R語言天氣可視化應用

發布時間：2023-06-13 15:11:16

前言在很多人看來，R語言還只是個玩具，完全不具備企業級應用的能力。說這些話的人，根本就不了解R語言，更不清楚如何做企業級應用開發。

前言

在很多人看來，R語言還只是個玩具，完全不具備企業級應用的能力。說這些話的人，根本就不了解R語言，更不清楚如何做企業級應用開發。從我最早接觸R語言時，就把R做為可視化引擎嵌入到了曬粉絲的微博應用中；后來又開發了數據挖掘算法競賽網站，并把R語言做為算法引擎，并支持在線編程及運行；我做的第三個R語言應用就是本文要給大家分享的每日中國天氣微博應用，這次同樣是把R做為可視化引擎，并讓R完成爬蟲、XML文檔解析及數據處理等的任務；當然，我還實現了第四個、第五個、第六個以R為核心的應用，都是量化投資方面的，會在下一本書《R的極客理想-量化投資篇》再介紹給大家。

從我的使用經驗來看，R語言已經具備了企業級應用的能力，但我并不是要用R語言完成所有編程任務。在我的項目環境中，大都是多種編程語言配合使用的，只有發揮各自語言的特性優勢，才是未來的發展方向。

本文所介紹的每日中國天氣微博應用開發，將分為3篇介紹R語言和PHP語言的混合編程，第一篇為R語言功能實現，第二篇為R包開發，第三篇為用PHP構建微博應用。本文是第一篇。

項目介紹
系統架構設計
R語言程序現實

1. 項目介紹

談到多語言混編，同如在計算機領域跨學科一樣，是我所一直倡導一種工作模式。當編程語言百花齊放，各種細分市場的小眾語言如雨后春筍般地成長起來，比起通用型編程語言來說，這些小眾語言在特定的領域中有著非常明顯的優勢。比如統計應用，如果用Java寫個邏輯回歸程序感覺深不見底，而用R語言實現邏輯回歸就是個很平常的一件事情。再比如做一個Web網站，用PHP或Nodejs實現輕而易舉，如果用Java做不僅代碼量大，而且程序復雜。所以，對于一個應用來說，一種通用的語言并不一定是最好的解決方案，如果能實現多種語言的結合，那么你做出來的應用可以很酷，很不一樣！

對于本文要介紹的每日中國天氣這個新浪微博應用，就是一種多語言混編的實現。

項目介紹

這個項目的出發點很簡單，就是通過可視化技術，展示中國每個省份的天氣情況，給準備旅游的朋友，提供一種出行的提示。

要做實現這個應用，我們首先要列出，要實現哪些功能，會遇到哪些問題等。

天氣數據：數據從哪里找到，如何下載，如何存儲。
定時任務：天氣數據需要每日更新，圖片需要每日新生成。
地圖和天氣可視化：要把中國行政區圖和天氣數據結合在一起畫圖，讓用戶一眼就能看明白。
Web展示：通過可視化技術，我們生成的只是一張靜態圖片，如何發布到Web端進行展示。
微博：通過結合新浪微博，讓更多的用戶看到并使用這個應用。
用戶交互：用戶可以查看不同日期、不同類型的圖片，用戶還可以通過微博分享。
雖然是個很小的應用，但五臟俱全，我們也需要完整的思考，如何才能實現這個應用呢！

2. 系統架構設計

從上面的功能描述中，單獨使用一種語言也可以實現的。如果單獨用PHP開發，做一個Web網站非常容易，連接新浪微博也有現成的SDK可以調用，爬取數據及存儲也不麻煩，那么如何實現地圖和天氣數據的可視化，似乎就是卡在這里了。如果單獨用R開發，爬取數據及存儲同樣很容易實現，地圖和天氣數據的可視化也是很方便就能畫出來，但是用R做Web網站，那就會遇到很大的瓶頸了，因為R是單線程同步的計算模型，Web應用的高并發特點，會直接讓R程序崩潰的。所以，綜合上面的問題，如果R語言和PHP語言能結合在一起使用，不僅能避開每種語言不擅長的地方，還能在擅長的領域發揮出每種語言的特性，我們將通過多語言的混編技術做出很不一樣的應用來。

為了實現應用的功能需求，我們要設計一套系統架構。

系統架構解釋：

通過定時器啟動爬蟲程序，到Yahoo的天氣數據源下載數據。
爬蟲下載數據到本地服務器進行解析，存儲應用相關的數據到CSV文件。
可視化程序，讀入天氣數據及地圖數據，生成靜態的圖片作為可視化輸出。
最終用戶通過新浪微博，加載Web應用，看到了可視化生成的靜態圖片。
最終用戶通過新浪微博分享了這個應用，讓更多的人看到這個應用。

