没问题，我帮你把文化邻近性网络叠加到已有的欧亚地图上，还会告诉你怎么扩展到时间演变的可视化。咱们一步步来：

首先得把你的宽格式矩阵转成ggplot能识别的长格式，同时过滤掉国家自身的连线（数值为0的条目），再根据阈值筛选符合条件的邻近连线。

先加载需要的工具包：

library(dplyr)
library(tidyr)

假设你的矩阵已经读入R，这里用你给的示例数据演示：

# 创建示例文化距离矩阵
culture_matrix <- matrix(c(0, 0.00276, 0.148, 0.109,
                           0.00276, 0, 0.145, 0.112,
                           0.148, 0.145, 0, 0.257,
                           0.109, 0.112, 0.257, 0),
                         nrow = 4, byrow = TRUE,
                         dimnames = list(c("AT", "BE", "CH", "CZ"),
                                         c("AT", "BE", "CH", "CZ")))

# 转长格式并筛选符合条件的连线
culture_df <- as.data.frame(culture_matrix) %>%
  mutate(from = rownames(.)) %>% # 添加起点国家列
  pivot_longer(cols = -from, names_to = "to", values_to = "distance") %>% # 宽转长
  filter(from != to) %>% # 去掉国家自身的连线
  mutate(threshold = mean(distance)) %>% # 计算所有距离的均值作为阈值
  filter(distance < threshold) # 筛选出文化距离低于阈值的国家对

要画连线，得先拿到每个国家的地理中心点坐标，推荐从你已有的Shapefile里提取，也可以用工具包快速获取：

方法1：从你的Shapefile提取（匹配度更高） #

如果你用的是sp包的readOGR，可以用rgeos包提取每个国家的中心：

library(rgeos)

# 提取Shapefile中所有国家的中心点
country_centroids <- gCentroid(shapefile, byid = TRUE) %>%
  as.data.frame() %>%
  rename(long = x, lat = y) %>%
  mutate(country = rownames(.)) # 这里的rownames对应Shapefile里的国家ID

# 筛选出你需要的4个国家（确保ID和你的AT/BE等代码匹配，不匹配的话手动映射）
target_centroids <- country_centroids %>%
  filter(country %in% c("AT", "BE", "CH", "CZ"))

方法2：用rnaturalearth快速获取（更便捷） #

如果Shapefile的国家ID不好匹配，直接用rnaturalearth包获取标准坐标：

library(rnaturalearth)
library(sf)

# 获取欧洲国家数据并筛选目标国家
countries <- ne_countries(continent = "europe", returnclass = "sf") %>%
  select(iso_a2, geometry) %>%
  filter(iso_a2 %in% c("AT", "BE", "CH", "CZ")) %>%
  mutate(centroid = st_centroid(geometry)) %>%
  mutate(long = st_coordinates(centroid)[,1], lat = st_coordinates(centroid)[,2]) %>%
  select(iso_a2, long, lat) %>%
  rename(country = iso_a2)

现在要把每个符合条件的国家对，转换成ggplot能绘制线段的格式——每个连线需要两行数据（起点和终点），并用link_id区分不同连线：

# 合并起点和终点的坐标
links_data <- culture_df %>%
  left_join(countries, by = c("from" = "country")) %>%
  rename(from_long = long, from_lat = lat) %>%
  left_join(countries, by = c("to" = "country")) %>%
  rename(to_long = long, to_lat = lat)

# 转换成线段数据格式
segment_data <- links_data %>%
  rowwise() %>%
  mutate(segment = list(tibble(long = c(from_long, to_long),
                               lat = c(from_lat, to_lat)))) %>%
  unnest(segment) %>%
  group_by(from, to) %>%
  mutate(link_id = cur_group_id())

把生成的线段数据加到你原来的ggplot地图上，还能根据文化距离调整连线的颜色/粗细，更直观体现邻近程度：

# 保留你原来的基础地图代码
shapefile <- readOGR("directory_with_file", "name_of_file")
shapefile_df <- fortify(shapefile)
map <- ggplot() + 
  geom_path(data = shapefile_df, aes(x = long, y = lat, group = group), color = 'black', size = .2)

# 添加文化邻近性连线
map_with_network <- map +
  geom_line(data = segment_data, 
            aes(x = long, y = lat, group = link_id, color = distance),
            size = 1, alpha = 0.7) + # alpha调整透明度，避免遮挡地图
  scale_color_viridis_c(option = "plasma", direction = -1) + # 距离越小颜色越深
  theme_minimal() +
  labs(title = "欧亚国家文化邻近性网络", color = "文化距离")

print(map_with_network)

如果想要更美观的曲线连线，把geom_line换成geom_curve即可：

geom_curve(data = links_data, 
           aes(x = from_long, y = from_lat, xend = to_long, yend = to_lat, color = distance),
           curvature = 0.1, size = 1, alpha = 0.7)

如果你的文化距离矩阵是随时间变化的（比如每年一个矩阵），可以用两种方式展示演变：

方法1：分面展示不同年份 #

把所有年份的数据整理成带year列的长格式，然后用分面：

# 示例多年份数据（实际替换成你的真实数据）
culture_df_2010 <- culture_df %>% mutate(year = 2010)
culture_df_2020 <- culture_df %>% mutate(year = 2020)
culture_all <- bind_rows(culture_df_2010, culture_df_2020)

# 重复步骤3生成带年份的线段数据（过程略，保留year列即可）
# ...

# 分面绘制
map_with_timeline <- map +
  geom_line(data = segment_data_all, 
            aes(x = long, y = lat, group = link_id, color = distance),
            size = 1, alpha = 0.7) +
  scale_color_viridis_c(option = "plasma", direction = -1) +
  facet_wrap(~year) +
  theme_minimal() +
  labs(title = "欧亚国家文化邻近性网络（时间演变）", color = "文化距离")

方法2：动画展示（用gganimate） #

想要动态效果的话，用gganimate包生成动画：

library(gganimate)

animated_map <- map +
  geom_line(data = segment_data_all, 
            aes(x = long, y = lat, group = link_id, color = distance),
            size = 1, alpha = 0.7) +
  scale_color_viridis_c(option = "plasma", direction = -1) +
  transition_time(year) +
  labs(title = "文化邻近性网络：Year {frame_time}", color = "文化距离") +
  ease_aes('linear')

# 渲染动画
animate(animated_map, nframes = 20, fps = 5)

内容的提问来源于stack exchange，提问作者Anastasia