如何在R中利用邮政编码绘制加利福尼亚州完整地图？

问题背景 #

手头有加州邮编数据，使用Excel Geography仅能绘制部分区域；用R的Tigris包调用2010年ZCTA数据，按邮编范围（90000-96162）过滤后生成的地图仍不完整。希望得到类似Excel的地图效果，同时实现更完整的邮编覆盖和更多样式自定义选项，作为空间分析新手寻求工具建议。

一、修复Tigris的邮编覆盖问题 #

你当前的过滤逻辑存在问题：ZCTA5CE10是字符型字段，直接用数值比较会导致部分带前导零的邮编被错误过滤，且默认参数可能未获取完整精度数据。可以按以下方式修正：

library(tigris)
library(dplyr)

# 获取完整精度的加州ZCTA数据（cb=FALSE关闭简化）
zipcodes <- zctas(year = 2010, state = "CA", cb = FALSE)

# 用字符范围过滤更稳妥，避免数值转换的前导零丢失问题
zipcodes <- zipcodes %>% filter(ZCTA5CE10 >= "90000" & ZCTA5CE10 <= "96162")

二、实现类似Excel的地图样式+自定义选项 #

推荐使用ggplot2 + sf组合，这是R空间绘图的主流工具，语法直观且样式灵活，完全能实现Excel的可视化效果并拓展更多功能：

步骤1：加载依赖包 #

library(sf)
library(ggplot2)

步骤2：绘制基础填充地图（复刻Excel风格） #

ggplot() +
  # 绘制邮编区域，填充色和边框色贴近Excel的清爽风格
  geom_sf(data = zipcodes, fill = "#e6f2ff", color = "#cccccc", size = 0.1) +
  # 添加加州边界作为参考（可选）
  geom_sf(data = states(year = 2010) %>% filter(STUSPS == "CA"), fill = NA, color = "#333333", size = 0.5) +
  # 去除冗余元素，匹配Excel简洁样式
  theme_minimal() +
  theme(
    panel.grid = element_blank(),
    axis.text = element_blank(),
    axis.title = element_blank(),
    plot.title = element_text(hjust = 0.5, size = 14)
  ) +
  labs(title = "加州邮政编码区域地图")

步骤3：绑定业务数据（如人口、销售额） #

如果需要将自有邮编数据映射到地图上，只需合并数据后通过fill参数绑定指标：

# 假设你的业务数据框为my_data，包含ZCTA5CE10和target_value字段
merged_data <- left_join(zipcodes, my_data, by = "ZCTA5CE10")

ggplot() +
  geom_sf(data = merged_data, aes(fill = target_value), color = "#cccccc", size = 0.1) +
  # 自定义渐变配色，替换为你需要的风格
  scale_fill_viridis_c(option = "mako", name = "业务指标") +
  geom_sf(data = states(year = 2010) %>% filter(STUSPS == "CA"), fill = NA, color = "#333333", size = 0.5) +
  theme_minimal() +
  theme(panel.grid = element_blank(), axis.text = element_blank(), axis.title = element_blank()) +
  labs(title = "加州邮编业务数据热力图")

三、适合新手的其他空间工具推荐 #

• mapview：一键生成交互式地图，无需复杂代码，适合快速预览数据：

  library(mapview)
  mapview(zipcodes) # 生成可缩放、点击查看邮编信息的交互地图
  

• tmap：语法简洁，支持静态/交互式切换，兼顾易用性和灵活性：

  library(tmap)
  tmap_mode("plot") # 静态绘图模式
  tm_shape(zipcodes) + tm_fill("#e6f2ff") + tm_borders("#cccccc", lwd = 0.1)
  

内容的提问来源于stack exchange，提问作者Yvonne