下面按照語言的優勢，把應用架構以語言的特性來劃分，讓R語言實現爬蟲、處理數據和可視化，讓PHP完成Web開發、新浪API接入和用戶交互。

由于我們這個應用，不需要讓R和PHP直接進行通信，那么復雜度就會變得小很多了，像我之前做的曬粉絲應用，是3種語言的結合包括了R, PHP, Java，通過Java實現中間程序的調度，讓R和PHP能夠實現通信。

我們通過語言的劃分，就可以揚長避短，讓每種語言在最擅長的領域，完成最擅長的事情。

對于后臺技術應用，定時器可以用Linux系統的CRON實現；然后用R語言程序來爬取數據，通過RCurl包來完成；爬取后的數據為XML格式，再通過R語言用XML包進行解析，以CSV格式進行本地存儲；接下來，再用R語言處理數據，加載地圖包ggmap、mapdata、maptools，最后配合plot()函數實現圖片的輸出，保存在本地服務器上。

對于前端的PHP應用來說，用PHP做一個Web網站很簡單，使用YII快速開發框架；用PHP的新浪微博SDK進行API操作，實現新浪登陸，新浪分享等功能；最后Nginx + Spawn構建出PHP運行時環境，讓Nginx完成負載均衡和圖片加載，并配合PHP的訪問規則，實現功能的切換。

合理的架構設計加上適應的語言的分工，就能輕松實現了每日中國天氣這樣的一個微博應用。其實，我們可以用這種多語言混搭的方式，創建出各種創新型的網站應用，但前提是先能掌握多種語言。

這里我想再多說一句，通常我認識的程序員，都是在自己的技術領域中無限暢快，一旦他們掌握了一種語言的核心技術，并有了一些開發經驗后，往往不愿意再去學第二種語言。對這些人來說，總覺得自己就是世界的中心，自己有能力實現的所有的功能。這些也都是有理想的程序員，只不過他們進入了一個誤區，被現有的技術給迷住了，看不到、也不愿意看到外面的世界已經變了。我曾經就是這樣的！

我承認Java是一種無所不能的編程語言，但是如果你所有程序都用Java實現，難道不覺得又費時又費力嗎？通用性越強，反而專有領域的應用性就越差。這也是我從Java單一的技術路線走出來的原因。其實，在精通一門語言后，再去學習另外一門新的語言，就不是那么難了。但如果只是沉醉于已掌握的技術，很快就會被一代新人，一代新工具所超越的。

3. R語言程序現實

下面就開始介紹R語言的部分程序開發，在寫代碼之前，我們需要先梳理開發流程，做一下程序設計，R語言都需要實現哪些功能，用到哪些第三方R包。

我用一幅圖來說明程序之間的調用關系，R語言的程序實現一共包括了6個部分，爬蟲程序、本地存儲，地圖加載、數據可視化處理、生成靜態圖、生成可交互的靜態圖。

上圖中，分別標出了每個步驟用的到R包或者功能函數，同時我們可以按照這個流程來定義功能函數，這樣我們就把整個應用程序都規劃好，最后再對應的寫代碼就不難了。

3.1 爬蟲部分

對于爬蟲部分來說，就是定時下載每個城市的或地區的天氣數據，并解析數據，只保留我們需要的字段，并以CSV的格式存儲?；ヂ摼W上有很多免費公開的天氣數據源，對我來說，最方便的數據源有2個，一個是Yahoo的天氣數據，另一個Google的天氣數據，但由于Google的API從中國大陸會經常會訪問不到，所以我在這里選擇Yahoo的天氣數據源進行訪問。

yahoo天氣數據源的訪問地址，如下所示。

http://weather.yahooapis.com/forecastrss?w=WOEID

其中WOEID代表城市對應的代碼，如果想查看北京的天氣數據，北京對應的WOEID為2151330，可以訪問用瀏覽器訪問 http://weather.yahooapis.com/forecastrss?w=2151330 。

我們通過瀏覽器打開地址，就可以看到這個數據，數據是以XML格式進行發布的。

我們要解析這個XML文件，從中找到我們需要數據進行提鄧。在R語言中，通過RCurl包實現HTTP的網絡訪問，抓取到整個的XML文檔數據，然后通過XML包解析XML文檔的DOM樹，就能找到我們需要的數據了。

本文的系統環境

Win7 64bit
R: 3.1.1 x86_64-w64-mingw32/x64 (64-bit)

