R可视化：地图上的合理排斥点（蜂群？）

我试着复制一张类似这样的地图

它描绘了分布在一个地区的少量项目（学校）。作为输入，我有一张区域地图，每个区域都有一个编号。我想把这一点放在这个区域的很多地方。如果它们不会跨越区域边界扩散，那就更好了，但仅仅分布它们就足够了。区域内的一些漂亮的排斥点可能会起作用

蜂群图也有类似的功能，这可以在地图上实现吗。奖金问题-事实上，我一直在寻找动画，但只能想到非常复杂的方法来做到这一点，所以新的点是增加总nrs的时间

下面的代码将点放置在地图的质心中，并将数字作为大小。（我无法将地图正确导出为单个文件，因此坐标有点混乱，但原理是一样的。）

places=st\u read（“https://gist.githubusercontent.com/peeter-t2/9646a4169e993948fa97f6f503a0688b/raw/cb4e910bf153e51e3727dc9d1c73dd9ef86d2556/kih1897m.geojson，stringsAsFactors=FALSE）
学校这不是一个容易的问题。我决定简化它，只选择一个领域，而不是全部。从理论上讲，该解决方案适用于您的所有区域

我们首先导入我们的库

library(rgdal)
library(sf)
library(readr)
library(ggplot2)

我们使用建议的数据：

places <- st_read("https://gist.githubusercontent.com/peeter-t2/9646a4169e993948fa97f6f503a0688b/raw/cb4e910bf153e51e3727dc9d1c73dd9ef86d2556/kih1897m.geojson", stringsAsFactors = FALSE)

schools <- read_tsv("https://gist.github.com/peeter-t2/34467636b3c1017e89f33284d7907b42/raw/6ea7dd6c005ef8577b36f5e84338afcb6c76b707/school_nums.tsv")
schools_geo <- merge(places,schools,by.x="KIHELKOND",by.y="Kihelkond") #94 matches

最后，我们希望只保留您想要的点数，这是您的示例中相当于值（学校数）的nbr

nbr <- 20
plot(st_geometry(one))
plot(st_geometry(st_centroid(tmp[order(tmp$area, decreasing = T),][1:nbr,])),
     pch = 16, col = 'red', add = TRUE)

nbr正如我在评论中指出的，当我在文件中读取时，它将
crs
设置为lat/lon（
epsg:4326
），而几何体列是不同的
crs
。我已经猜到正确的
crs
是
espg:3301
，并在这个基础上继续进行，似乎效果不错

st\U crs（学校地理位置）%
ggplot（）+
geom_sf（）+
geom_sf（数据=学校分数，大小=0.8）+
主题_bw（）

这产生了下面的图，我认为它看起来很混乱，因为
st_sample
将点扩展到多边形的范围


让点在每个多边形中更加居中可能会更好，如您发布的示例所示。要做到这一点，我们可以根据要在多边形中绘制的点的数量重新缩放多边形。在下面的代码中，如果多边形的内部点最少（1），则将多边形缩小90%，如果多边形的内部点最多（27），则将多边形缩小20%

#将值放在0和1之间的刻度上
缩放\u事实上，您的
位置
数据被读取为lon/lat，但您的几何列看起来像一个不同的crs。数据应该是什么crs？我不确定，但你找到了解决方案。我一直在使用一些非常旧的.shp形状文件，但没有找到保存它的方法。事实上，crs最初表示没有EPSG代码，即使它显示正确。用
st_crs（）重新阅读geojson，这真是太棒了，太漂亮了。我应该玩一下缩放。目前，狭窄的区域将它们聚集在一起，而较宽的区域将它们分布得很广，而在这两者之间，它的工作方式正好相反。知道为什么会这样吗？但这确实是一个非常聪明的解决方案！PS对上面的crs进行了评论。是的，在绘图中玩转缩放和点的大小。间距差异的原因是
st_sample
将填充给定的空间。如果在一个小空间中有很多点，它们会分布得更近。其中一些可以通过调整缩放方式来改进，但有些只是数据（小空间中有很多点）。@puslet88也感谢编辑，不知何故，我遗漏了几行！谢谢！这确实是一个巧妙的解决办法@克里斯在上面写了一篇非常优雅的文章，所以我接受了。我可能会考虑将两者结合起来，以获得更好的效果。st_sample（）是一个很好的函数！我完全同意
st_sample（）
是正确的解决方案。
one <- places$geometry[[1]]

grid <- st_make_grid(one, n = c(10, 10))
area <- st_area(grid)
grid <- st_as_sf(data.frame(ID=c(1:length(area)),
                            area=area,
                            geometry=grid))
tmp <- st_intersection(grid, one)
tmp$area <- st_area(tmp)

plot(st_geometry(tmp['area']))
plot(st_geometry(st_centroid(tmp['area'])),
     pch = 16, col = 'red', add = TRUE)

nbr <- 20
plot(st_geometry(one))
plot(st_geometry(st_centroid(tmp[order(tmp$area, decreasing = T),][1:nbr,])),
     pch = 16, col = 'red', add = TRUE)