本文作者：王玉婷，中南财经政法大学金融学院
文字编辑：崔赵雯
技术总编：余术玲
各位小伙伴、大伙伴大家好，我爬虫俱乐部“张三丰”又回来啦~
1. 导读
大家应该还记得，前段时间我们揭了Sustainability的老底（《在Sustainability上发文最多的原来是这些高校》），整理了世界主要国家和地区的研究机构在Sus上发文的名单和数量。为了更直观地观察各国的发文情况，我发现了著名的空间数据可视化命令——spmap，作图效果如下图所示：
2. 语法及其简单应用
spmap是一个外部命令，首先我们需要安装该命令：
ssc install spmap
spmap的语法结构如下：
spmap [attribute] [if] [in] using basemap [, ///
basemap_options ///
polygon(polygon_suboptions) ///
line(line_suboptions) ///
point(point_suboptions) ///
diagram(diagram_suboptions) ///
arrow(arrow_suboptions) ///
label(label_suboptions) ///
scalebar(scalebar_suboptions) ///
graph_options]
spmap的语法可以分为三层，spmap也是通过叠加这三个图层来实现绘图的。
第一层：底层地图(basemap)。代表由多个子区域组合而成研究区域，如在世界地图中，各个国家和地区即为该地图的子区域。在Stata中，构造底层地图的数据集(countries_cor.dta)结构如下图所示：
其中，_ID是标识变量，_X和_Y是用于横、纵坐标，对于每个子区域（如，中国）都拥有成百上千对(_X,_Y)来构造该区域的形状。我们来看一下世界地图的轮廓。
cd D:\sus_part3\data
use countries_cor.dta,clear
scatter _Y _X,msize(vtiny)
运行结果如下图所示：
该层还可以设置[attribute]选项，该选项是在使用spmap命令时，位于master数据集中的一个数值型变量，比如各国在Sus上的发文总量(SUM)。我们通过设置渐变色来直观地展示世界主要国家和地区的发文情况。
use draw_dbf.dta,clear //master数据集包含了[attribute]变量SUM
spmap SUM using countries_cor.dta, ///
id(_ID) clmethod(custom) /// **设置标识变量，分级类型为用户自设**/
clbreaks(0 100 500 1000 2000 3000 5000 13000) fcolor(Reds2) /**设置分段，设置渐变色为红色渐变**/
运行效果如下图所示：
第二层：根据研究需要，我们可以在底层地图上添加各种空间对象(spatial objects)。目前，spmap命令有6种空间对象可供选择，分别是多边形(polygon)、点(point)、线(line)、箭头(arrow)和标签(label)。比如，现在我们想突出显示美国这个子区域：
**从世界地图中将构建美国区域的坐标对另存为USA_cor.dta**
use countries_cor.dta,clear
keep if _ID==252
save USA_cor.dta,replace
use draw_dbf.dta,clear
**第一层，底层地图**
spmap SUM using countries_cor.dta, ///
id(_ID) clmethod(custom) ///
clbreaks(0 100 500 1000 2000 3000 5000 13000) fcolor(Reds2) /// **第二层，突出显示美国区域，蓝色填充，轮廓线粗细适中**/
polygon(data(USA_cor.dta) fcolor(blue) osize(medthin))
运行结果如下图所示：
再比如，我们想以发文量为比重描点。
use draw_dbf.dta,clear
**第一层：底层地图**
spmap using countries_cor.dta, id(_ID) /// **第二层：在底层地图上描点，world_point.dta包含了描点的坐标xcoord和ycoord变量**/
point(data(world_point.dta) xcoord(xcoord) ycoord(ycoord) /// **第二层美化：设置比例变量为SUM，填充颜色为彩虹色**/
proportional(SUM) shape(o) size(large) by(_ID) fcolor(Rainbow))
运行结果如下图所示：
第三层：根据自身的需要，我们可以在第一、第二层上添加更多元素(elements)，比如比例尺(scalebar)、标题(title)、注释(note)、图例(legend)等。
use draw_dbf.dta,clear
**第一层：底层地图**
spmap SUM using countries_cor.dta, ///
id(_ID) clmethod(custom) ///
clbreaks(0 100 500 1000 2000 3000 5000 13000) fcolor(Reds2) ///
polygon(data(USA_cor.dta) fcolor(blue) osize(medthin)) /// **第二层：突出显示美国子区域**/
title("世界主要国家和地区在Sustainability发表论文的数量",size(*1.2)) subtitle("Jan.2009-Sep.2020",size(*0.8)) /// **第三层：添加图例、标题等其他元素**/
graphregion(margin(medium)) ///
note("Source:爬虫俱乐部整理")
运行结果如下图所示：
3. 关键点
综合来看，使用spmap作图有两大难点。
（1）获取坐标数据集难
在第二部分的简单应用中，我们所用到的坐标数据集有：countries_cor.dta：世界国家级地图坐标数据集，是使用shp2dta命令转换countries.shp文件而来。而.shp由ESRI（Environmental Systems Research Institute)开发的shape文件，一个shape文件包括一个主文件，一个索引文件，和一个dBASE表。其中主文件的后缀就是.shp。
简单来说，shape文件是美国一家地理信息系统技术公司制作的坐标数据文件，我们可以使用Stata的外部命令shp2dta将该文件转换为dta文件。shape文件可以在某度搜索，关键词为“中国 shapefile”，或者从https://gadm.org/data.html下载。转换命令为：
ssc install shp2dta
shp2dta using countries.shp, ///
database("countries_dbf") coordinates("countries_cor")
USA_cor.dta：美国地图坐标数据集。从countries_cor.dta中提取的_ID为252（代表美国）的坐标对。
world_point.dta：描点坐标数据集。该数据集包括发文量top10的国家的坐标对（每个国家只需要一组，一般是该国的首都经纬度），因为数据量比较小，所以本劳模手工查找了这些国家首都的经纬度，如果数据量比较大，也可以在某度中搜索，关键词为“世界各国经纬度表”。
（2）理解master数据集和各坐标数据集的关系难
master数据集和各坐标数据集的关系确实一时难以理解，但肯定比《红楼梦》的人物关系简单。
图中方框为数据集文件，圆圈代表对应的变量。其中的难点是，如何将master（我们自己的研究数据集）与basemap建立联结？可以看到，我们是通过countries_dbf.dta文件来建立联结的。
countries_dbf.dta文件是转换countries.shp而来的文件之一，其数据结构为：
我们自己的研究数据集draw_dbf的数据结构为：
对比以上两个数据集，我们发现它们有相同的变量NAME，因此我们将两者横向合并：
use draw_dbf.dta,clear
merge 1:1 NAME using countries_dbf.dta,keepusing(_ID)
这样，我们就通过_ID标识变量将master数据集与basemap数据集联结起来了。这也给我们一个提示：在整理自己的数据集(master)时应尽可能使每个观测对象的名称(NAME，比如国家名称、省市名称等)与countries_dbf.dta中一致。
本文用到的所有数据集均可通过后台回复spmap获取，快去打开Stata试试看吧~
