json素材操縱與圖層面板控制的方法是什么

本篇內容介紹了“json素材操縱與圖層面板控制的方法是什么”的有關知識，在實際案例的操作過程中，不少人都會遇到這樣的困境，接下來就讓小編帶領大家學習一下如何處理這些情況吧！希望大家仔細閱讀，能夠學有所成！

json地圖數據結構和變量操控：

library(jsonlite)

library(leaflet)

library(dplyr)

library(geojsonio)

library(rgdal)

library(sf)

library(ggplot2)

library(maptools)

library(plyr)

library(htmltools)

options(stringsAsFactors=FALSE,warn=FALSE) 

#這樣的全局預設可以為你省卻很多麻煩，強烈建議

setwd("D:/R/mapdatanew/")

###1

以下數據導入json原生數據格式的三種方式：（2,3兩種是沒啥區別的，但是simplifyVector=FALSE參數設定與否則至關重要，他決定著輸入的json數據是經過平整的向量化數據還是原生的list數據，這里的leaflet需要原生格式的json數據）

geojson1<-fromJSON(url)  #在同一層級對象長度一致，便會被自動視作數據框。

geojson2<-fromJSON(url,simplifyVector=FALSE)  #不強轉化為數據框。

geojson3<-readLines(url,warn=FALSE,encoding="UTF-8")%>%paste(collapse="\n")%>%fromJSON(simplifyVector=FALSE)

設置隨機中非常必要，否則容易導致每次的效果都不一樣：

set.seed(1234)

#向list對象中添加數據（隨機數據）

geojson3$features<-lapply(geojson3$features,function(feat){

feat$properties$scale<-runif(1,0,10)

feat

})

#從list對象中讀取數據(主要讀取我們可做更改與擴展的行政區劃列表信息)

mydata<-ldply(geojson3$features,function(feat){ 

name<-feat$properties$name

id<- feat$properties$id

scale<-as.numeric(feat$properties$scale)

mydata<-data.frame(name,id,scale)

})

# Default styles for all features  

#it has  higher precedence  compare with  the style in a function of GeoJSON

geojson3$style=list(weight=1,color="#555555",opacity=1,fillOpacity=0.8)

# Color by scale using quantiles

pal<-colorQuantile("Greens",mydata$scale)

# Add a properties$style list to each feature

geojson3$features <- lapply(geojson3$features, function(feat) {

  feat$properties$style<-list(

       fillColor=pal(feat$properties$scale)

       )

  feat

})

關于屬性設置的三個優先級：

按照由高到低的順序排列為：

•  feature-specific styles #（也就是設置在 simple featrue的style）

•  the top-level style object #（設置在features中的style）

• style-related arguments passed to the function #（設置在GeoJSON內的各種參數）

#這是通過增加地圖圖層來進行圖層控制的簡單案例：

leaflet()%>%

addTiles(group ="OSM (default)")%>%

setView(lng=116.435889,lat=39.932642,zoom=8)%>%

addGeoJSON(geojson3,group="GeoJSON")%>%

addProviderTiles(providers$CartoDB.Positron,group="CartoDB")%>%

addProviderTiles(providers$Stamen.TonerLines,options=providerTileOptions(opacity=0.35),group="TonerLines")%>%

addProviderTiles(providers$Stamen.TonerLabels,group="TonerLabels")%>%

addLayersControl(

   baseGroups = c("OSM (default)", "CartoDB", "TonerLines","TonerLabels"),

   overlayGroups = c("GeoJSON"),

   options=layersControlOptions(collapsed = FALSE)

  )

以下這段代碼是之前leaflet系列教程的線圖篇里面的案例，這里剛好應用一下：

data<-read.table("D:/R/File/subwayline.txt",header=TRUE,stringsAsFactors = FALSE)

data$size<-runif(47,10,25)

data$Type<-as.factor(data$Type)

data1<-filter(data,Type=="NO1")

data2<-filter(data,Type=="NO5")

pal <- colorFactor(topo.colors(2),data$Type)

leaflet()%>%

addTiles()%>%

addPolylines(data=data1,~lon,~lat,color="blue")%>%

addPolylines(data=data2,~lon,~lat,color="green")%>%

addCircleMarkers(data=data,~lon, ~lat,popup = ~address,radius=~size,group=~Type)

這是一個高度綜合的案例，包含底圖圖層的多分類控制；數據圖層的多分類控制以及點線面三種數據圖層的綜合運用。

leaflet()%>%

addTiles(group ="OSM (default)")%>%

setView(lng=116.435889,lat=39.932642,zoom=8)%>%

addGeoJSON(geojson3,group="GeoJSON")%>%

addProviderTiles(providers$CartoDB.Positron,group="CartoDB")%>%

addProviderTiles(providers$Stamen.TonerLines,options=providerTileOptions(opacity=0.35),group="TonerLines")%>%

addProviderTiles(providers$Stamen.TonerLabels,group="TonerLabels")%>%

addPolylines(data=data1,~lon,~lat,color="red",group="line1")%>%

addPolylines(data=data2,~lon,~lat,color="orange",group="line2")%>%

addCircleMarkers(data=data,~lon, ~lat,popup = ~address,radius=~size,group="address",color = "#1843F9")%>%

addLayersControl(

   baseGroups = c("OSM (default)", "CartoDB", "TonerLines","TonerLabels"),

   overlayGroups = c("GeoJSON","line1","line2","address"),

   options=layersControlOptions(collapsed = FALSE)

  )

“json素材操縱與圖層面板控制的方法是什么”的內容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業相關的知識可以關注億速云網站，小編將為大家輸出更多高質量的實用文章！