类别进行分组。

• 后续使用另外的 addXXX() 也能添加到前面已经存在的group组别中。

在leaflet中，使用 addLayersControl() 函数添加layer切换开关。
这样在widget地图中就能用鼠标切换layers。如下图所示，widget上出现了一个按钮框。
一个widge地图中，只能设置一个layerControl交互框，如果存在多个则以最后一个为准。
关键参数：

• baseGroups , 可以在 baseGroups 内几个组别中切换，只能同时查看其中一个组别的图层。 圆形按钮为 baseGroups 选项。
  

• overlayGroups , 可以选择查看其中显示多个组别的图层或全部隐藏。
  勾选按钮为 overlayGroups 选项。
  

• options , 用 addLayerControl() 函数指定，可以通过 position 函数设置交互框的相对位置。

 1library(leaflet)
 2data(quakes)
 3
 4outline long, quakes$lat), ]  # 索引子数据框
 5
 6map % # 设置basegroup
 7addTiles(group = "OSM (default)") %>% addProviderTiles(providers$Stamen.Toner, 
 8    group = "Toner") %>% addProviderTiles(providers$Stamen.TonerLite, group = "Toner Lite") %>% 
 9    # 设置Overlay groups
10addCircles(~long, ~lat, ~10^mag/5, stroke = F, group = "Quakes") %>% addPolygons(data = outline, 
11    lng = ~long, lat = ~lat, fill = F, weight = 2, color = "#FFFFCC", group = "Outline") %>% 
12
13# 设置layers切换
14addLayersControl(baseGroups = c("OSM (default)", "Toner", "Toner Lite"), overlayGroups = c("Quakes", 
15    "Outline"), options = layersControlOptions(collapsed = FALSE))
16
17map

如果将markers clusters图标簇分成不同的group组。
当按照marker小节中那样添加markers时，
leaflet 就能根据group将markers分成不同的簇了。 这样就能设定不同组别的图标簇显示/隐藏了。

 1library(leaflet)
 2
 3quakes %
 4  #  mutate列运算，产生新列，新列名为mag.level
 5  dplyr::mutate(mag.level = cut(mag,c(3,4,5,6),  # 分箱，breaks为3,4,5,6。 
 6                                labels = c('>3 & <=4', '>4 & <=5'




    
, '>5 & <=6')))
 7
 8quakes.df # 将quakes根据mag.level分组,变成3个元素的列表
 9
10l % addTiles()
11
12names(quakes.df) %>%
13  purrr::walk( function(df) { # walk迭代，
14    l <% # 深度赋值，l会变成全局变量
15      addMarkers(data=quakes.df[[df]], # 闭包索引
16                 lng=~long, lat=~lat,
17                 label=~as.character(mag),
18                 popup=~as.character(mag),
19                 group = df,
20                 clusterOptions = markerClusterOptions(removeOutsideVisibleBounds = F),
21                 labelOptions = labelOptions(noHide = F,direction = 'auto'))
22  })
23
24l %>%
25  addLayersControl(
26    overlayGroups = names(quakes.df),
27    options = layersControlOptions(collapsed = FALSE)
28  )

walk 函数

https://d-rug.github.io/images/20171026/20171023_DRUG_map_walk.html#41

在 leaflet 中画等值线图非常容易，

首先需要加载JSON格式的数据，在JS中可以直接加载，
在R中，我们可以使用 geojsonio 包来加载JSON格式数据，并读取为 sp 对象。 在 sp 对象中，我们更加方便操纵地图特征。

 1library(leaflet)
 2library(rgdal)
 3
 4filepath "E:/R_input_output/data_input/JSON/TopoJson/China.json"
 5# filepath 
 6# 结果一样
 7China_map FALSE)
 8# China_map 
 9Encoding(China_map@data$name) "UTF-8"  # 纠正中文字符乱码
10
11