當我們把業務邏輯和技術實現都想清楚了，就可以動手寫代碼了，只十幾行代碼就能完成爬蟲和XML文檔解析的功能。

> library(RCurl) # 加載類庫n> library(XML)n>n> getWeather<-function (x){n+ url<-paste('http://weather.yahooapis.com/forecastrss?w=',x,'&u=c',sep="") # yahoo的數據源地址n+ doc = xmlTreeParse(getURL(url),useInternal = TRUE) # 解析XML文檔n+n+ ans<-getNodeSet(doc, "//yweather:atmosphere")n+ humidity<-as.numeric(sapply(ans, xmlGetAttr, "humidity")) # 溫度n+ visibility<-as.numeric(sapply(ans, xmlGetAttr, "visibility")) # 能見度n+ pressure<-as.numeric(sapply(ans, xmlGetAttr, "pressure")) # 氣壓n+ rising<-as.numeric(sapply(ans, xmlGetAttr, "rising")) # 氣壓變動n+n+ ans<-getNodeSet(doc, "//item/yweather:condition")n+ code<-sapply(ans, xmlGetAttr, "code") # 天氣情況n+n+ ans<-getNodeSet(doc, "//item/yweather:forecast[1]")n+ low<-as.numeric(sapply(ans, xmlGetAttr, "low")) # 最高氣溫n+ high<-as.numeric(sapply(ans, xmlGetAttr, "high")) # 最低氣溫n+n+ print(paste(x,'==>',low,high,code,humidity,visibility,pressure,rising))n+ cbind(low,high,code,humidity,visibility,pressure,rising) # 以data.frame格式返回n+ }n

運行程序，查看返回結果。

> w<-getWeather(2151330) # 執行爬蟲程序n[1] "2151330 ==> 9 13 21 59 4.1 1016.4 0"nn> w # 返回的結果集n low high code humidity visibility pressure risingn[1,] "9" "13" "21" "59" "4.1" "1016.4" "0"n

對于功能需求來說，一個城市只保存7個字段就行了，其他的XML文檔的數據可以全部過濾掉不管。

3.2 本地存儲

我們通過爬蟲下載并過濾后的數據，已經是data.frame的格式了，通過write.csv()函數就把這些數據輸出到本地文件系統中保存起來，做為數據的備份。

我們在處理本地存儲的過程中，除了要生成一個CSV文件，還包括了文件命名，把多個城市的數據合并到一個文件存儲的問題。下面我們需要再定義兩個函數，filename()函數用于新生成文件的命名，loadDate()函數用于多個城市數據的加載，合并在一個文件中保存。

城市列表應該是我們需要提單準備好的，我這里只選取了中國的34個城市作為我們要獲得的城市天氣數據的信息。如果想爬取更多的城市天氣數據的信息，那么補充這個列表就行了。

城市列表數據文件WOEID.csv。

beijing,2151330,北京,北京市,116.4666667,39.9nshanghai,2151849,上海,上海市,121.4833333,31.23333333ntianjin,2159908,天津,天津市,117.1833333,39.15nchongqing,20070171,重慶,重慶市,106.5333333,29.53333333nharbin,2141166,哈爾濱,黑龍江省,126.6833333,45.75nchangchun,2137321,長春,吉林省,125.3166667,43.86666667nshenyang,2148332,沈陽,遼寧省,123.4,41.83333333nhohhot,2149760,呼和浩特,內蒙古自治區,111.8,40.81666667nshijiazhuang,2171287,石家莊,河北省,114.4666667,38.03333333nwulumuqi,26198317,烏魯木齊,新疆維吾爾自治區,87.6,43.8nlanzhou,2145605,蘭州,甘肅省,103.8166667,36.05nxining,2138941,西寧,青海省,101.75,36.63333333nxian,2157249,西安,陜西省,108.9,34.26666667nyinchuan,2150551,銀川,寧夏回族自治區,106.2666667,38.33333333nzhengzhou,2172736,鄭州,河南省,113.7,34.8njinan,2168327,濟南,山東省,117,36.63333333ntaiyuan,2154547,太原,山西省,112.5666667,37.86666667nhefei,2127866,合肥,安徽省,117.3,31.85nwuhan,2163866,武漢,湖北省,114.35,30.61666667nchangsha,26198213,長沙,湖南省,113,28.18333333nnanjing,2137081,南京,江蘇省,118.8333333,32.03333333nchengdu,2158433,成都,四川省,104.0833333,30.65nguiyang,2146703,貴陽,貴州省,106.7,26.58333333nkunming,2160693,昆明,云南省,102.6833333,25nnanning,2166473,南寧,廣西壯族自治區,108.3333333,22.8nlasa,26198235,拉薩,西藏自治區,91.16666667,29.66666667nhangzhou,2132574,杭州,浙江省,120.15,30.23333333nnanchang,26198151,南昌,江西省,115.8666667,28.68333333nguangzhou,2161838,廣州,廣東省,113.25,23.13333333nfuzhou,2139963,福州,福建省,119.3,26.08333333ntaipei,2306179,臺北,臺灣省,121.5166667,25.05nhaikou,2162779,?？?海南省,110.3333333,20.03333333nhongkong,24865698,香港,香港特別行政區,114.1666667,22.3nmacau,20070017,澳門,澳門特別行政區,113.5,22.2n

