快来看！这样的统计地图真的很好绘制的~~

之前有小伙伴再讨论群里提问关于分级统计地图(choropleth maps) 的绘制方法，刚开始看到这个问题的时候觉得比较简单，就给出了几个处理方法，有R的也有基于Python 的，但后来和提问小伙伴一聊，才知道是要绘制一个有 ”三元相映射图例的” 分级统计地图。之前也答应会出一期类似的推文，中间有太多的事情要做，导致拖得有点久。作为过完年的第一篇原创推文，本期我们就使用可视化功能强大的R来绘制此类地图，主要涉及内容如下：

R-tricolore包简介
R-tricolore包实践
更多详细的数据可视化教程，可订阅我们的店铺课程：

R-tricolore包简介

在得知类似需求后，我就根据类似需求进行资料查询，在经过多次查找之后，就找到了R-tricolore包可以较好的完成类似绘制需求(Python的目前还没找到绘制方法)，介绍如下：

1. 官网网址

R-tricolore包的官方网址为：https://github.com/jschoeley/tricolore ，小伙伴们想了解更多的内容可浏览该网址查阅哈。

2. 主要功能

R-tricolore 包可为三元相图的组成成分提供灵活的可视化色标，其主要功能是将任何三元合成颜色编码为三种原色的混合，并绘制合适的颜色键。主要提供以下可视化颜色设置：

离散(discrete)和连续(continuous)色彩支持，
通过居中支持不平衡的成分数据(unbalanced compositional data)，
通过缩放支持范围非常窄的数据(data with very narrow range)，
色调，色度和亮度选项设置。

3. R-tricolore 包样例

R-tricolore 包提供了丰富的样例供学习参考，接下来，我将列举几个例子方便大家理解：

基本三元图绘制

代码：

library(tricolore)# 生成模拟数据
P <- as.data.frame(prop.table(matrix(runif(3^6), ncol = 3), 1))
# 使用Tricolore生成需要的数据：该步骤最为重要
colors_and_legend <- Tricolore(P, 'V1', 'V2', 'V3')
# 展示生成的数据(部分)
head(colors_and_legend$rgb)
#结果如下
"#A37D7D" "#7A86A1" "#AF9B47" "#6E8E72" "#00AFAE" "#727272"

而使用一下代码就可以直接绘制三元相图：

colors_and_legend$key

结果如下：

三元分级统计地图

绘制完tricolore包主要的绘图方法(用于定制化绘制三元相图)，接下来我们看下官网提供的地图映射绘制方法(主要介绍的内容):

「样例一：」

# color-code the data set and generate a color-key
tric_educ <- Tricolore(euro_example,p1 = 'ed_0to2', p2 = 'ed_3to4', p3 = 'ed_5to8')
# add the vector of colors to the `euro_example` data
euro_example$educ_rgb <- tric_educ$rgb
library(ggplot2)
library(ggtern)plot_educ <-# using data sf data `euro_example`...ggplot(euro_example) +# ...draw a choropleth mapgeom_sf(aes(fill = educ_rgb, geometry = geometry), size = 0.1) +# ...and color each region according to the color-code# in the variable `educ_rgb`scale_fill_identity()plot_educ <-plot_educ +annotation_custom(ggplotGrob(tric_educ$key +labs(L = '0-2', T = '3-4', R = '5-8')),xmin = 55e5, xmax = 75e5, ymin = 8e5, ymax = 80e5) +
theme_void() +coord_sf(datum = NA) +labs(title = 'European inequalities in educational attainment',subtitle = 'Regional distribution of ISCED education levels for people aged 25-64 in 2016.')

