Interaktive kort med leaflet
Gengiv interaktive webkort med markører, pop op-vinduer og tile-lag.
Interaktive kort med leaflet er en gratis R Academy-lektion på CoddyKit. Dette er lektion 4 af 4. Du kan læse alle 3 lektioner i dette læringsspor gratis i deres fulde længde — derefter låser CoddyKit PRO alle lektioner op samt praktiske øvelser med en indbygget kodeeditor og en AI-underviser døgnet rundt. Den er en del af læringsforløbet i R Academy, og dine fremskridt synkroniseres på tværs af nettet og CoddyKit-appen. R Academy-kurset indeholder 4 lektioner i alt.
Introduktion til leaflet
leaflet-pakken omslutter Leaflet.js-biblioteket, så du kan oprette interaktive webkort, der kan zoomes i, direkte fra R. Kortene er HTML-widgets, som vises i RStudios Viewer, R Markdown og Shiny-apps uden kendskab til JavaScript.
library(leaflet)
# Minimal leaflet map: tiles + one marker
leaflet() |>
addTiles() |> # OpenStreetMap base layer
setView(
lng = -74.006,
lat = 40.713,
zoom = 12
) |>
addMarkers(
lng = -74.006,
lat = 40.713,
popup = '<b>New York City</b>'
)addTiles: Basiskortlag
addTiles() tilføjer standardfliselaget fra OpenStreetMap. Brug addProviderTiles(providers$ for at skifte til satellitbilleder, CartoDB, Esri, Stamen eller en anden fliseudbyder. Lagnavnene findes i den indbyggede liste providers.
library(leaflet)
# Default OpenStreetMap
map1 <- leaflet() |> addTiles()
# CartoDB light theme (great for data overlay)
map2 <- leaflet() |>
addProviderTiles(providers$CartoDB.Positron)
# Satellite imagery
map3 <- leaflet() |>
addProviderTiles(providers$Esri.WorldImagery)
# Custom tile URL
custom <- leaflet() |>
addTiles(
urlTemplate = 'https://{s}.tile.openstreetmap.org/{z}/{x}/{y}.png',
attribution = '(c) OpenStreetMap contributors'
)
map2addMarkers med pop op-vinduer
addMarkers(lng, lat, popup) tilføjer markører som nåle på kortet. Argumentet popup accepterer HTML-strenge, så du kan inkludere fed tekst, links eller billeder. Argumentet label viser tekst ved markøren, når du holder musen over den, uden at der skal klikkes.
library(leaflet)
cities <- data.frame(
name = c('New York', 'Los Angeles', 'Chicago'),
lon = c(-74.006, -118.244, -87.629),
lat = c( 40.713, 34.052, 41.878),
pop = c(8336817, 3979576, 2693976)
)
leaflet(cities) |>
addTiles() |>
addMarkers(
lng = ~lon,
lat = ~lat,
popup = ~paste0(
'<b>', name, '</b><br>',
'Population: ', format(pop, big.mark = ',')
),
label = ~name
)addCircleMarkers
addCircleMarkers() tegner cirkler, hvis størrelse er fast i skærmpixel (i modsætning til addCircles(), som skalerer med zoomniveauet). De er ideelle til at repræsentere proportionelle symboler — knyt radius til en datavariabel.
library(leaflet)
cities <- data.frame(
name = c('New York', 'Los Angeles', 'Chicago', 'Houston', 'Phoenix'),
lon = c(-74.006, -118.244, -87.629, -95.369, -112.074),
lat = c( 40.713, 34.052, 41.878, 29.760, 33.449),
pop = c(8336817, 3979576, 2693976, 2304580, 1608139)
)
leaflet(cities) |>
addProviderTiles(providers$CartoDB.Positron) |>
addCircleMarkers(
lng = ~lon,
lat = ~lat,
radius = ~sqrt(pop / 50000),
color = 'steelblue',
fill = TRUE,
fillOpacity = 0.6,
popup = ~paste0(name, ': ', format(pop, big.mark = ','))
)addPolygons: Koropletkort
addPolygons() tegner polygongeometrier direkte fra et sf-objekt. Fyldfarven kan knyttes til en datakolonne ved hjælp af paletfunktionerne colorNumeric() eller colorBin(). Med indstillingen highlight kan du tilføje effekter ved markøren.