字段解釋：

第一列，城市的英文名
第二列，WOEID代碼
第三列，城市的中文名
第四列，城市所在的省中文名
第五列，經度(默認為東經)
第六列，緯度(默認為北緯)

用于生成數據文件的R語言的函數實現。

> filename<-function(date=Sys.time()){ # 文件根據日期來命名n+ paste(format(date, "%Y%m%d"),".csv",sep="")n+ }nn> loadDate<-function(date){ # 讀取城市列表，調用爬蟲函數，合并數據保存到一個文件中。n+ print(paste('Date','==>',date))n+ city<-read.csv(file="WOEID.csv",header=FALSE,fileEncoding="utf-8", encoding="utf-8") # 加載城市列表n+ names(city)<-c("en","woeid","zh",'prov','long','lat')n+ city<-city[-nrow(city),]n+n+ wdata<-do.call(rbind, lapply(city$woeid,getWeather))n+ w<-cbind(city,wdata)n+ write.csv(w,file=filename(date),row.names=FALSE,fileEncoding="utf-8")n+ }n

運行程序loadDate()的函數，程序會根據城市列表的數據，調用getWeather()函數自動爬取我們定義的所有城市的天氣數據。

> date=Sys.time();date # 選擇日期n[1] "2014-10-01 13:01:08 CST"nn> loadDate(date) # 爬取數據n[1] "Date ==> 2014-10-01 13:01:08"n[1] "2151330 ==> 9 13 21 59 4.1 1016.4 0"n[1] "2151849 ==> 18 23 30 57 9.99 1015.92 0"n[1] "2159908 ==> 12 22 30 58 9.99 1017 0"n[1] "20070171 ==> 16 22 26 79 NA 1013.6 0"n[1] "2141166 ==> 2 13 34 29 9.99 1015.92 0"n[1] "2137321 ==> 3 6 11 81 9.99 1015.92 1"n[1] "2148332 ==> 7 16 34 27 9.99 1015.92 0"n[1] "2149760 ==> 4 19 30 59 9.99 982.05 0"n[1] "2171287 ==> 12 14 11 94 2.49 982.05 2"n[1] "26198317 ==> 12 23 34 52 9.99 1015.92 2"n[1] "2145605 ==> 6 17 20 82 8 812.73 0"n[1] "2138941 ==> 3 21 32 63 9 745.01 0"n[1] "2157249 ==> 13 23 11 91 2.99 1017.9 0"n[1] "2150551 ==> 8 22 28 60 7 1016.8 0"n[1] "2172736 ==> 13 19 32 52 8 1015.92 0"n[1] "2168327 ==> 14 22 32 49 NA 1017 0"n[1] "2154547 ==> 9 18 20 88 1.59 982.05 2"n[1] "2127866 ==> 17 23 34 60 9.99 1015.92 2"n[1] "2163866 ==> 19 26 28 78 6 982.05 2"n[1] "26198213 ==> 21 28 28 65 9.99 982.05 2"n[1] "2137081 ==> 15 23 34 57 9.99 1015.92 2"n[1] "2158433 ==> 19 27 20 69 4.01 1015.92 0"n[1] "2146703 ==> 18 26 28 73 9.99 1015.92 0"n[1] "2160693 ==> 13 23 28 64 9.99 1015.92 2"n[1] "2166473 ==> 24 32 30 62 9.99 982.05 0"n[1] "26198235 ==> -1 15 30 50 NA 643.41 0"n[1] "2132574 ==> 16 23 30 53 9.99 1015.92 0"n[1] "26198151 ==> 21 27 20 75 7 1016.4 0"n[1] "2161838 ==> 25 31 28 58 8 982.05 2"n[1] "2139963 ==> 21 29 28 65 9.99 982.05 0"n[1] "2306179 ==> 24 28 28 70 9.99 982.05 0"n[1] "2162779 ==> 24 31 30 58 9.99 982.05 0"n[1] "24865698 ==> 26 30 30 59 9.99 982.05 2"n

