R语言：数据地图
基本地图的绘制
世界地图
中国地图
实例一：NBA球队
实例二：新冠肺炎

数据地图是一种经典的图示方法，在R软件中，各种程序包所提供的函数在绘制数据地图时比较方便。
基本地图的绘制
世界地图
方法一

R包中存储着常见地图的数据，比如maps包中包含世界地图、美国地图等
library(maps)
map("world", fill = TRUE, col = rainbow(200),
    ylim = c(-60, 90), mar = c(0, 0, 0, 0))
title("世界地图")



方法二
library(maps)
data("world.cities")
bigcities <- subset(world.cities, pop > 5000000)
qplot(long, lat, data = bigcities,colour=country.etc,size=pop)+ borders("world", size= 0.5)


中国地图
利用ggplot2绘制美国地图比较容易，因为美国地图是程序包maps中自带的地图，但其他国家的地图数据则需要从外部导入。
方法一

首先，安装相应的包
install.packages("mapproj")
install.packages(“sp”)
install.packages(“maptools”)
library(maptools)
library(ggplot2)
library(plyr)
library(sp)

下载中国地图的GIS数据

这是一个压缩包，完全解压后一般包含三个文件（bou2_4p.dbf、bou2_4p.shp和bou2_4p.shx），将这三个文件解压到R的工作空间下，或者直接输入路径：
x <- readShapePoly("C:/Users/SAMSUNG/Desktop/china-province-border-data/bou2_4p.shp")
plot(x)

如果安装maptools后无法用readShapePoly（）函数读取.shp文件，可以试试rgdal程序包，然后用rgdal包中的readOGR（）函数读取.shp文件：
library(rgdal)
china_map <- readOGR("C:/Users/SAMSUNG/Desktop/china-province-border-data/bou2_4p.shp")
china_map1 <- fortify(china_map)

#绘制全国地图-不着色
ggplot(china_map1,aes(x=long,y=lat,group=group))+
   geom_polygon(fill="white",colour="black")+
   coord_map("polyconic")
   
#绘制全国地图-分省着色
xs<-data.frame(x,id=seq(0:924)-1)
china_map_data<-join(china_map1, xs, type = "full")  

ggplot(china_map_data, aes(x = long, y = lat))+
  geom_polygon(aes(group = group,fill=NAME),color="grey40" )+ #线条色
  coord_map("polyconic")+
  scale_fill_manual(values=colours(),guide=FALSE) #分省着色


方法二

从gadm.org网站上得到中国的省区地理数据，并加载到R软件内存中。GADM是世界行政区域（或行政区域界线）位置的空间数据库，可专门用于地理信息系统和类似的软件，并且提供Rdata格式的数据，非常便于在R中绘制数据地图。

但是。。。你会发现一些令人气愤的事，如下图【笔者已经无fuck说了



代码如下，可自己补全路径
install.packages(“sp”) 
library(sp)  
load(url("http://gadm.org/.../***.RData"))
#将每个省人口数据按顺序存放在数据框gadm中，生成一个变量pop
gadm$pop=c(1961,1293,7185,3571,2470,4374,2745,3831,2301,7866,5442,
           5950,3689,4456,9579,9402,5723,6570,10432,4602,867,2884,
           8041,3474,4596,300,3732,2557,562,630,2181,706)
#利用空间绘图命令进行绘图
spplot(gadm,"pop",col.regions = rev(terrain.colors(gadm$pop)),main="中国各省人口数据")

方法三
library(mapdata)
ch_cities <- subset(world.cities, country.etc=="China")
ggplot(ch_cities, aes(long, lat)) + geom_point(colour= alpha("red",0.5))+ borders("china")



方法四
map("china", col = "red4", ylim = c(18, 54), panel.first = grid())


