作者：戴维 · 卡尔&哈德利·威克姆
翻译：李博
原文地址：ggmap: Spatial Visualization with ggplot2
PS：由于原文较长，故翻译分为三次进行。
==================================
09.ggmap的实用函数
ggmap有几个实用函数，可以帮助探索空间数据分析。
</br>
001.geocode函数
从地址转换到经度/纬度坐标的方式，实际上是对空间数据进行可视化的必要条件。但问题是，这一过程几乎总是要通过使用必要的地理信息系统（GIS）、同时需要保存结果并将其导入到R中，最后在R外部完成。
而geocode（地理编码）函数将该过程简化为R中一行命令。
geocode是一个向量化函数,它接受字符串并返回地理信息的数据集。在output =“simple”的默认情况下，只返回经纬度。
这些实际上是Mercator对1984年世界大地测量系统（WGS84）的普遍预测，这是Google Maps使用球形地球模型的来源。当output=“more”时，会返回一个较大的数据集，该数据集提供了更多的Google地理编码信息：
> geocode("baylor university", output = "more")
lon lat type loctype address north south east
1 -97.11441 31.54872 university approximate [long address] 31.55823 31.53921 -97.0984
west postal_code country administrative_area_level_2
1 -97.13042 76706 united states mclennan
administrative_area_level_1 locality street streetNo point_of_interest
1 texas waco s 5th st 1311 <NA>
#######在个人电脑上运行后情况
> library(ggmap)
#谷歌地图API服务条款。Google Maps API Terms of Service: http://developers.google.com/maps/terms.
> geocode("baylor university", output = "more")
Information from URL : http://maps.googleapis.com/maps/api/geocode/json?address=baylor%20university&sensor=false
lon lat type loctype
1 -97.11431 31.54984 establishment approximate
address north south east west
1 1301 s university parks dr, waco, tx 76798, usa 31.55119 31.54849 -97.11297 -97.11566
street_number route locality administrative_area_level_2
1 1301 South University Parks Drive Waco McLennan County
administrative_area_level_1 country postal_code
1 Texas United States 76798
特别是，各级政府机构的报告。若设定output=“all"时，则返回整个JSON对象，该对象由谷歌地理编码API解析。参考下面的代码。
## output = "all"的时，返回详细信息情况（节选一部分）。
> library(ggmap)
> geocode("baylor university", output = "all")
Information from URL : http://maps.googleapis.com/maps/api/geocode/json?address=baylor%20university&sensor=false
$results
$results[[1]]
$results[[1]]$address_components
$results[[1]]$address_components[[1]]
$results[[1]]$address_components[[1]]$long_name
[1] "1301"
$results[[1]]$address_components[[1]]$short_name
[1] "1301"
$results[[1]]$address_components[[1]]$types
[1] "street_number"
地理编码API有一些防止滥用的要求限制。
一个未指明的短期rate(见图文)以及24小时2500个请求的限制，通过隐藏的全局变量可以在一定程度上进行检测。
GooglegGocodeQueryCount和输出函数geocodequerycheck，geocode使用它们监控自己的进度，要么（1）根据使用情况调整运行速度或（2）如果查询超出限制则弹出一个错误提示，值得注意是，revgeocode共享相同的请求响应，同时是由相同的变量和函数监测。
要了解更多关于谷歌地理编码、距离矩阵，和API方向的使用规则，请参考文献中列出的网站。
</br>
002.revgeocode函数
在某些情况下，将经度/纬度坐标转换为物理地址是很有用的，使用revgeocode函数这样做是可能的，不过这将依赖于Google地理编码API。
> gc <- geocode("baylor university")
> (gc <- as.numeric(gc))
[1] -97.11441 31.54872
> revgeocode(gc)
[1] "S 1st St, Baylor University, Waco, TX 76706, USA"
Like geocode , more output can be provided as well –
> revgeocode(gc, output = "more")
address route establishment neighborhood locality
1 [long address] S 1st St Baylor University Baylor Waco
administrative_area_level_2 administrative_area_level_1 country postal_code
1 McLennan Texas United States 76706
因此，除了反向地理编码的物理位置(即:地址)，revgeocode可以报告在不同尺寸级别上的情况。最后，output="all"选项可以返回 Google报告的整个JSON对象。
</br>
003.mapdist函数
在空间环境中，计算人们常说的“距离”的能力，是很了不起的事，因此这也为GIS输送了大量的分析人员。使用Google Distance Matrix AI，ggmap能够为Google提供驾驶，骑自行车或步行路线的距离。除了距离之外，Google还会报告预计的剩余时间。输出结果存放在易于使用的数据集中。
例如：
> from <- c("houston", "houston", "dallas")
> to <- c("waco, texas", "san antonio", "houston")
> mapdist(from, to)
from to m km miles seconds minutes hours
1 houston waco, texas 298004 298.004 185.1797 11907 198.45 3.307500
2 houston san antonio 320764 320.764 199.3227 11997 199.95 3.332500
3 dallas houston 387389 387.389 240.7235 14592 243.20 4.053333
自己运行后情况
> library(ggmap)
载入需要的程辑包：ggplot2
Google Maps API Terms of Service: http://developers.google.com/maps/terms.