    
# 编造GDP向量
12set.seed(234)
13values_fabricate 34, 0.1, 0.9) * 2000  # 全国34个行政区
14China_map$GDP_fabricate NA)  # 经过China_map$name查询最后一个为占位
15
16map_draw % setView(lng = 106.33, lat = 29.35, zoom = 3.5)  # 以重庆城区经纬度为中心

1## OGR data source with driver: GeoJSON 
2## Source: "E:\R_input_output\data_input\JSON\TopoJson\China.json", layer: "中国"
3## with 35 features
4## It has 11 fields

 1library(leaflet)
 2
 3# 通过手动分箱添加颜色，这样就不是等分
 4bins 200, 500, 800, 1200, 1500, 1800) # 分箱的分割点
 5Bpal "YlOrRd", domain = China_map$GDP_fabricate, 
 6                 bins = bins) # 通过分箱生成palette函数
 7
 8map_draw %>%
 9  addPolygons(stroke = TRUE, smoothFactor = 0.2, 
10              fillOpacity = 0.7,
11              fillColor = ~Bpal(GDP_fabricate),
12              weight = 2,
13              opacity = 1,
14              color = "lime",
15              dashArray = "3") %>%
16
17  addLegend("bottomright", pal = Bpal, values = ~GDP_fabricate, # 生成图例
18    title = "China.GDP(fabricate)", # 图例标题
19    labFormat = labelFormat(prefix = "￥", suffix = "(亿元)"), # 标签增加前缀后缀
20    opacity = 1)

接下来给地图多边形增加交互性，要求当鼠标掠过多边形上时，多边形会高亮。
即在 addPolygons() 内设置高亮参数 highlight 。

 1library(leaflet)
 2
 3map_draw %>%
 4  addPolygons(stroke = TRUE, smoothFactor = 0.2, 
 5              fillOpacity = 0.7,
 6              fillColor = ~Bpal(GDP_fabricate),
 7              weight = 2,
 8              opacity = 1,
 9              color = "lime",
10              dashArray = "3",
11              highlight = highlightOptions(#  增加高亮参数
12                weight = 5,
13                color = "cyan",
14                dashArray = "",
15                fillOpacity = 0.3,
16                bringToFront = TRUE)
17              ) %>%
18
19  addLegend("bottomright", pal = Bpal, values = ~GDP_fabricate, # 生成图例
20    title = "China.GDP(fabricate)", # 图例标题
21    labFormat = labelFormat(prefix = "￥", suffix = "(亿元)"), # 标签增加前缀后缀
22    opacity = 1)

在Leaflet.js中，还可以设置当鼠标点击多边形区域时，放大该区域。
但R中还不行，除非可以在Shiny中设置。

接下来，我们将在地图上显示各州的名称和人口密度。
虽然在Shiny中，可以设置当鼠标悬浮在形状区域时，显示info。
然而，这次我们将使用 leaflet 内置函数中的labels特征来实现。
我们将使用一段HTML语法来产生labels， 然后将其传递给 lappy(htmltools::HTML) 。
这样leaflet就知道将所有labels当作HTML语法来处理，而不是纯文本。
同时，我们也会通过 labelOptions 参数来设置labels的风格。

