在R中用外部变量填充sp地图对象多边形：洛杉矶邮编地图实现

我来帮你搞定这个需求！其实核心就是把你的SpatialPolygonDataFrame（ztca）和外部犯罪数据做关联，再用ggplot可视化。下面是一步步的实操方案：

第一步：预处理ZCTA数据，筛选洛杉矶区域 #

首先你需要从全美的ztca数据里挑出洛杉矶的邮编多边形。这里推荐把sp对象转换成sf对象（现在ggplot处理空间数据的主流方式，比sp更顺手）：

# 加载必备包
library(sp)
library(sf)
library(ggplot2)
library(dplyr)

# 把sp对象转成sf格式
ztca_sf <- st_as_sf(ztca)

# 假设你已经有洛杉矶的邮编列表（比如从公开数据源获取）
la_zip_codes <- c("90001", "90002", "90003", ...) # 补充完整的洛杉矶邮编

# 筛选洛杉矶的ZCTA多边形
la_ztca <- ztca_sf %>% 
  filter(ZCTA5CE10 %in% la_zip_codes)

如果没有现成的洛杉矶邮编列表，也可以用空间范围来筛选（比如先获取洛杉矶市的边界，再做空间交集），不过用邮编列表更直接。

第二步：关联外部犯罪数据 #

关键要保证两个数据集的邮编列类型一致（比如都转成字符型，避免数字格式丢失前导零），然后做合并：

# 假设你的犯罪数据框叫crime_data，包含zip（邮编）和crime_count（犯罪数）列
# 统一邮编列类型
la_ztca$ZCTA5CE10 <- as.character(la_ztca$ZCTA5CE10)
crime_data$zip <- as.character(crime_data$zip)

# 按邮编合并空间数据和犯罪数据
la_ztca_merged <- la_ztca %>% 
  left_join(crime_data, by = c("ZCTA5CE10" = "zip"))

合并后如果有些邮编没有犯罪数据，对应的crime_count会是NA，后面可视化时可以处理这些缺失值。

第三步：用ggplot绘制填充地图 #

现在用geom_sf直接可视化，非常方便：

ggplot(la_ztca_merged) +
  # 绘制多边形，用crime_count填充颜色
  geom_sf(aes(fill = crime_count), linewidth = 0.1) +
  # 选择渐变配色，NA值设为浅灰色
  scale_fill_viridis_c(option = "plasma", na.value = "lightgray") +
  # 添加标题和图例名称
  labs(
    title = "洛杉矶各邮编区域犯罪事件数量",
    fill = "犯罪事件总数"
  ) +
  # 用简洁的主题
  theme_minimal() +
  # 去掉不必要的坐标轴（空间地图不需要）
  theme(axis.text = element_blank(), axis.title = element_blank())

如果你坚持用sp对象的替代方案 #

如果不想转sf，也可以用fortify()把sp对象转成ggplot能识别的数据框，不过步骤稍繁琐：

# 把sp对象的属性数据提取出来
ztca_attr <- as.data.frame(ztca)
# 把多边形转成数据框，保留ID关联属性
ztca_fortified <- fortify(ztca, region = "ZCTA5CE10")
# 合并属性数据和 fortified 数据框
ztca_fortified <- ztca_fortified %>% 
  left_join(ztca_attr, by = c("id" = "ZCTA5CE10"))
# 筛选洛杉矶区域并关联犯罪数据（步骤和前面类似）
la_ztca_fortified <- ztca_fortified %>% 
  filter(id %in% la_zip_codes) %>% 
  left_join(crime_data, by = c("id" = "zip"))
# 绘图
ggplot(la_ztca_fortified) +
  geom_polygon(aes(x = long, y = lat, group = group, fill = crime_count), linewidth = 0.1) +
  coord_map() + # 用地图投影
  scale_fill_viridis_c(option = "plasma", na.value = "lightgray") +
  labs(title = "洛杉矶各邮编区域犯罪事件数量", fill = "犯罪事件总数") +
  theme_minimal() +
  theme(axis.text = element_blank(), axis.title = element_blank())

不过还是更推荐sf方案，代码更简洁，处理空间操作也更高效。

内容的提问来源于stack exchange，提问作者Ralph