Please cite ggmap if you use it: see citation('ggmap') for details.
> from <- c("houston", "houston", "dallas")
> to <- c("waco, texas", "san antonio", "houston")
> mapdist(from, to)
by using this function you are agreeing to the terms at :
http://code.google.com/apis/maps/documentation/distancematrix/
Information from URL : http://maps.googleapis.com/maps/api/distancematrix/json?origins=dallas&destinations=houston&mode=driving&sensor=false
Information from URL : http://maps.googleapis.com/maps/api/distancematrix/json?origins=houston&destinations=waco+texas%7Csan+antonio&mode=driving&sensor=false
from to m km miles seconds minutes hours
1 houston waco, texas 298587 298.587 185.5420 10332 172.2000 2.870000
2 houston san antonio 317170 317.170 197.0894 10474 174.5667 2.909444
3 dallas houston 385035 385.035 239.2607 12476 207.9333 3.465556
上面默认的运输工具是汽车。然而，其它模式也是可用的。输入的形式，可以是物理地址（理想），或（“白宫”），或地理坐标（即反向地理编码）。当输出默认为上面所看到的数据集格式时，设置output=“all”，则从谷歌获取完整的JSON对象。
Distance Matrix API将用户限制为每个查询100个请求，每10秒100个请求，每24小时2500个请求。在能够轻松监控这些限制的情况下，导出函数distQueryCheck可帮助用户跟踪其剩余的查询次数。它依赖于隐藏的全局变量".GoogleDistQueryCount（谷歌距离查询数量） "
> distQueryCheck()
2495 distance queries remaining.
> .GoogleDistQueryCount
time url elements
1 2012-03-16 00:12:11 [url used] 1
2 2012-03-16 00:16:10 [url used] 2
如果用户超过了查询上限，mapdist要么（1）暂停，直到到短期的请求限制已经失效或（2）报错，如果没有查询的话。因此，它几乎与用于地理编码的原理相同。如果用户认为这不正确，则mapdist参数规范“override_limit = TRUE”可以覆盖。
mapdist输出的数据集非常便于用ggplot2绘图。图11提供一个例子。从一个位置到附近好几个位置的距离，（1）可以使用mapdist进行测定。（2）使用cut可以进行分类，（3）使用一个qmap组合进行绘图。比如：geom_text 和geom_rect。可以用布景对行程时间分类。完整的代码在ggmap文档的示例部分中。
</br>
004.route函数
route函数提供构成两个位置之间路线序列的地图距离。每条路线都具有开始和结束经度/纬度坐标，以及与mapdist报告的相同单位的距离和持续时间。按照序列组成的路线集，构成了一个单独的，并可使用geom_leg绘制的路线。
在图12中可以看到，使用geom_leg绘制路线，就是一个很好例证，其中在相同的两个位置之间绘制了三条路线。这些可以使用route函数中的“alternatives = TRUE”参数获得。备选方案要求是，从起点到目的地的多条路线；返回值添加到一个附加变量数据集中，用于路由标识符（A，B，C等）。
legs_df <- route(
’marrs mclean science, baylor university’,
’220 south 3rd street, waco, tx 76701’,
alternatives = TRUE
)
qmap(’424 clay avenue, waco, tx’, zoom = 15, maptype = ’hybrid’,
base_layer = ggplot(aes(x = startLon, y = startLat), data = legs_df)) +
geom_leg(