实例一：NBA球队
NBA比赛球队30支,现想了解詹姆斯（LBJ）对阵哪个球队时表现更好，或得分更高，故通过绘制数据地图直观地得到结论。
library(ggplot2)
lbj=read.table("C:/Users/SAMSUNG/Desktop/R数据分析/data/lbj.txt",header=T,quote="'") 

attach(lbj)
head(lbj)  #查看数据集的前5行
state_map=map_data("state")  #获取美国地图的数据信息

p=ggplot(lbj,aes(map_id=state))+geom_map(aes(fill=AvgPTS),map=state_map)+
  expand_limits(x=state_map$long,y=state_map$lat)+
  scale_fill_continuous(limits=c(19,max(AvgPTS)),high='red3',low='yellow',guide="colorbar")+
  options(title='詹姆斯客场平均得分')

attach(state_map)
state.uni=unique(region)  #存放各州的名称
xx=0;yy=0  #事先建立变量xx和yy，下面用循环找到每个州对应的坐标值
for(i in 1:length(state.uni))
{
  xx[i]=mean(long[region==state.uni[i]])
  yy[i]=mean(lat[region==state.uni[i]])
}

order=0  #按变量state.uni的顺序找到数据集lbj中各州的位置，存放于变量order
for(i in 1:length(state.uni)){
  order[i]=which(state==state.uni[i])
}
labels=Opp[order]  #通过位置找到各州对应的球队名称
p+annotate("text",x=xx,y=yy,label=labels)  #最后绘图并添加注释

运行结果如下：



区域颜色越深，表示詹姆斯在该球队所得的分数越高。

用ggplot2画美国地图是相当的方便。
实例二：新冠肺炎
方法一

数据是截至2020年2月28日00：00，各省份的累计确诊病例数
library(sp)
library(maptools);
x=readShapePoly('.../bou2_4p.shp');
getColor=function(mapdata,provname,provcol,othercol)
{
f=function(x,y) ifelse(x %in% y,which(y==x),0);
colIndex=sapply(mapdata$NAME,f,provname);
fg=c(othercol,provcol)[colIndex+1];
return(fg);
#mapdata 存放地图数据的变量x
#provname 需要改变颜色的地区的名称
#provcol 对应于provname的代表颜色的向量（名称或数字）
#othercol 是其它地区的颜色
}
provname=c("北京市","天津市","河北省","山西省","内蒙古自治区",
"辽宁省","吉林省","黑龙江省","上海市","江苏省",
"浙江省","安徽省","福建省","江西省","山东省",
"河南省","湖北省","湖南省","广东省",
"广西壮族自治区","海南省","重庆市","四川省","贵州省",
"云南省","西藏自治区","陕西省","甘肃省","青海省",
"宁夏回族自治区","新疆维吾尔自治区","台湾省",
"香港特别行政区");
pop=c(410,136,318,133,75,121,93,480,337,631,1205,990,296,935,756,1272,65914,1017,1348,252,168,
576,538,146,174,1,245,91,18,72,76,32,93);
provcol=grey((1-pop/max(pop)))
plot(x,col=getColor(x,provname,provcol,"white"),xlab="",ylab="");

颜色数据部分运行如下：



方法二

将csv文件中的省份数据和程序包中所给的地图数据作矩阵合并
data<-read.csv("C:/Users/SAMSUNG/Desktop/data.csv",T) #读取人口数据
names(data)
china_data <- join(china_map_data, data, type="full") #矩阵合并
names(china_data)

ggplot(data,aes(x=long,y=lat,id=id,fill=number))+ #以人口数填充色彩
  geom_polygon(colour="grey40")+ #省界颜色
  scale_fill_gradient(low="white",high="steelblue")+#指定渐变填充色
  coord_map("polyconic")+#指定投影方式为polyconic
  theme(               #清除不需要的元素
    panel.grid = element_blank(),
    panel.background = element_blank(),
    axis.text = element_blank(),
    axis.ticks = element_blank(),
    axis.title = element_blank(),
    legend.position = c(0.2,0.3)
  )

可能是因为GADM提供的id不同，矩阵合并时出现了问题，这个地方暂时还没解决，先留着。

R软件的ggplot包升级以后有绘制地图的新功能，其图形元素主要是通过geom_map来实现。由于系统内maps包所自带的地图数据没有广州市的数据。其它图家地图数据则要从外部导入，本文则尝试从外部导入广州数据，然后用ggplot2包进行绘图。 

本例的目的是结合地理数据和房价数据，以说明广州市房价的行政区分布情况。基本步骤是先导入地理信息数据，将其转为ggplot2可以处理的数据框格式，将房价数据整合进来，最后绘制成图。在下图中，颜色越深代表房价越高。由于本人只在网络上下载到旧版的广州市地图，所以与现实是有些出入的。广州市行政区gis图shp格式.rar 


