写在前面
昨天讲过武汉发病热力地图的绘制，详见
R中几行代码，搞定武汉发病热力图
对于区县以下，如街道、村镇、小区等的绘图方法详见
【资料】你的病例县域分布图里，怎么有病例掉水里了
【资料】如何根据发病数，在线做一个县域分布图
如果要做全国的省份病例分布、全国地级市分布图，这个更加简单，直接用excel就行了
【小工具】一键搞定全国分档设色数据地图(分省、分市均有)
昨天的方法有个条件限制，就是这种方法必须要有对应的shapefile文件(*.shp)昨天分享一。
如果没有的话怎么办呢，那就看一下今天的方法Rstudio+geojson。
今天的方法Rstudio+geojson有点有3个
其一 数据来源于aliyun(阿里云)，不用担心地图准确性问题。
其二 覆盖所有地级市，最小单位为县级单位。
其三 免费、公开，避免版权问题。
一、发病数据准备、准备Rstudio
输入如下代码并运行(如果没有安装相应的包，请先安装好)
library(sp)
library(maps)
library(mapdata)
library(rgeos)
library(maptools)
library(ggplot2)
library(rgdal)   #提供readOGR()函数
library(dplyr) #提供full_join()函数
library(plyr)
library(mapproj)
library(RColorBrewer)#调用brewer.pal，其是RColorBrewer中的函数
library(Cairo)#利用cairo_pdf输出中文字体
library(tmap)
library(leaflet)
library(mapview)
library(sf)
注明：这个是有点偷懒的，基本把所有能用到的包都加载了。其中sp、ggplot2的应该是必须的。
二、将数据输入r
输入如下代码并运行
#输入发病数据
case 
enname 
name 
#输入中文名称
wuhan2 
View(wuhan2)#检查数据框是否有错误
三、准备geojson文件(核心步骤)
打开如下网站http://datav.aliyun.com/tools/atlas/，在搜索框中输入你打算作图的区域。
本文以武汉为例。
输入武汉，并回车搜索
复制下面这个地址(json api 包含子区域)，新建一个页面，将改地址复制进去并回车。
结果如下。
在上面单击右键，选择另存为，然后保存
四、导入json文件
在Rstudio中输入如下代码并运行(如果没有安装相应的包，请先安装好)
#导入json文件
wuhan_tmp 
View(wuhan_tmp)
#注意双引号中是路径，\在Rstudio中要用\\替代
#检查地图数据是否正常。
plot(wuhan_tmp)
#检查地图是否显示正常
五、json文件与发病数据合并
输入如下代码并运行
wuhan_tmp1 
View(wuhan_tmp1)
六、绘制地图
输入如下代码并运行
ggplot() + 
  geom_sf(data = wuhan_tmp, aes(geometry = geometry, fill = case),
          size = 0.05, color = "white")+
  scale_fill_gradient(low="blue",high="red")
这个时候就可以看到成品了，如下
也可以在上面的基础上进行修改，删除地图之外的元素。
ggplot() + 
  geom_sf(data = wuhan_tmp, aes(geometry = geometry, fill = case),
          size = 0.05, color = "white")+
  scale_fill_gradient(low="blue",high="red")+
  theme(
  panel.grid = element_blank(),
  panel.background = element_blank(),
  axis.text = element_blank(),
  axis.ticks = element_blank(),
  axis.title = element_blank(),
  legend.position = c("none")) 
#theme(),清除不需要的元素
#legend.position (),the position of legends ("none", "left", "right", "bottom", "top", or two-element numeric vector, 左下 legend.position = c(0.2, 0.3))
这个时候就可以看到成品了，如下