可视化结果如下：

「样例二：breaks = 2」

# color-code the data set and generate a color-key
tric_educ_disc <- Tricolore(euro_example,p1 = 'ed_0to2', p2 = 'ed_3to4', p3 = 'ed_5to8',breaks = 2)
euro_example$educ_rgb_disc <- tric_educ_disc$rgbggplot(euro_example) +geom_sf(aes(fill = educ_rgb_disc, geometry = geometry), size = 0.1) +scale_fill_identity() +annotation_custom(ggplotGrob(tric_educ_disc$key +labs(L = '0-2', T = '3-4', R = '5-8')),xmin = 55e5, xmax = 75e5, ymin = 8e5, ymax = 80e5) +theme_void() +coord_sf(datum = NA) +labs(title = 'European inequalities in educational attainment',subtitle = 'Regional distribution of ISCED education levels for people aged 25-64 in 2016.')

可视化结果如下：

「样例三：Ternary centering」

tric_lf_non_centered <- Tricolore(euro_example, breaks = Inf,'lf_pri', 'lf_sec', 'lf_ter')euro_example$rgb_lf_non_centered <- tric_lf_non_centered$rgbggplot(euro_example) +geom_sf(aes(fill = rgb_lf_non_centered, geometry = geometry), size = 0.1) +scale_fill_identity() +annotation_custom(ggplotGrob(tric_lf_non_centered$key +labs(L = '% Primary', T = '% Secondary', R = '% Tertiary')),xmin = 55e5, xmax = 75e5, ymin = 8e5, ymax = 80e5) +theme_void() +coord_sf(datum = NA) +labs(title = 'European inequalities in labor force composition',subtitle = 'Regional distribution of labor force across the three sectors in 2016.')

可视化结果如下：

当然通过设置还可以绘制如下可视化效果：

而对于三元相图以及地图属性的设置可通过如下GIF动图进行详细设置：

DemoTricolore()设置

R-tricolore包实践

由于上述介绍的都是官网的例子，这部分我们使用新的数据进行这种 “三元分级统计地图” 的绘制，详细内容如下(数据和相关代码之前的推文绘图技巧 | 双变量映射地图可视化绘制方法类似，这里直接给出相应的代码：

地图数据可视化

代码：

library(sf)
library(tidyverse)
library(hrbrthemes)
library(tricolore)us_data <- socviz::county_data %>% select(id,fips,name,state, land_area,hh_income,pop)
tric_usdata <- Tricolore(us_data,p1 = 'land_area', p2 = 'pop', p3 = 'hh_income',breaks = 3)
#添加新数据
us_data$us_rgb <- tric_usdata$rgb               country_sf <- albersusa::counties_sf()
country_sf <- mutate(country_sf,fips=as.character(fips)) #mutate()生成新列
tri_data <- left_join(country_sf,us_data,by = c("fips"="id"))
us_map2 <- ggplot(data = process_data_2163) +geom_sf(aes(fill=us_rgb,geometry = geometry),size=.1) +scale_fill_identity() # 该步骤确保每个区域之为对应的颜色值

可视化结果如下：

添加三元相及美化

final_map <-us_map2 +annotation_custom(ggplotGrob(tric_usdata$key+theme(text = element_text(size = 8),plot.background = element_rect(fill = "#F0E5DE",colour = "#F0E5DE"))),xmin = 1478654 , xmax = 568885.4 , ymin = -2642789, ymax = -1753061) +labs(title = "Example Ternary Choropleth Map of <span style='color:#D20F26'>USA</span>",subtitle = "Made in <span style='color:#1A73E8'>tricolore</span>",caption = "Visualization by <span style='color:#DD6449'>DataCharm</span>" ) +theme_void(base_family = "Roboto Condensed") +theme(plot.background = element_rect(fill = "#F0E5DE",colour = "#F0E5DE"),plot.title = element_markdown(hjust = 0.5,vjust = .5,color = "black",size = 24, margin = margin(t = 1, b = 12)),plot.subtitle = element_markdown(hjust = 0,vjust = .5,size=15),plot.caption = element_markdown(face = 'bold',size = 12,hjust = 1))

最终的可视化结果如下：