      接下来展示本案例的代码



library(maptools);
library(ggplot2)
library(plyr)
gzmap<-readShapePoly('C:/Users/Thinkpad/Desktop/广州市行政区划/guangzhou.shp')
head(fortify(gzmap))
ggplot(gzmap,aes(x=long,y=lat,group=group))+geom_path()
gzfj<-data.frame(行政区=c('白云区','海珠区','黄埔区','荔湾区','天河区','越秀区','花都','南沙区',
                       '增城','从化','番禺区','萝岗区'),
                 房价=c(14740,17476,12387,16123,20319,26176,8541,9062,8520,8636,13838,14555))
gz.map<-fortify(gzmap,gzmap$NAME_EN)
gzdata<-data.frame(id =unique(gz.map$id),name=gzmap$NAME_EN)
gzdata1<-merge(gzfj,gzdata,by.x='行政区',by.y='name')
gz_map<-merge(gz.map,gzdata1,by.x='id',by.y='id')
gz_map<-arrange(gz_map,group,order)
head(gz_map)
ggplot(gz_map,aes(map_id = id))+
  geom_map(aes(fill = 房价), map =gz.map,colour='black') +
  expand_limits(x = gz.map$long, y = gz.map$lat)+theme(
       panel.grid=element_blank(),
       panel.background=element_blank(),
       axis.text=element_blank(),
       axis.title=element_blank())     





自动生成的颜色太暗，而且是颜色越浅代表房价越高，这些不太符合人们的思维惯性，下一步要改变颜色



接下来介绍两种改变颜色的方法scale_fill_gradient2和scale_fill_gradient



改变颜色



ggplot(gz_map,aes(map_id = id))+
  geom_map(aes(fill = 房价),map =gz.map,colour='black') +
  expand_limits(x = gz.map$long, y = gz.map$lat)+
  ggtitle("广州房价分布图")+
  scale_fill_gradient2(low='#F0F5FD',mid='#85B0F2',high='#0808E7',midpoint=median(gzfj$房价))+
  theme(panel.grid=element_blank(),
    panel.background=element_blank(),
    axis.text=element_blank(),
    axis.title=element_blank()) 





改变颜色



ggplot(gz_map,aes(map_id = id))+
  geom_map(aes(fill = 房价),map =gz.map,colour='black') +
  expand_limits(x = gz.map$long, y = gz.map$lat)+
  ggtitle("广州房价分布图")+
  scale_fill_gradient(high = "darkblue",low = "lightblue")+
  theme(panel.grid=element_blank(),
        panel.background=element_blank(),
        axis.text=element_blank(),
        axis.title=element_blank())





已经为行政区根据房价的不同涂上了不同的颜色，但是我们还想再地图上显示行政区的名称



添加文字



gzmap<-readShapePoly('C:/Users/Thinkpad/Desktop/广州市行政区划/guangzhou.shp')
gz.map<-fortify(gzmap,gzmap$NAME_EN)
gzfj<-data.frame(行政区=c('白云区','海珠区','黄埔区','荔湾区','天河区','越秀区','花都','南沙区',
                       '增城','从化','番禺区','萝岗区'),
                 房价=c(14740,17476,12387,16123,20319,26176,8541,9062,8520,8636,13838,14555))
gzdata1<-merge(gzfj,gzdata,by.x='行政区',by.y='name')
str(gzdata1)



添加经度和纬度



此处可以用一个循环来表达，无奈楼主水平有限，也在学习期间，若有真正的大牛希望看到后能指点一二



gzdata1$long[1]<-mean(gz.map$long[gz.map$id==gzdata1$id[1］)
gzdata1$long[2]<-mean(gz.map$long[gz.map$id==gzdata1$id[2］)
gzdata1$long[3]<-mean(gz.map$long[gz.map$id==gzdata1$id[3］)
gzdata1$long[4]<-mean(gz.map$long[gz.map$id==gzdata1$id[4］)
gzdata1$long[5]<-mean(gz.map$long[gz.map$id==gzdata1$id[5］)
gzdata1$long[6]<-mean(gz.map$long[gz.map$id==gzdata1$id[6］)
gzdata1$long[7]<-mean(gz.map$long[gz.map$id==gzdata1$id[7］)
gzdata1$long[8]<-mean(gz.map$long[gz.map$id==gzdata1$id[8］)
gzdata1$long[9]<-mean(gz.map$long[gz.map$id==gzdata1$id[9］)
gzdata1$long[10]<-mean(gz.map$long[gz.map$id==gzdata1$id[10］)
gzdata1$long[11]<-mean(gz.map$long[gz.map$id==gzdata1$id[11］)
gzdata1$long[12]<-mean(gz.map$long[gz.map$id==gzdata1$id[12］)
gzdata1$long[13]<-mean(gz.map$long[gz.map$id==gzdata1$id[13］)
gzdata1$long[14]<-mean(gz.map$long[gz.map$id==gzdata1$id[14］)