程序運行完成后，會在當前目錄生成一個名字為20141001.csv文件。打開20141001.csv文件，這個文件就是接下來用于生成可視化圖片的基礎數據了。

"en","woeid","zh","prov","long","lat","low","high","code","humidity","visibility","pressure","rising"n"beijing",2151330,"北京","北京市",116.4666667,39.9,"9","13","21","59","4.1","1016.4","0"n"shanghai",2151849,"上海","上海市",121.4833333,31.23333333,"18","23","30","57","9.99","1015.92","0"n"tianjin",2159908,"天津","天津市",117.1833333,39.15,"12","22","30","58","9.99","1017","0"n"chongqing",20070171,"重慶","重慶市",106.5333333,29.53333333,"16","22","26","79",NA,"1013.6","0"n"harbin",2141166,"哈爾濱","黑龍江省",126.6833333,45.75,"2","13","34","29","9.99","1015.92","0"n"changchun",2137321,"長春","吉林省",125.3166667,43.86666667,"3","6","11","81","9.99","1015.92","1"n"shenyang",2148332,"沈陽","遼寧省",123.4,41.83333333,"7","16","34","27","9.99","1015.92","0"n"hohhot",2149760,"呼和浩特","內蒙古自治區",111.8,40.81666667,"4","19","30","59","9.99","982.05","0"n"shijiazhuang",2171287,"石家莊","河北省",114.4666667,38.03333333,"12","14","11","94","2.49","982.05","2"n"wulumuqi",26198317,"烏魯木齊","新疆維吾爾自治區",87.6,43.8,"12","23","34","52","9.99","1015.92","2"n"lanzhou",2145605,"蘭州","甘肅省",103.8166667,36.05,"6","17","20","82","8","812.73","0"n"xining",2138941,"西寧","青海省",101.75,36.63333333,"3","21","32","63","9","745.01","0"n"xian",2157249,"西安","陜西省",108.9,34.26666667,"13","23","11","91","2.99","1017.9","0"n"yinchuan",2150551,"銀川","寧夏回族自治區",106.2666667,38.33333333,"8","22","28","60","7","1016.8","0"n"zhengzhou",2172736,"鄭州","河南省",113.7,34.8,"13","19","32","52","8","1015.92","0"n"jinan",2168327,"濟南","山東省",117,36.63333333,"14","22","32","49",NA,"1017","0"n"taiyuan",2154547,"太原","山西省",112.5666667,37.86666667,"9","18","20","88","1.59","982.05","2"n"hefei",2127866,"合肥","安徽省",117.3,31.85,"17","23","34","60","9.99","1015.92","2"n"wuhan",2163866,"武漢","湖北省",114.35,30.61666667,"19","26","28","78","6","982.05","2"n"changsha",26198213,"長沙","湖南省",113,28.18333333,"21","28","28","65","9.99","982.05","2"n"nanjing",2137081,"南京","江蘇省",118.8333333,32.03333333,"15","23","34","57","9.99","1015.92","2"n"chengdu",2158433,"成都","四川省",104.0833333,30.65,"19","27","20","69","4.01","1015.92","0"n"guiyang",2146703,"貴陽","貴州省",106.7,26.58333333,"18","26","28","73","9.99","1015.92","0"n"kunming",2160693,"昆明","云南省",102.6833333,25,"13","23","28","64","9.99","1015.92","2"n"nanning",2166473,"南寧","廣西壯族自治區",108.3333333,22.8,"24","32","30","62","9.99","982.05","0"n"lasa",26198235,"拉薩","西藏自治區",91.16666667,29.66666667,"-1","15","30","50",NA,"643.41","0"n"hangzhou",2132574,"杭州","浙江省",120.15,30.23333333,"16","23","30","53","9.99","1015.92","0"n"nanchang",26198151,"南昌","江西省",115.8666667,28.68333333,"21","27","20","75","7","1016.4","0"n"guangzhou",2161838,"廣州","廣東省",113.25,23.13333333,"25","31","28","58","8","982.05","2"n"fuzhou",2139963,"福州","福建省",119.3,26.08333333,"21","29","28","65","9.99","982.05","0"n"taipei",2306179,"臺北","臺灣省",121.5166667,25.05,"24","28","28","70","9.99","982.05","0"n"haikou",2162779,"?？?#34;,"海南省",110.3333333,20.03333333,"24","31","30","58","9.99","982.05","0"n"hongkong",24865698,"香港","香港特別行政區",114.1666667,22.3,"26","30","30","59","9.99","982.05","2"n

數據一共有10列，字段解釋：

en，城市英文名
woeid， Yahoo天氣API定義的WOEID，用于匹配城市
zh，城市中文名
prov，城市所在省的中文名
long，經度(中國處于東經，不區別東經西經)
lat，緯度(中國處于北緯，不區別南緯北緯)
low，最低溫度
high，最高溫度
code，天氣概括代碼
humidity，濕度
visibility，能見度
pressure，大氣壓
rising，氣壓變動

這樣數據就準備好了，那么接下來就是把天氣數據對應到中國行政區地圖上了。

3.3 中國地國加載

R語言通過第三方的地圖R包，可以很方便的實現基于地圖的可視化或基于地理信息的數據處理。那么R語言是如何做到的呢，是通過maps, mapdata, maptools這3個包合作完成的。

我們調用maptools包的readShapePoly()函數，加載中國行政區地圖的數據信息，保存在map的變量中，直接用plot()函數就可以看到可視化的效果了。地圖數據是我提前下載好的，保存放在mapdata目錄中，一共全部3個文件bou2_4p.dbf，bou2_4p.shp和bou2_4p.shx。

