本期推文我们绘制不常见的双变量主题地图，该类地图可以很好的在地图上用颜色展示两个变量的信息，相较于单一变量映射地图，此类地图表达的信息更加丰富和全面。本期推文主要涉及的内容如下：
-
双变量映射地图(Bivariate Choropleth Map)简介
-
R-ggplot2+biscale 轻松绘制双变量映射地图
-
更多详细的数据可视化教程，可阅读我们的课程店铺：
-
Bivariate Choropleth Map
在绘制地图时，我们常常使用单一变量进行映射处理，当然，这样展示的结果可以很好的表现我们研究的特征(如收入、房价等)的变化情况或者具体的情况，如下图：
单一变量映射地图
首先，我们先通过通过下图来简单解释下双变量映射的含义：
-
首先我们创建单一变量的3级顺序配色色系。色系从较浅的中性色开始，代表第一个变量的最小值。色系颜色逐渐变暗，并朝着您代表较高值的色相饱和。中间色应与底色具有相同的色相，但其饱和度应较低而亮度较高，如下：
-
根据第一步，我们再创建一个色系，色系颜色含义类似，如下：
-
我们将所选择的6种颜色经过旋转拉伸等操作，即可获得 如下效果：
4.双变量配色色系的数值表示可以用以下这幅图表示：
此外，我们还可以使用A，B或C标记水平方向的单元格，用1、2或3标记垂直方向的单元格：如下：
(注：以上双变量简介参考资料：Bivariate Choropleth Maps: A How-to Guide[1])
R-ggplot2+biscale 轻松绘制双变量映射地图
在简单介绍完之后，接下来，我们使用R语言的biscale、ggplot2以及cowplot包完成此类地图的绘制。R-biscale包是专门为了绘制双变量映射地图而产生的R绘图包，其官网为：https://slu-opengis.github.io/biscale/articles/biscale.html，目前支持2×2和3×3的二元映射，以下为官网提供的样例，更多例子及函数用法，大家可以参考官网：
「样例01」
「样例02」
two-by-two palettes
three-by-three palettes
接下来，我们使用具体的例子介绍使用biscale包绘制双变量映射地图教程。这里的数据地图数据和指标数据分别来自albersusa和socviz包，albersusa包提供了美国标准地图地图文件数据，socviz包则提供了许多常用的指标数据，这两个包也为绘制美国地图省去了寻找数据的时间(小编可是找了好久的数据，最后才找到这个宝藏包哦~~)，话不多说，我们直接上代码，具体如下：
「数据处理」：
library(albersusa)
country_sf <- albersusa::counties_sf(proj = "laea")
usa_map <- ggplot() + geom_sf(data = country_sf,size=.125) +theme_ipsum(base_family = "Roboto Condensed")
usa_map
可视化预览效果如下：
具体的数据格式如下：
counties <- counties_sf()
head(counties)
而我们选择socviz包中的数据操作代码如下：
us_data <- socviz::county_data %>% select(id,fips,name,state, pop,hh_income,travel_time)
head(us_data)
接下来，我们将两种数据(地图数据+指标数据)根据fips编码进行合并，需要注意的是我们需要将地图文件中fips列转换成字符串类型，详细代码如下：
counties <- mutate(counties,fips=as.character(fips)) #mutate()生成新列
bio_data <- left_join(counties,us_data,by = c("fips"="id"))
最后，我们使用biscale::bi_class()方法将合并后的数据转换成可用于绘制双变量映射的数据集，代码如下：
process_data <- biscale::bi_class(bio_data,x = hh_income,y = travel_time,style = "quantile",dim = 3)
head(process_data)
注意：红框中的数据就是我们用于映射的数据集，接下来，我们进行可视化展示：
「可视化绘制」： 在此之前，我们需将绘制数据使用sf::st_transform()进行投影转换，使其更好的展示美国地图，代码如下：
process_data_2163 <- sf::st_transform(process_data,crs = 2163)
可视化绘制代码如下：
usa_bivar_2163_them <- ggplot() +geom_sf(data = process_data_2163, mapping = aes(fill = bi_class), color = "black", size = 0.025, show.legend = FALSE) +bi_scale_fill(pal = "DkBlue", dim = 3) +labs(title = "Example Bivariate choropleth Map of <span style='color:#D20F26'>USA</span>",subtitle = "Dark Blue (DkBlue) Palette in <span style='color:#1A73E8'>biscale</span>",caption = "Visualization by <span style='color:#DD6449'>DataCharm</span>" ) +bi_theme() +theme(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))
usa_bivar_2163_them
可视化效果如下：
「双变量图例绘制」：
biscale包也提供了用于绘制双变量映射地图图例的简单绘制方法，对于本例子，图例绘制如下：
legend_us <- bi_legend(pal = "DkBlue",dim = 3,xlab = "Higher Income ",ylab = "Higher Travel Time ",size = 6)
legend_us
图例效果如下：
legend
最后，我们使用cowplot包进行图片组合即可：
library(cowplot)
# combine map with legend
finalPlot <- ggdraw() +draw_plot(usa_bivar_2163_them, 0, 0, 1, 1) +draw_plot(legend_us, .58, .05, 0.2, 0.2)
finalPlot
最终效果如下：
总结
双变量映射地图其实在很早的时候就准备进行绘制了，虽然查阅到相关绘制资料，但其较多的代码量是我一直不敢写教程(怕自己还没整明白，误导小伙伴们)，但是有了biscale包就可以较简单的进行绘制了，这里需要夸下R-ggplot2绘图体系真的十分完善哦好了，本篇推文就结束了，文本需要绘制的数据都可以直接通过安装相应的包进行获取，希望大家可以好好练习下哦~~
参考资料
[1]
Bivariate Choropleth Maps: A How-to Guide: https://www.joshuastevens.net/cartography/make-a-bivariate-choropleth-map/。
![[Linux]知识整理（持续更新）](https://img-blog.csdnimg.cn/direct/fc5a359788374055b92ef8ddfe7dc782.png)