gzdata1$lat[1]<-mean(gz.map$lat[gz.map$id==gzdata1$id[1］)
gzdata1$lat[2]<-mean(gz.map$lat[gz.map$id==gzdata1$id[2］)
gzdata1$lat[3]<-mean(gz.map$lat[gz.map$id==gzdata1$id[3］)
gzdata1$lat[4]<-mean(gz.map$lat[gz.map$id==gzdata1$id[4］)
gzdata1$lat[5]<-mean(gz.map$lat[gz.map$id==gzdata1$id[5］)
gzdata1$lat[6]<-mean(gz.map$lat[gz.map$id==gzdata1$id[6］)
gzdata1$lat[7]<-mean(gz.map$lat[gz.map$id==gzdata1$id[7］)
gzdata1$lat[8]<-mean(gz.map$lat[gz.map$id==gzdata1$id[8］)
gzdata1$lat[9]<-mean(gz.map$lat[gz.map$id==gzdata1$id[9］)
gzdata1$lat[10]<-mean(gz.map$lat[gz.map$id==gzdata1$id[10］)
gzdata1$lat[11]<-mean(gz.map$lat[gz.map$id==gzdata1$id[11］)
gzdata1$lat[12]<-mean(gz.map$lat[gz.map$id==gzdata1$id[12］)
gzdata1$lat[13]<-mean(gz.map$lat[gz.map$id==gzdata1$id[13］)
gzdata1$long[14]<-mean(gz.map$long[gz.map$id==gzdata1$id[14］)
ggplot(gz_map,aes(map_id = id))+
  geom_map(aes(fill = 房价),map =gz.map,colour='black') +
  expand_limits(x = gz.map$long, y = gz.map$lat)+
  ggtitle("广州房价分布图")+
  scale_fill_gradient2(low='#F0F5FD',mid='#85B0F2',high='#0808E7',midpoint=median(gzfj$房价))+ 
  geom_text(aes(x =long,y = lat,label = 行政区), family = "GB1", data = gzdata1)+
  theme(panel.grid=element_blank(),
        panel.background=element_blank(),
        axis.text=element_blank(),
        axis.title=element_blank())



以上程序运行后就得到我们最初看到的图形了，颜色根据房价的高低来定，地图上还标注了行政区的名称。

发一篇教大家如何用R语言画路线图的攻略~
~\(≧▽≦)/~
题目是这样的：
 
利用R的地图包，提取武汉地图，并在图上标注一条从华中师范大学北门到黄鹤楼的路线.





首先，读取需要用到的R包~
library(maptools)
library(sp)
library(ggplot2)
library(mapproj)





再然后，在国家基础地理信息中心上下载地级市的shp地图包~这个网站我当时试了好多次还是登不上去，又从网上找了一个数据包~
当然你找百度地图，谷歌地图神马的，只要能拿到市级地图都行~R语言自带的包没有精确到市级。。。
 http://pan.baidu.com/s/1hs03gUg（如果分享过期了可以上网搜索BOUNT_poly.shp）
读入地级市包里的这个文件

mydat = readShapePoly("d:/rstudy/BOUNT_poly.shp")






按照99年制定的名字标准找到武汉市
tmp = iconv(mydat$NAME99, from = "GBK")
grep("武汉", tmp, value = TRUE)





显示武汉市对应ADCODE99编码
mydat$ADCODE99[grep("武汉", tmp)]







接下来就是把地图数据从地图包里找出来啦~稍微改一下名称~




Wuhan = mydat[substr(as.character(mydat$ADCODE99), 1, 4) == "4201",]
mysh = fortify(Wuhan)
mysh = transform(mysh, id = iconv(id, from = 'GBK'), group = iconv(group, from = 'GBK'))
head(mysh, n = 2)
names(mysh)[1:2] = c("x","y")   