 1library(leaflet)
 2
 3# sprintf 字符串格式化输出，%s表示将China_map$name当作字符串插入，%g表示小写e记法数字格式化。
 4labels sprintf( 
 5  "%s
%g people / m2", # HTML语法，
表示换行符，
 6  China_map$name, China_map$GDP_fabricate
 7) %>% 
 8
 9  lapply(htmltools::HTML) # 对向量labels中每个元素进行了HTML处理，全当作HTML处理
10
11map_draw_2 % 
12  addPolygons(
13    stroke = TRUE, smoothFactor = 0.2, 
14    fillOpacity = 0.7,
15    fillColor = ~Bpal(GDP_fabricate),
16    weight = 2,
17    opacity = 1,
18    color = "lime",
19    dashArray = "3",
20    highlight = highlightOptions(#  增加高亮参数
21      weight = 5,
22      color = "cyan",
23      dashArray = "",
24      fillOpacity = 0.3,
25      bringToFront = TRUE),
26    label = labels,
27    labelOptions = labelOptions(
28      style = list("font-weight" = "normal", padding = "3px 8px"),
29      textsize = "15px",
30      direction = "auto"))%>%
31
32  addLegend("bottomright", pal = Bpal, values = ~GDP_fabricate, # 生成图例
33    title = "China.GDP(fabricate)", # 图例标题
34    labFormat = labelFormat(prefix = "￥", suffix = "(亿元)"), # 标签增加前缀后缀
35    opacity = 1)
36
37map_draw_2

注意，该功能可能不支持部分函数。
如 addRasterImage() 目前仅仅支持EPSG:3857 Web Mercator投影坐标系。

leaflet 希望所有的经纬度数据都是基于WGS 84(a.k.a.EPSG:4326)投影坐标系的，
即对这个支持最好。
在 leaflet 中，默认将基于EPSG:3857坐标系投影任何数据。 希望任何的tiles的坐标数据都是基于EPSG:3857坐标系来产生的。

很多时候，用户需要使用不同的投影坐标系来展示数据。
leaflet 已经内置了Proj4Leaflet( https://github.com/kartena/Proj4Leaflet )插件。
这使 leaflet 在理论上可以访问Proj4js( http://proj4js.org/ )支持的任何CRS

注意，用户使用的任何tiles, 在设计时就必须考虑到与 leaflet 内CRS的匹配性

一旦你决定要自定义一个CRS了，并且有能与之匹配的tiles。
那么你可以使用 leafletCRS() 来自定义一个CRS。

1library(leaflet)
2
3crs "L.Proj.CRS", code = "ESRI:102003", proj4def = "+proj=aea +lat_1=29.5 +lat_2=45.5 +lat_0=37.5 +lon_0=-96 +x_0=0 +y_0=0 +datum=WGS84 +units=m +no_defs", 
4    resolutions = 1.5^(25:15))  # 设置分辨率，每个像素点代表多少米，用于缩放

在 leafletCRS() 函数内，有下面几个关键参数：

• crsClass 参数表示指定要使用的JavaScript构造器，以此来产生leaflet.js CRS对象。
  在这里，我们使用 L.Proj.CRS ，这是Proj4Leaflet带来的class。
  只有CRS classes列表中的CRS classes才有效。 ?leafletCRS 查看详情，所有的classes如下：
  (L.CRS.EPSG3857, L.CRS.EPSG4326, L.CRS.EPSG3395, L.CRS.Simple, L.Proj.CRS)
  

• code 参数表示CRS 标识符 ，通常使用EPSG相关的标识符或相似的标识符。
  在大多数情况下，这个参数其实没什么影响，因为其主要在Proj4Leaflet中被使用，在R中很少用。
  

• proj4def 参数是一个PROJ.4或WKT类型的字符串，用于定义CRS。
  如果你对PROJ.4或WKT了解，那么你可以在epsg.io( https://epsg.io/ )或spatialreference.org( http://spatialreference.org/ )中找到需要的字符串。

通过参数 crs = leafletOptions(crs = ...). ,
可以将 leafletCRS() 产生的对象传递给 leaflet() 函数。

下面的例子显示的是瑞典的哥德堡城市，以EPSG:3006(SWEREF99 TM)坐标系进行投影。

 1library(leaflet)
 2
 3# 自定义CRS投影坐标系
 4epsg3006 "L.Proj.CRS", code = "EPSG:3006",
 5  proj4def = "+proj=utm +zone=33 +ellps=GRS80 +towgs84=0,0,0,0,0,0,0 +units=m +no_defs",
 6  resolutions = 2^(13:-1), # 设置分辨率，每个像素点代表多少米，用于缩放，从 8192到0.5
 7  origin = c(0, 0) # 原点坐标
 8




