> library(maps)
> library(geosphere)
载入需要的程辑包:sp
> map("state")#画美国地图
> map("world")#画世界地图
> xlim<-c(-171.738281,-56.601563)
> ylim<-c(12.039321,71.856229)
> map("world",col="#f2f2f2",fill=TRUE,bg="white",lwd=0.05,xlim=xlim,ylim=ylim)#通过设置坐标范围使焦点集中在美国周边,并且设置一些有关颜色

> #画一条弧线连线,表示社交关系
> lat_ca<-39.164141
> lon_ca<--121.64062
> lat_me<-45.21300
> lon_me<--68.906250
> gcIntermediate(c(lon_ca,lat_ca),c(lon_me,lat_me),n=50,addStartEnd=TRUE)
             lon      lat
 [1,] -121.64062 39.16414
 [2,] -120.75830 39.50191
 [3,] -119.86744 39.83294
 [4,] -118.96805 40.15709
 [5,] -118.06012 40.47422
 [6,] -117.14367 40.78418
 [7,] -116.21873 41.08682
 [8,] -115.28534 41.38199
 [9,] -114.34355 41.66956
[10,] -113.39342 41.94937
[11,] -112.43503 42.22127
[12,] -111.46848 42.48513
[13,] -110.49386 42.74080
[14,] -109.51131 42.98815
[15,] -108.52095 43.22701
[16,] -107.52295 43.45727
[17,] -106.51746 43.67879
[18,] -105.50466 43.89143
[19,] -104.48477 44.09506
[20,] -103.45798 44.28955
[21,] -102.42454 44.47479
[22,] -101.38468 44.65065
[23,] -100.33866 44.81702
[24,]  -99.28677 44.97379
[25,]  -98.22930 45.12084
[26,]  -97.16654 45.25810
[27,]  -96.09881 45.38544
[28,]  -95.02646 45.50280
[29,]  -93.94981 45.61008
[30,]  -92.86924 45.70722
[31,]  -91.78510 45.79413
[32,]  -90.69778 45.87075
[33,]  -89.60766 45.93704
[34,]  -88.51513 45.99294
[35,]  -87.42060 46.03841
[36,]  -86.32447 46.07342
[37,]  -85.22717 46.09793
[38,]  -84.12909 46.11194
[39,]  -83.03067 46.11543
[40,]  -81.93232 46.10840
[41,]  -80.83445 46.09085
[42,]  -79.73750 46.06280
[43,]  -78.64186 46.02427
[44,]  -77.54796 45.97529
[45,]  -76.45620 45.91589
[46,]  -75.36698 45.84611
[47,]  -74.28068 45.76602
[48,]  -73.19770 45.67566
[49,]  -72.11841 45.57510
[50,]  -71.04317 45.46442
[51,]  -69.97234 45.34369
[52,]  -68.90625 45.21300
>
> inter<-
+ gcIntermediate(c(lon_ca,lat_ca),c(lon_me,lat_me),n=50,addStartEnd=TRUE)
> lines(inter)
> #转载数据
> airports<-read.csv("http://datasets.flowingdata.com/tuts/maparcs/airports.csv",header=TRUE)
> flights<-read.csv("http://datasets.flowingdata.com/tuts/maparcs/flights.csv",header=TRUE,as.is=TRUE)

> #实现多重联系
> map("world",col="#f2f2f2",fill=TRUE,bg="white",lwd=0.05,xlim=xlim,ylim=ylim)
> fsub<-flights[flights$airline=="AA",]
> for(j in 1:length(fsub$airline)){
+ air1<-airports[airports$iata==fsub[j,]$airport1,]
+ air2<-airports[airports$iata==fsub[j,]$airport2,]
+ inter<-gcIntermediate(c(air1[1,]$long,air1[1,]$lat),c(air2[1,]$long,air2[1,]$lat),n=100,addStartEnd=TRUE)
+ lines(inter,col="black",lwd=0.8)
+ }
>

R与数据分析旧笔记(四)画地图练习的更多相关文章

  1. R与数据分析旧笔记(十四) 动态聚类:K-means

    动态聚类:K-means方法 动态聚类:K-means方法 算法 选择K个点作为初始质心 将每个点指派到最近的质心,形成K个簇(聚类) 重新计算每个簇的质心 重复2-3直至质心不发生变化 kmeans ...

  2. R与数据分析旧笔记(三)不知道取什么题目

    连线图 > a=c(2,3,4,5,6) > b=c(4,7,8,9,12) > plot(a,b,type="l") 多条曲线效果 plot(rain$Toky ...