library(leaflet)
library(sf)
nc <- st_transform(
read_sf(system.file('shape/nc.shp', package = 'sf')), 4326
)
# Colour palette based on birth count
pal <- colorNumeric('YlOrRd', domain = nc$BIR74)
leaflet(nc) |>
addProviderTiles(providers$CartoDB.Positron) |>
addPolygons(
fillColor = ~pal(BIR74),
fillOpacity = 0.7,
color = 'white',
weight = 1,
popup = ~paste0('<b>', NAME, '</b><br>Births 1974: ', BIR74),
highlight = highlightOptions(
weight = 3,
color = '#333',
bringToFront = TRUE
)
) |>
addLegend('bottomright', pal = pal, values = ~BIR74, title = 'Births 1974')setView og fitBounds
setView(lng, lat, zoom) centrerer kortet på en fast placering og et fast zoomniveau. fitBounds(lng1, lat1, lng2, lat2) zoomer automatisk, så en geografisk afgrænsningsboks passer, hvilket er nyttigt, når du ikke på forhånd kender dataenes udstrækning.
library(leaflet)
library(sf)
nc <- st_transform(
read_sf(system.file('shape/nc.shp', package = 'sf')), 4326
)
bbox <- st_bbox(nc)
# fitBounds: auto-zoom to data extent
leaflet() |>
addTiles() |>
fitBounds(
lng1 = bbox['xmin'], lat1 = bbox['ymin'],
lng2 = bbox['xmax'], lat2 = bbox['ymax']
) |>
addPolygons(
data = nc,
fillColor = 'lightblue',
fillOpacity = 0.4,
color = 'steelblue',
weight = 1
)addLayersControl: Skift lag
addLayersControl() tilføjer en radio- eller afkrydsningskontrol, så du kan slå grundkort og overlejringslag til og fra. Brug baseGroups til indbyrdes udelukkende fliselag og overlayGroups til datalag, der kan slås til og fra uafhængigt af hinanden.
library(leaflet)
library(sf)
nc <- st_transform(
read_sf(system.file('shape/nc.shp', package = 'sf')), 4326
)
high_birth <- nc[nc$BIR74 > 3000, ]
low_birth <- nc[nc$BIR74 <= 3000, ]
leaflet() |>
addProviderTiles(providers$CartoDB.Positron, group = 'Light') |>
addProviderTiles(providers$Esri.WorldImagery, group = 'Satellite') |>
addPolygons(data = high_birth, color = 'red', group = 'High Births (>3000)') |>
addPolygons(data = low_birth, color = 'blue', group = 'Low Births (<=3000)') |>
addLayersControl(
baseGroups = c('Light', 'Satellite'),
overlayGroups = c('High Births (>3000)', 'Low Births (<=3000)'),
options = layersControlOptions(collapsed = FALSE)
)addPopups og addLegend
addPopups() tilføjer permanente popupbokse, der altid er synlige. addLegend() opretter en kortforklaring, der er knyttet til en farvepalet. Begge understøtter HTML-indhold og kan tilpasses fuldstændigt med CSS-klasser.
library(leaflet)
leaflet() |>
addTiles() |>
setView(-79.0, 35.5, zoom = 7) |>
addPopups(
lng = -78.639,
lat = 35.779,
popup = '<b>Raleigh</b><br>State Capital of NC'
) |>
addLegend(
position = 'bottomleft',
colors = c('red', 'blue', 'green'),
labels = c('High', 'Medium', 'Low'),
title = 'Risk Level',
opacity = 0.8
)Farvepaletter: colorNumeric og colorBin
Funktionerne colorNumeric(), colorBin(), colorQuantile() og colorFactor() opretter paletfunktioner, der knytter dataværdier til hexadecimale farver. Giv resultatet videre til fillColor, og brug den samme palet til addLegend().