为了好看，要涂上漂亮哒颜色~不过作为一个重度选择困难症，还是用随机数涂颜色啦~
（其实是因为网上的教程里有现成的随机数涂色╮(╯▽╰)╭）
先弄一串随机数把~
myepidat = data.frame(id = unique(sort(mysh$id)))
myepidat$rand = runif(length(myepidat$id))
myepidat





接下来查出华师和黄鹤楼的大致经纬度，我在百度地图找的，四舍五入一下~
然后准备好名字标签。
多个多维向量做图处理的时候记得转化成数据框哟~

E <- c(114.31,114.37)
N <- c(30.55,30.52)
place <- c('黄鹤楼','华师')
data <- data.frame(E,place,N)






最后画出地图，涂色，标出目标点，连线。（可能是游戏打多了，用的红到绿的渐变色，地点用的是黄色，连线用蓝色~不要嘲笑我哒审美，我可是试了好多颜色哒~）
╮(╯▽╰)╭
csmap = ggplot(myepidat) +
  geom_map(aes(map_id = id, fill = rand), color = "white", map = mysh) +
  scale_fill_gradient(high = "red",low = "darkgreen") +
  geom_point(aes(E, N),data = data,colour="yellow") +
  geom_line(aes(E, N),data = data, colour = "blue",size = 1.5)+
  geom_text(data = data,aes(E, N, label = place),hjust = 1.2,size = 3) +
  expand_limits(mysh) + 
  coord_map()
print(csmap)










 
全部代码：
library(maptools)
library(sp)
library(ggplot2)
library(mapproj)

mydat = readShapePoly("d:/rstudy/BOUNT_poly.shp")
tmp = iconv(mydat$NAME99, from = "GBK")
grep("武汉", tmp, value = TRUE)
grep("武汉", tmp)
mydat$ADCODE99[grep("武汉", tmp)]
Wuhan = mydat[substr(as.character(mydat$ADCODE99), 1, 4) == "4201",]
mysh = fortify(Wuhan)
mysh = transform(mysh, id = iconv(id, from = 'GBK'), group = iconv(group, from = 'GBK'))
head(mysh, n = 2)
names(mysh)[1:2] = c("x","y")   
myepidat = data.frame(id = unique(sort(mysh$id)))
myepidat$rand = runif(length(myepidat$id))
myepidat
E <- c(114.31,114.37)
N <- c(30.55,30.52)
place <- c('黄鹤楼','华师')
data <- data.frame(E,place,N)
csmap = ggplot(myepidat) +
  geom_map(aes(map_id = id, fill = rand), color = "white", map = mysh) +
  scale_fill_gradient(high = "red",low = "darkgreen") +
  geom_point(aes(E, N),data = data,colour="yellow") +
  geom_line(aes(E, N),data = data, colour = "blue",size = 1.5)+
  geom_text(data = data,aes(E, N, label = place),hjust = 1.2,size = 3) +
  expand_limits(mysh) + 
  coord_map()
print(csmap)






运行结果：








参考资料：
[1]
姜晓东. R
绘制中国地图，并展示流行病学数据 
https://cosx.org/2014/08/r-maps-for-china
[2] blbailei.
如何向ggplot图中添加参考线和标准的例子http://www.dataguru.cn/thread-274407-1-1.html

ggmap
说起用R绘制中国地图，很多有经验的老司机肯定会推荐ggmap，无论是里面自带的各种地区绘图、经纬度查询以及可以与ggplot无缝衔接绘制地区统计图，这都是R中其它绘制地图所难以超越的优势。
但奈何R经常无法获取ggmap里面的地图。当我想导入中国地图时，就会出现如下图所示的问题。



由于数模所需，为了硬着头皮进行绘制，哪怕丑一些，所以探索出了下面两种绘制中国地图的方法。

maps + mapdata
这种方式绘制中国地图非常的简单，只需要一行代码（注意要先调用两个R包maps, mapdata）：
map("china", col = "red4", ylim = c(18, 54), panel.first = grid())