  3. R与数据分析旧笔记(十七) 主成分分析

    主成分分析 主成分分析 Pearson于1901年提出的,再由Hotelling(1933)加以发展的一种多变量统计方法 通过析取主成分显出最大的个别差异,也用来削减回归分析和聚类分析中变量的数目 可 ...

  4. R与数据分析旧笔记(⑦)回归诊断

    回归诊断 回归诊断 1.样本是否符合正态分布假设? 2.是否存在离群值导致模型发生较大误差? 3.线性模型是否合理? 4.误差是否满足独立性.等方差.正态分布等假设条件? 5.是否存在多重共线性 正态 ...

  5. R与数据分析旧笔记(⑨)广义线性回归模型

    广义线性回归模型 广义线性回归模型 例题1 R.Norell实验 为研究高压电线对牲畜的影响,R.Norell研究小的电流对农场动物的影响.他在实验中,选择了7头,6种电击强度, 0,1,2,3,4, ...

  6. R与数据分析旧笔记(六)多元线性分析 下

    逐步回归 向前引入法:从一元回归开始,逐步加快变量,使指标值达到最优为止 向后剔除法:从全变量回归方程开始,逐步删去某个变量,使指标值达到最优为止 逐步筛选法:综合上述两种方法 多元线性回归的核心问题 ...

  7. R与数据分析旧笔记(六)多元线性分析 上

    > x=iris[which(iris$Species=="setosa"),1:4] > plot(x) 首先是简单的肉眼观察数据之间相关性 多元回归相较于一元回归的 ...

  8. R与数据分析旧笔记(五)数学分析基本

    R语言的各种分布函数 rnorm(n,mean=0,sd=1)#高斯(正态) rexp(n,rate=1)#指数 rgamma(n,shape,scale=1)#γ分布 rpois(n,lambda) ...

  9. R与数据分析旧笔记(一)基本数学函数的使用

    创建向量矩阵 > x1=c(2,3,6,8) > x2=c(1,2,3,4) > a1=(1:100) > length(a1) [1] 100 > length(x1) ...

随机推荐

  1. DrawText的使用

    DrawText函数简介 这个函数的作用非常easy,就是在指定的区域内输出格式化的文本. 函数原型: int DrawText( HDC hDC, LPCTSTR lpString, int nCo ...

  2. 后台生成textbox并设置多行属性,自动换行

    Table tb = new Table(); TableRow row1 = new TableRow(); TableCell tc1 = new TableCell(); TableCell t ...

  3. SQL Server执行计划那些事儿(3)——书签查找

    接下来的文章是记录自己曾经的盲点,同时也透漏了自己的发展历程(可能发展也算不上,只能说是瞎混).当然,一些盲点也在工作和探究过程中慢慢有些眉目,现在也愿意发扬博客园的奉献精神,拿出来和大家分享一下. ...

  4. Django学习笔记(一)

    之前没有接触过django,甚至python也是最近才刚刚着手学习,可以说是零基础.要学习一门新技术,官方文档自然是首选的入门教程.开发环境:python2.7+django1.7+win 1.首先, ...

  5. [hadoop]Cannot create directory /mdrill/tablelist/fact_seller_all_d. Name node is in safe mode.

    在执行mdrill创建表的时候报如下异常(蓝色部分为关键): [mdrill@hadoop1101 bin]$ ./bluewhale mdrill create ./create.sql higo ...

  6. XML CDATA(Mybatis mapper and XML)

    Tip:must be followed by either attribute specifications, ">" or "/>". 所有 X ...

  7. iOS 任意类型数据转换字符串

    //转换数据类型: NSError *parseError = nil; NSData *jsonData = [NSJSONSerialization dataWithJSONObject:resp ...

  8. 关于ie6中使用css滤镜[_filter:progid:DXImageTransform.Microsoft.AlphaImageLoader(src='images/*.png',sizingMethod='scale')]后链接无法点击的问题

    RT,我做的一个效果是试用png图做背景,通过_filter:progid:DXImageTransform.Microsoft.AlphaImageLoader(src='images/*.png' ...

  9. 我来讲讲在c#中怎么进行xml文件操作吧,主要是讲解增删改查!

    我把我写的四种方法代码贴上来吧,照着写没啥问题. 注: <bookstore> <book> <Id>1</Id> <tate>2010-1 ...

  10. ArcEngine栅格和矢量渲染(含可视化颜色带)

    使用ArcEngine9.3开发的栅格和矢量的渲染. 开发环境:ArcEngine9.3,VS2008. 功能:栅格(拉伸和分级)和矢量(简单.唯一值.分级.比例)渲染. 开发界面如图所示. 图1 主 ...