    
)
 9
10tile_url "http://api.geosition.com/tile/osm-bright-3006/{z}/{x}/{y}.png"
11tile_attrib "Map data © OpenStreetMap contributors, Imagery © 2013 Kartena"
12
13# 绘widget图
14leaflet(options = leafletOptions(worldCopyJump = F, crs = epsg3006)) %>% # 指定crs参数
15  setView(11.965053, 57.70451, 13) %>%
16  addTiles(urlTemplate = tile_url, # 使用URL上的模板
17    attribution = tile_attrib, # widget下面的小字，表示tiles layer的属性，为HTML语法
18    options = tileOptions(minZoom = 0, maxZoom = 14, continuousWorld = T)) %>%
19  addMarkers(11.965053, 57.70451)

再次强调，学会使用 leafletCRS() 函数自定义CRS，
并基于该CRS投影坐标系添加tiles底图，非常重要。
事实上，上图中，来自api.geosition.com 服务商的tiles正是基于EPSG:3006产生的。
我们可以通过使用默认的EPSG:3857来绘制一个类似的地图，与上图进行比较。
如果自定义的CRS正常工作，则marker会出现在相同的位置：

1library(leaflet)
2
3leaflet() %>% setView(11.965053, 57.70451, 16) %>% addTiles() %>% addMarkers(11.965053, 
4    57.70451)

产生Tiles基于的CRS，必须与 leafletCRS() 中自定义的CRS相同。
我们经常使用基于WGS 84坐标系的经纬度数据，来添加markers, circles, polygons和lines。
leaflet 会自动使用该坐标系来投影上诉特征。

下面的例子是基于EPSG:2163(美国国家地图集等轴投影坐标系)坐标系。
我们使用 albersusa 包中数据集 usa_sf , 事实上并没有使用Albers投影坐标系。
该地图集中，阿拉斯加和夏威夷群岛，被旋转和调整大小过，以使其更靠近美国大陆。

 1library(leaflet)
 2library(sp)
 3library(albersusa)
 4
 5spdf 0.1) # 简化polygons数据集
 6




    

 7pal "Blues", domain = spdf$pop_2014) # 产生palette函数
 8
 9# 自定义CRS
10epsg2163 11  crsClass = "L.Proj.CRS",
12  code = "EPSG:2163",
13  proj4def = "+proj=laea +lat_0=45 +lon_0=-100 +x_0=0 +y_0=0 +a=6370997 +b=6370997 +units=m +no_defs",
14  resolutions = 2^(16:7)) # 设置分辨率，每个像素代表多少米，用于缩放
15
16# 基于CRS坐标系和spdf数据集，绘制地图
17leaflet(spdf, options = leafletOptions(crs = epsg2163)) %>% # 使用自定义的CRS
18  addPolygons(weight = 1, color = "#444444", opacity = 1, # 设置边界线线宽，颜色，透明度
19    fillColor = ~pal(pop_2014), fillOpacity = 0.7, 
20    smoothFactor = 0.5,
21    label = ~paste(name, pop_2014),
22    labelOptions = labelOptions(direction = "auto"))

有时候也会需要使用极地投影坐标系，
相比其它投影坐标系，可能会遇到更多的问题，甚至与其它Leaflet.js插件不兼容性问题。
可以参考的 Bhaskar Karambelkar的案例

( http://rpubs.com/bhaskarvk/leaflet-polarmaps )

常用附加特征包括：

• leaflet Measure(刻度尺)
  

• Graticule(网格线)
  

• Terminator(白天黑夜指示器)
  

• Minimap(小地图)