热力图以特殊高亮的形式显示数据集中的所在的地理区域的图示。通过热力图的颜色深浅，高亮程度，可以直观清楚地看到区域数据分布、密度和变化趋势，获取数据焦点而无需数据分析，让人一目了然。地图-热力图通过标记点的形式为用户观察地理数据集中程度提供更好的体验。
现在很多企业用热力图来做数据分析,分析市场的一种展示效果，热力图的展示效果直观明了，对于企业对于业务效果的分析有至关重要的作用，但是，制作热力图的方法是很多企业都非常苦恼的，一个简单的热力图该怎么做呢？下面是给大家介绍一种非常简单的方法。
基于Smartbi可视化工具的示例：
图：Smartbi热力图
实现步骤
根据坐标创建热力地图
根据坐标创建热力图是基于用户创建的数据集存在地点区域的位置信息(经度坐标、纬度坐标)，可以用于基于自身数据集存在坐标的情况下进行标记点位置的设置。
Smartbi在线热力图制作步骤一：
创建数据集(包含经度、纬度、销售额)
Smartbi在线热力图制作步骤二：
根据以上查询新建电子表格，新建电子表格的方法参见电子表格列表报表相关章节
在电子表格工具栏中，单击 图形 选项，将出现如下Echarts作图界面， 图形类型选择“地图”
Smartbi在线热力图制作步骤三：
选择地图加载方式
选择“指定地图”，选择“中国”地图
Smartbi在线热力图制作步骤四：
数据设置
“地图同数据关联类型”选择坐标，勾选“经度坐标”字段作为经度，勾选“纬度坐标”作为纬度，勾选“销售额”作为指标，子图类型选择热力图
选择数据保存后，即可看到热力地图效果
高级设置
如果对默认的地图效果不满意，可以通过配置项实现预期效果。
a.直接对指标样式进行设置，点击设置按钮，再点击“销售额”序列的“设置”按钮，进入序列设置界面。
设置项可设置图例位置、文字样式、配色类型、区间名称及配色方案。图例位置用于设置图例的位置，文字样式用于设置图例的文字字体、字号及颜色等
配色类型指的是用于设置图例是否连续展示或分段展示，效果如下图所示
点击区间连续时，则会在下方有区间名称的设置项，用于设置图例的显示名称，默认为低到高，点击区间枚举时则下方区间名称隐藏，如下图所示；配色方案指的可在下方设置栏自定义设置区间颜色，也可以通过勾选下拉框中的配色方案来实现颜色的选择
区间连续设置
区间枚举设置
b.对地图区域颜色、边界颜色、标记点提示信息等相关信息修改，可以通过下图界面操作。
在线热力图制作的最终效果
经过上面的配置，点击确定保存，得到最终效果如下：

介绍

在这篇文章中，我将展示如何绘制二维正态分布数据的误差椭圆，又名置信椭圆。误差椭圆代表高斯分布的等值轮廓线，并允许可视化一个2D置信区间。下图显示了一组二维正态分布数据样本的95％置信椭圆。这个置信椭圆定义的区域包含了95％的样本，这些样本可以从潜在高斯分布中得到。



在接下来的章节中，我们将讨论如何获得不同置信度（如99％置信区间）的置信椭圆，我们将展示如何用Matlab或C ++代码绘制这些椭圆。



轴对齐的置信椭圆

导出得到误差椭圆的一般方法之前，我们先看看特殊情况，椭圆的长轴平行X轴，如下图： 


上图展示出了椭圆的角度由数据的协方差确定。在这种情况下，协方差为零，使得数据是不相关的，从而导致轴对齐误差椭圆。 


此外，椭圆轴的大小取决于数据的方差。在我们的例子中，X轴方向的方差最大，Y轴方向的方差最小。

一般情况下，长轴为2a，短轴为2b，原点为中心的轴对齐椭圆的方程式定义如下： 


在我们的例子中，轴的长度由数据的标准差定义，这样的话误差椭圆的方程式变为： 


其中s定义椭圆的规模，可以是任意的数（例如，s=1）。现在的问题是如何选择s，使得所得到的椭圆规模代表我们所选择的置信水平（例如，95％的置信水平对应于s =5.991）。

我们的2D数据从零协方差的高斯分布中采样得到。这意味着x值和y值也是高斯分布。因此，等式（2）的左手侧实际上代表独立正态分布数据样本的平方和。根据所谓的卡方（Chi-Square）分布，高斯数据点平方的总和是已知的。卡方分布用“自由度”的形式定义，它表示未知量的数目来。在我们的例子中，有两个未知数，因此自由度是二。