> library(maps)n> library(mapdata)n> library(maptools)nn> map<-readShapePoly('mapdata/bou2_4p.shp') # 加載中國行政區地圖數據n> plot(map) # 畫出中國行政區圖

是不是很神奇，2行就畫出是中國行政區地圖的輪廓，我們再繼續來分析map這個變量。先檢查一下的map的類型，發現是sp包中定義的SpatialPolygonsDataFrame類型的。

> class(map) # 查看map對象類型n[1] "SpatialPolygonsDataFrame"nattr(,"package")n[1] "sp"n

SpatialPolygonsDataFrame類型我們并不熟悉，再用pryr包的otype查檢一下，面向對象系統的類型。

> library(pryr)n> otype(map) # 發現是S4類型的data.framen[1] "S4"n

R語言基于S4的面向對象編程一文，我們已經掌握了S4類型的基礎知識，在知道map是一個S4類型的實例后，大概就能猜出這個對象如何使用了。另外從命名上看，SpatialPolygonsDataFrame類型，應該是用data.frame存儲了SpatialPolygons的類型的數據。先通過length()函數和names()函數，從data.frame的角度查看一下map對象，包括7列925行。

> length(map) # 一共有925條記錄n[1] 925nn> names(map) # data.frame包括有7列n[1] "AREA" "PERIMETER" "BOU2_4M_" "BOU2_4M_ID" "ADCODE93"n[6] "ADCODE99" "NAME"n

再通過str()函數查看map對象第一行數據的靜態結構。

> str(map[1,])nFormal class 'SpatialPolygonsDataFrame' [package "sp"] with 5 slotsn ..@ data :'data.frame': 1 obs. of 1 variable:n .. ..$ AREA: num 54.4n ..@ polygons :List of 1n .. ..$ :Formal class 'Polygons' [package "sp"] with 5 slotsn .. .. .. ..@ Polygons :List of 1n .. .. .. .. ..$ :Formal class 'Polygon' [package "sp"] with 5 slotsn .. .. .. .. .. .. ..@ labpt : num [1:2] 127.8 47.9n .. .. .. .. .. .. ..@ area : num 54.4n .. .. .. .. .. .. ..@ hole : logi FALSEn .. .. .. .. .. .. ..@ ringDir: int 1n .. .. .. .. .. .. ..@ coords : num [1:5784, 1:2] 121 121 122 122 122 ...n .. .. .. ..@ plotOrder: int 1n .. .. .. ..@ labpt : num [1:2] 127.8 47.9n .. .. .. ..@ ID : chr "0"n .. .. .. ..@ area : num 54.4n ..@ plotOrder : int 1n ..@ bbox : num [1:2, 1:2] 121.2 43.4 135.1 53.6n .. ..- attr(*, "dimnames")=List of 2n .. .. ..$ : chr [1:2] "x" "y"n .. .. ..$ : chr [1:2] "min" "max"n ..@ proj4string:Formal class 'CRS' [package "sp"] with 1 slotsn .. .. ..@ projargs: chr NAn

從這兩個維度的觀察，我們基本清楚map的結構，map里每一行是一個SpatialPolygonsDataFrame對象，包括5個屬性，用于存儲地圖數據信息。取第一行數據data屬性，查看結果，發現是黑龍江省的行政區地圖數據。

> map[1,]@datan AREA PERIMETER BOU2_4M_ BOU2_4M_ID ADCODE93 ADCODE99 NAMEn0 54.447 68.489 2 23 230000 230000 黑龍江省n

用第一行數據畫圖。

> plot(map[1,])

如果取前100行數據畫圖，那么應該是部分中國省的行政區地圖了，果然如我所料。

> plot(map[1:100,])

由于本文并不是地圖包的詳細介紹，只要了解到map對象的基本使用就行了，稍后在博客中我會單獨介紹用R做地圖可視化的開發。

3.4 數據可視化

完成了地圖數據加載后，再接下來就是數據可視化了。數據可視化，我認為要分成2部分操作，一部分是數據處理，另一部分是可視化輸出。

我們先想一下要怎么進行數據處理，才能把天氣數據和地圖數據結合起來呢。我們的目標是要畫出中國各省天氣概況，會用到過之前過濾出的數據中code的數據，code的數據都是代碼，我們還要定義code代碼和實際意義的映射關系。