便可以得到如下图所示的绘制结果。


但这幅图只是一幅单纯的中国地图，如果我们想要插入部分城市的人口数据以及其它信息，该如何添加呢？（数据来源：2015-2016年中国城市人口数量排名）
首先来看看我们的数据信息（代码有点丑，不要在意这些细节）：
beijing = c('北京&天津', 39.90419989999999, 116.4073963, 1961.24 + 1293.82)
shanghai = c('上海', 31.2303904, 121.4737021, 2301.91)
zhengzhou = c('郑州', 34.7472541716, 113.6249284647, 862.65)
wulumuqi = c('乌鲁木齐', 43.8266013700, 87.6168405804, 311.03)
haerbin = c('哈尔滨', 45.8021755616, 126.5358247345, 1063.6)
xian = c('西安', 34.3412614674, 108.9398165260, 846.78)
wuhan = c('武汉', 30.5927599029, 114.3052387810, 978.54)
chengdu = c('成都', 30.5702183724, 104.0647735044, 1404.76)
lasa = c('拉萨', 29.6441135160, 91.1144530801, 55.94)
chongqing = c('重庆', 29.5647048135, 106.5507137149, 2884.62)
kunming = c('昆明', 24.8796595146, 102.8332118852, 643.2)
guangshen = c('广州&深圳', 23.0206747828, 113.7517837567, 1270.08 + 1035.79)

cities = c(beijing, shanghai, zhengzhou, wulumuqi, haerbin, xian, wuhan,
           chengdu, lasa, chongqing, kunming, guangshen)
mat.cities = as.data.frame(matrix(cities, ncol = 4, byrow = T), stringsAsFactors = F)
names(mat.cities) = c('names', 'lat', 'long', 'population')
mat.cities$population = as.numeric(as.character(mat.cities$population)) / 100
mat.cities$lat = as.numeric(as.character(mat.cities$lat))
mat.cities$long = as.numeric(as.character(mat.cities$long))

具体操作其实也非常简单：使用for循环搭配基础的points()函数，使用如下所示的代码即可：
map("china", col = "red4", ylim = c(18, 54), panel.first = grid())
for (i in 1:12) {
  points(mat.cities$long[i], mat.cities$lat[i], cex = 1.5, pch = 16)
}
title('Population')



这里应该还需要用其它信息来展现我们的人口数，但是由于这个绘图不是很漂亮，所以就不进行接下来的操作了。后面介绍一个更漂亮的不翻墙绘制人口地图的方法——ggplot + mapdata。

ggplot2 + mapdata
话不多说，直接用我们前面生成的数据进行绘制。这里讲一下大概的流程：

同上一种方式，利用map()函数产生中国地图的轮廓（如果能上google，使用ggmap当然更好）。
使用ggplot进行绘图:

使用geom_path()函数将我们生成的中国地图的轮廓绘制出来，这里修改颜色，选择清新自然的粉色；
用geom_point()将各个城市的位置用散点点上，同时点的大小表示人口的多少，这里用清新蓝；
用geom_text()在每个点上添加上城市的名称；
修改各个标签以及各种title的名称；
进行修改主题、Mac上显示中文字等操作。



china <- map("china", plot = F)
ggplot() + 
  geom_path(data = china, aes(long, lat, group = group), color = '#FD9FA4', show.legend = F) +
  geom_point(data = mat.cities, aes(x = long, y = lat, size = population), alpha = 0.8, color = '#8BB6D6') +
  # geom_text_repel(data = mat.cities, aes(x = long, y = lat, label = names), family = "STHeiti") +
  geom_text(data = mat.cities, aes(x = long, y = lat, label = names), family = "STHeiti") +
  labs(x = '经度', y = '纬度', title = '中国十二个地区人口地图', size = '人口(百万)') + 
  theme_bw() +
  theme(panel.border = element_blank(),
        text = element_text(family = "STHeiti"),
        plot.title = element_text(hjust = 0.5))

产生出来的图像如下图所示：


这样的图已经基本算作是能看的了，但这并不是强迫症患者所最终追求的绘图。其美中不足的是每个城市的名称覆盖在我们的散点上了。
通常我们的做法非常简单，在geom_text()中设置参数，将所有的文字向上下左右选一个方向，防止覆盖。这样做当然没问题，这里介绍另一种方法，可以进行自适应调整以防覆盖。

ggrepel
我们的做法是使用ggrepel包中的geom_text_repel()函数替换掉我们原本的geom_text()，细心的同学已经发现，这就是我们上面代码注释掉的部分。这时只需将其封印解除，同时封印住geom_text()这个小顽皮，我们的绘图就大功告成了！