因此，我们可以很容易地获取上述和的概率，通过计算卡方似然，s等于一个特定的值。事实上，由于我们感兴趣的是置信区间，我们正在寻找s小于或等于某个特定值的概率，这个特定值可以用累积卡方分布得到。由于统计人员都是懒惰的（这个翻译我也是醉了【好吧，其实就是我翻译的】原文为“As statisticians are lazy people”期待大家可以给出更好的翻译），我们通常无法尝试计算这个概率，而只是看一个概率表：https://people.richland.edu/james/lecture/m170/tbl-chi.html

例如，使用此概率表，我们可以很容易地发现，在2个自由度的情况下： 


因此，95％置信区间对应于s=5.991。换言之，95％的数据将落入椭圆内： 


类似地，99％的置信区间对应为s=9.210，90％置信区间对应于s=4.605。

图2显示的误差椭圆可以绘制成长轴长度等于，短轴长度。



任意置信椭圆

在数据是相关的情况下，例如存在协方差，所产生的误差椭圆不会是轴对齐的。在这种情况下，如果我们暂时定义一个新的坐标系，使得所述椭圆变为轴对齐，然后旋转所产生的椭圆，那么上面的结论依然有效。

换句话说，之前我们计算平行于x轴和y轴的方差，现在我们计算平行于置信椭圆长轴和短轴的方差，需要计算的方差方向由图1粉红和绿色箭头表示出来。 


这些方向实际上是数据变化最多的方向，并用协方差矩阵定义。协方差矩阵可以看作是一个矩阵，该矩阵线性变换一些原始数据来获得当前观察到的数据。在之前特征向量和特征值的文章中，我们发现沿着这样一个线性变换的方向向量是变换矩阵的特征向量。事实上，图1中粉红色和绿色箭头所示的向量是数据协方差矩阵的特征向量，而向量的长度对应于特征值。

因此，特征值代表特征向量方向上数据的传播。换句话说，特征值代表特征向量方向上数据的方差。在轴对齐误差椭圆的情况下（即协方差等于零）特征值等于协方差矩阵的方差，特征向量等于x轴和y轴的定义。在任意相关数据的情况下，特征向量表示数据最大传播方向，而特征值定义这个传播有多大。

因此，95％置信椭圆可以类似地定义到轴对齐的情况，长轴长度为，短轴长度为，其中λ1和λ2表示协方差矩阵的特征值。

为了获得椭圆的方向，我们简单地计算最大特征向量的角度（以x轴为基准）： 


其中v1是对应于最大特征值的协方差矩阵的特征向量。

基于所述长轴长度，短轴长度和长轴与x轴之间的角度α，绘制置信椭圆变得很容易了。图3展示了几个置信度误差椭圆： 




源码

http://download.csdn.net/download/u010182633/8729819

总结

在这篇文章中，我们介绍了如何根据选择的置信度来获得二维正态分布数据的误差椭圆。对于可视化或分析数据以及另一篇关于介绍PCA的文章中，这是非常有用的。 

文章链接：http://blog.csdn.net/u010182633/article/details/45918737

使用过百度统计或者cnzz统计的童鞋应该知道，后台有一个地图统计，不同访问量的省份显示的颜色也不一样，今天我将带领大家开发一个这样的案例。上一篇《使用raphael.js绘制中国地图》文章中，我给大家介绍了如何使用raphael.js绘制中国地图，今天我要给大家介绍在实际应用中，如何把数据载入到地图中。本文结合实例，使用PHP+Mysql+jQuery实现中国地图各省份数据统计效果。
本例以统计某产品在各省份的活跃用户数为背景，数据来源于mysql数据库，根据各省份的活跃用户数，分成不同等级，并以不同的背景色显示各省份的活跃程度，符合实际应用需求。
HTML
和本站上篇文章《使用raphael.js绘制中国地图》一样，首先在head部分载入raphael.js库文件和chinamapPath.js路径信息文件。
Html代码
     
   
然后在body中需要放置地图的位置放置div#map。
Html代码