Yahoo的源數據中，一共定義了49種天氣情況，如code.csv文件所示，根據描述我把相似的天氣情況進行合并，最后保留18種天氣概況特征。code代碼映射文件為lablecode.csv。

code.csv文件。

"code","en","zh","type"n0,tornado,龍卷風,3n1,tropical storm,熱帶風暴,2n2,hurricane,暴風,3n3,severe thunderstorms,強雷雨天氣,16n4,thunderstorms,雷雨,11n5,mixed rain and snow,雨雪,12n6,mixed rain and sleet,雨雪,12n7,mixed snow and sleet,雨雪,12n8,freezing drizzle,凍毛毛雨,11n9,drizzle,毛毛雨,11n10,freezing rain,凍雨,11n11,showers,陣雨,11n12,showers,陣雨,11n13,snow flurries,小雪,13n14,light snow showers,陣雪,13n15,blowing snow,飛雪,13n16,snow,雪,14n17,hail,冰雹,15n18,sleet,雨雪,12n19,dust,灰塵,5n20,foggy,霧,7n21,haze,薄霧,7n22,smoky,煙霧彌漫,6n23,blustery,大風,3n24,windy,風,4n25,cold,冷,18n26,cloudy,多云,8n27,mostly cloudy (night),滿云密布,8n28,mostly cloudy (day),滿云密布,8n29,partly cloudy (night),少云,9n30,partly cloudy (day),少云,9n31,clear (night),晴,10n32,sunny,睛,10n33,fair (night),晴,10n34,fair (day),晴,10n35,mixed rain and hail,大雨和冰雹,16n36,hot,熱,1n37,isolated thunderstorms,局部雷雨,11n38,scattered thunderstorms,零星雷雨,11n39,scattered thunderstorms,零星雷雨,11n40,scattered showers,零星陣雨,11n41,heavy snow,大雪,14n42,scattered snow showers,零星陣雪,13n43,heavy snow,大雪,14n44,partly cloudy,少云,9n45,thundershowers,雷陣雨,11n46,snow showers,陣雪,13n47,isolated thundershowers,局部雷雨,11n3200,not available,無數據,19n

字段解釋：

code，源數據天氣特征代碼
en，英文描述
zh，中文描述
type，分類代碼

lablecode.csv文件。

"type","alias"n1,熱n2,風暴n3,大風n4,微風n5,灰塵n6,大霧n7,薄霧n8,多云n9,少云n10,晴n11,陣雨n12,雨加雪n13,小雪n14,大雪n15,冰雹n16,大雨n17,雷暴雨n18,冷n19,無數據n

字段解釋：

type，分類代碼
alias，用于顯示的別名

有了天氣特征定義后，我們再把特征匹配到不同的顏色，并增加圖例及文字描述，就生成了最終的中國各省天氣概況的靜態圖片了。

> library("RColorBrewer")n> getColors2<-function(map,prov,ctype){n+ #name change to ADCODE99n+ ADCODE99<-read.csv(file="ADCODE99.csv",header=TRUE,fileEncoding="utf-8", encoding="utf-8")n+ fc<-function(x){ADCODE99$ADCODE99[which(x==ADCODE99$prov)]}n+ code<-sapply(prov,fc)n+ n+ f=function(x,y) ifelse(x %in% y,which(y==x),0);n+ colIndex=sapply(map$ADCODE99,f,code);n+ ctype[which(is.na(ctype))]=19n+ return(ctype[colIndex])n+ }n> summary<-function(data=data,output=FALSE,path=''){n+ colors<-c(rev(brewer.pal(9,"Blues")),rev(c('#b80137','#8c0287','#d93c5d','#d98698','#f6b400','#c4c4a7','#d6d6cb','#d1b747','#ffeda0'))) # 定義18種天氣特征對應的顏色n+n+ temp<-data$coden+ title<-"中國各省天氣概況"n+ ofile<-paste(format(date,"%Y%m%d"),"_code.png",sep="")n+ sign<-''n+ colors<-rev(colors)n+ code<-read.csv(file="code.csv",header=TRUE,fileEncoding="utf-8", encoding="utf-8")n+ labelcode<-read.csv(file="labelcode.csv",header=TRUE,fileEncoding="utf-8", encoding="utf-8")n+ ctype<-sapply(temp,function(x){code$type[which(x==code$code)]})n+n+ if(output)png(file=paste(path,ofile,sep=''),width=600,height=600)n+ layout(matrix(data=c(1,2),nrow=1,ncol=2),widths=c(8,1),heights=c(1,2))n+ par(mar=c(0,0,3,12),oma=c(0.2,0.2,0.2,0.2),mex=0.3)n+ plot(map,border="white",col=colors[getColors2(map,data$prov,ctype)]) # 地圖和天氣可視化n+ points(data$long,data$lat,pch=19,col=rgb(0,0,0,0.3),cex=0.8) # 標出采樣城市n+n+ #======================================= # 圖片中的輔助文字n+ if(FALSE){n+ grid()n+ axis(1,lwd=0);axis(2,lwd=0);axis(3,lwd=0);axis(4,lwd=0)n+ }n+ text(100,58, title,cex=2)n+ text(105,54,format(date,"%Y-%m-%d"))n+ text(98,65,paste('每日中國天氣','http://apps.weibo.com/chinaweatherapp'))n+ text(120,-8,paste('provided by The Weather Channel',format(date, "%Y-%m-%d %H:%M")),cex=0.8)n+n+ #======================================= # 文字說明n+ for(row in 1:nrow(data)){n+ name<-as.character(data$zh[row])n+ label<-labelcode$alias[labelcode$type==ctype[row]]n+ x1<-ceiling(row/7)n+ x2<-ifelse(row%%7==0,7,row%%7)n+ x3<-ctype[row]n+ fontCol<-'#000000'n+ if(x3<=5)fontCol<-head(colors,1)n+ if(x3>=12)fontCol<-tail(colors,1)n+ text(68+x1*11,17-x2*3,paste(name,' ',label,sign,sep=''),col=fontCol)n+ }n+n+ #======================================= # 圖例n+ par(mar = c(5, 0, 15, 10))n+ image(x=1, y=1:length(colors),z=t(matrix(1:length(colors))),col=rev(colors),axes=FALSE,xlab="",ylab="",xaxt="n")n+ axis(4, at = 1:(nrow(labelcode)-1), labels=rev(labelcode$alias)[-1], col = "white", las = 1)n+ abline(h=c(1:(nrow(labelcode)-2)+0.5), col = "white", lwd = 2, xpd = FALSE)n+ if(output)dev.off()n+ }n