使用 addMeasure() 可以在地图上添加刻度尺插件。

（ https://github.com/ljagis/leaflet-measure ）
刻度尺使用方法：

• 首先用鼠标点击刻度尺，然后在提示框中点击 Create a new measurement 就激活刻度尺了。
  

• 然后再地图上连续 点击2点 就能绘制一条线段。
  

• 随之提示框中会显示线段的长度 Path distance ，
  

• 然后点击 Finish measurement 按钮，就能将线段保留显示。
  

• 连续点击 3个及以上的点 ，且不在一条直线上，则随之显示折线长度，增加显示面积 Area ，
  

• 点击 Finish measurement 按钮就将面积区域保留显示。

1library(leaflet)
2
3m <- leaflet() %>% addTiles




    
()
4
5m %>%
6  fitBounds(-73.9, 40.75, -73.95,40.8) %>% #fitBounds设定地图矩形区域边界，定到纽约中央公园
7  addMeasure() # 添加刻度尺插件，默认位置在widget右上角

addMeasure() 函数内有很多可选参数用来设置插件的外观和behavior。详情见 ?addMeasure 。
关键参数：

• position ,表示指定刻度尺按钮相对位置。
  

• primaryLengthUnit , 表示指定 测量长度时 显示的主要长度单位，
  主要长度后面的括号内为可选参数，表示次要长度单位 secondaryLengthUnit 。
  

• primaryAreaUnit , 表示指定 测量面积时 显示的主要长度单位，
  同样括号内为次要面积单位 secondaryAreaUnit 。
  

• activeColor ，表示指定激活刻度尺时，在地图上点击点，连线时，点和线及面的颜色。
  用HEX色值表示。

• completedColor ， 表示点击 Finish measurement 后，点和线及面的颜色。同样为HEX色值。

 1library(leaflet)
 2
 3m %>%
 4  fitBounds(13.76134, 52.675499, 13.0884, 52.33812) %>% # 设定边界到德国柏林
 5  addMeasure(
 6    position = "bottomleft", # 设定刻度尺相对位置为左下角
 7    primaryLengthUnit = "meters", # 设定测量长度时显示的主要长度单位
 8    primaryAreaUnit = "sqmeters", # 设定测量面积时显示的主要面积单位
 9    activeColor = "#00ffff", # = cyan, 激活刻度尺时，点线面的颜色。
10    completedColor = "#ff00ff") # = magenta, 表示Finish测量后，点线面的颜色。

使用 addGraticule() 函数可以给地图添加一个grid网格(通过Leaflet.Graticule插件)。
关键参数：

• interval , 表示指定网格线之间间距。

• style , 表示网格线的样式， 列表传参 ，
  可以设定网格线线型 dashArray ，线宽 weight ，颜色 color ，透明度 Opacity 等。
  

• layerId 和 group ，结合 group 参数和 addLayersControl() 函数可以添加开关。

1library(leaflet)
2
3m <- leaflet() %>% addTiles() %>% setView(0, 0, 2)
4m %>% addGraticule()

1library(leaflet)
2# 添加2种网格线，间距不一样，线宽不一样，颜色也不一样
3m %>% addGraticule(interval = 30, 
4                   style = list(color = "#00ffff", weight = 4)) %>% # = "cyan"
5 addGraticule(interval = 70, style = list(color = "#ff00ff", weight = 2)) # = "magenta"

将 group 参数和 addLayersControl() 函数联合使用，以增加网格显示开关。

 1library(leaflet)
 2
 3# 添加2种网格线，间距不一样，线宽不一样，颜色也不一样
 4m %>% addGraticule(interval = 30, 
 5                   style = list(color = "#00ffff", weight = 4),# = "cyan"
 6                   group = "cyan grid") %>% 
 7 addGraticule(interval = 70, 
 8              style = list(color = "#ff00ff", weight = 2),# = "magenta"
 9              group = "magenta grid") %>%
10 addLayersControl(overlayGroups = c("cyan grid", "magenta grid"),
11    options = layersControlOptions(collapsed = FALSE))