aes(x = startLon, y = startLat, xend = endLon, yend = endLat,
colour = route),
alpha = 3/4, size = 2, data = legs_df
) +
labs(x = ’Longitude’, y = ’Latitude’, colour = ’Route’) +
facet_wrap(~ route, ncol = 3) + theme(legend.position = ’top’)
与地图距离一样，在给定时间内可以请求的路线同样受到限制。留下的查询数由“.GoogleRouteQueryCount”变量与“routeQueryCheck”函数进行监控。
</br>
绘制形状文件
作为最后一个例子，这可能太常见了以至于被忽略，用ggmap绘制形状文件是一件轻而易举的工作，可以通过几种方式完成。最简单的方法是使用fortify（ggplot2），并通过点/路径/多边形图层添加到地图方法，将形状文件转换为数据框。可以通过简单的更多的Geom层来添加附加层。
图13显示绘制美国2000年人口普查，以及完整代码的基本示例。
# get an example shape file#获取一个示例形状文件
download.file(’http://www.census.gov/geo/cob/bdy/tr/tr00shp/tr48_d00_shp.zip’,
destfile = ’census.zip’)
# unzip, and load tools#解压缩和载入工具
unzip(’census.zip’); library(maptools); library(gpclib); library(sp);
gpclibPermit()
# read data into R#读取数据到Ｒ中
shapefile <- readShapeSpatial(’tr48_d00.shp’,
proj4string = CRS("+proj=longlat +datum=WGS84"))
# convert to a data.frame for use with ggplot2/ggmap and plot#转换数据框，使用 ggplot2/ggmap 进行绘图
data <- fortify(shapefile)
qmap(’texas’, zoom = 6, maptype = ’satellite’) +
geom_polygon(aes(x = long, y = lat, group = group), data = data,
colour = ’white’, fill = ’black’, alpha = .4, size = .3)
结论和方向展望
建立在ggplot2之上，ggmap为可视化空间数据提供了几个新的有用工具。从理论上说，分层图形的语法尝试强制绘图的兼容性，从而实现良好的绘图实践。但实际上，在ggplot2上构建ggmap可以使结果更好，因为ggplot2的全部功能都接受了考验。
未来的一些发展方向，应该在ggmap存储包中。新的osmar包集成了R和OpenStreetMap数据结构，Stamen Maps和CloudMade Maps被渲染，从而打开了使用ggmap（Eugster和Rug）在R上绘制地图或卫星图像的可能性。或者，与R中的其它空间包集成的，可以为空间数据分析提供几个非常实用的工具。最后，Google Elevation API和Places API提供了更多有趣的探索，可以像其它Google API一样融入ggmap框架，为用户提供额外的功能，而且可以免费提供地理数据。
（全文完）
“本译文仅供个人研习、欣赏语言之用，谢绝任何转载及用于任何商业用途。本译文所涉法律后果均由本人承担。本人同意简书平台在接获有关著作权人的通知后，删除文章。”
==========================
翻译后记：
断断续续接近半个多月的翻译，昨天终于完成，今天属于整理发布。
5月28日发布翻译的第一部分，6月2日发布翻译第二部分，到今天6月11日发布第三部分。完整的18页PDF，硬是让我拆成了三篇，专业的理论文章，确实较难理解。
遇到的困难，一个是原文的专业术语和大量的缩写，让我在尝试过程中陷入纠结，虽然借助google进行辅助翻译，但是要表达出作者的本意，我还是打了很大折扣。
二是文中大量的长句，对于我这不及格的英文水平，看到长长的句子，就开始发懵，想拆成小的部分，都难以做到。即使查到每个单词的意思，可想表达的意思就是连不起来，反复的捋顺，通过口语化再进行书面表达。
三是有幸学过一段时间R语言，对涉及R语言中的相关函数和包的翻译及理解，使得在相关翻译中才勉强可为。同时也从侧面反应了个人在中文使用上的局限，尤其在文字表达和逻辑理解方面欠缺，这需要逐步加强。
最后，非常感谢大数据社群的小伙伴。在知乎上得到了来自社群小伙伴的鼓励，猴子老师的鞭策，让我一步一步的完成翻译。同时感谢身边同事的包容，感谢jc，小罗，木恒的大力支持，谢谢你们。有你们在，我会坚定的走下去。