運行程序，生成靜態圖片。

> data<-read.csv(file=filename(date),header=TRUE,fileEncoding="utf-8", encoding="utf-8") # 定義數據源n> path='' # 定義輸出路徑n> summary(data,output=TRUE,path=path) # 生成中國各省天氣概況圖nRStudioGDn2

代碼量大概100行左右，就可以生成這么復雜的天氣和地圖結合的圖片，R真的很神奇！

3.5 可交互的靜態圖

這是錦上添花的一步，靜態圖片對于一般應用來說就夠了。但如果圖片還能動起來，是不是會更吸引人呢？我們可以嘗試生成基于HTML5的、有動態效果的圖，通過recharts包調Echarts庫實現基于HTML5的動畫，生成會動的可交互的圖片。

由于recharts包沒有發布的CRAN，我們需要用devtools包通過Github安裝這個包。

> library(devtools) # 加載devtoolsn> install_github("taiyun/recharts") # 下載安裝recharts包n> library(recharts) # 加載recharts包n

由于上面的天氣概況是由離散值組成的，利用echarts的庫，我們做一個連續值的可視化例子，比如白天氣溫和夜間氣溫。定義weather_html()函數，提供氣溫數據并調用recharts包，實現可視化的輸出。

> weather_html<-function(data=data,type='high',output=FALSE,path=''){ # 輸入HTML的天氣圖n+ if(type=='high') { # 白天氣溫n+ df<-data[,c('prov','high')]n+ names(df)<-c("prov","氣溫")n+ title<-paste(format(date,"%Y-%m-%d"),"中國各省白天氣溫",sep="")n+ ofile<-paste(format(date,"%Y%m%d"),"_day.html",sep="")n+ }else if(type=='low'){ # 夜間氣溫n+ df<-data[,c('prov','low')]n+ names(df)<-c("prov","氣溫")n+ title<-paste(format(date,"%Y-%m-%d"),"中國各省夜間氣溫",sep="")n+ ofile<-paste(format(date,"%Y%m%d"),"_night.html",sep="")n+ }n+n+ df[,1]<-substr(df[,1],0,2) # 數據格式整理n+ df[which(df$prov=='黑龍'),]$prov<-'黑龍江'n+ df[which(df$prov=='內蒙'),]$prov<-'內蒙古'n+n+ recharts.eMap <- eMap(df, namevar=1, datavar = 2, title=title) # 數據JSON化處理n+ if(output){ # 輸出HTML文件n+ recharts.eMap$outList[c('chartid','type')]<-NULLn+ writeLines(unlist(recharts.eMap$outList),paste(path,ofile,sep=''))n+ }else{ # 在瀏覽器中打開HTML網頁n+ plot(recharts.eMap)n+ }n+ }n

運行程序，以HTML輸出中國各省白天氣溫。

> date<-as.Date('20141001',format='%Y%m%d') # 設置日期n> data<-read.csv(file=filename(date),header=TRUE,fileEncoding="utf-8", encoding="utf-8") # 加載數據n> path='' # 設置文件輸出路徑nn> weather_html(data,type='high',output=FALSE,path='') # 輸出中國各省白天氣溫n[1] "氣溫"n[1] "chart path C:UsersADMINI~1AppDataLocalTempRtmpqCHFPY"n

程序會自動打開瀏覽器，呈現HTML的網頁。