library(leaflet)
library(sf)
nc <- st_transform(
read_sf(system.file('shape/nc.shp', package = 'sf')), 4326
)
# Continuous palette
pal_num <- colorNumeric('Blues', domain = nc$BIR74)
# Binned palette (5 equal bins)
pal_bin <- colorBin('RdYlGn', domain = nc$BIR74, bins = 5)
# Quantile palette (equal number of features per class)
pal_qtl <- colorQuantile('YlOrRd', domain = nc$BIR74, n = 4)
# Use binned palette
leaflet(nc) |>
addTiles() |>
addPolygons(
fillColor = ~pal_bin(BIR74),
fillOpacity = 0.7, weight = 1, color = 'white'
) |>
addLegend('bottomright', pal = pal_bin, values = ~BIR74,
title = 'Births 1974 (5 bins)')leafletProxy: Opdatering af kort i Shiny
leafletProxy('mapId') opdaterer et eksisterende leaflet-kort i en Shiny-app uden at gengive hele kortet fra bunden. Brug den sammen med clearMarkers(), clearShapes() eller addMarkers() for effektivt at reagere på brugerinput.
library(shiny)
library(leaflet)
# Minimal Shiny app with leafletProxy
ui <- fluidPage(
selectInput('colour', 'Marker colour:', choices = c('red', 'blue', 'green')),
leafletOutput('map')
)
server <- function(input, output, session) {
output$map <- renderLeaflet({
leaflet() |> addTiles() |>
setView(-79.0, 35.5, zoom = 7)
})
observeEvent(input$colour, {
leafletProxy('map') |>
clearMarkers() |>
addCircleMarkers(
lng = -78.639, lat = 35.779,
color = input$colour,
label = paste('Raleigh -', input$colour)
)
})
}
# shinyApp(ui, server) # uncomment to runKomplet interaktivt koropletkort
Her er et kort i produktionskvalitet, der kombinerer alle de vigtigste funktioner: leverandørfliser, polygonudfyldning, fremhævning ved markøren, dynamiske popupper, en farveforklaring og lagkontroller — alt sammen på under 25 linjer.
library(leaflet)
library(sf)
nc <- st_transform(
read_sf(system.file('shape/nc.shp', package = 'sf')), 4326
)
pal <- colorQuantile('YlOrRd', domain = nc$SID74, n = 5)
leaflet(nc) |>
addProviderTiles(providers$CartoDB.Positron) |>
addPolygons(
fillColor = ~pal(SID74),
fillOpacity = 0.75,
color = 'white',
weight = 0.5,
popup = ~paste0('<b>', NAME, '</b><br>SIDS 1974: ', SID74),
highlight = highlightOptions(
weight = 2, color = '#555', bringToFront = TRUE
)
) |>
addLegend(
position = 'bottomright',
pal = pal, values = ~SID74,
title = 'SIDS Deaths 1974<br>(Quintiles)'
) |>
addControl('<b>NC SIDS Data 1974</b>', position = 'topright')Hurtigt tjek
I en Shiny-app vil du opdatere markørernes placeringer på et eksisterende leaflet-kort, når brugeren ændrer en rullemenu — uden at gengive hele kortet igen. Hvilken funktion skal du bruge?
Opsummering: leaflet-pakken
Vigtigste pointer:
leaflet() |> addTiles()opretter et interaktivt kort med OpenStreetMap-fliseraddProviderTiles(providers$skifter til andre fliseleverandører) addMarkers()/addCircleMarkers()til punktdata; brugpopupoglabeladdPolygons(fillColor = ~pal(col))til koropletkortcolorNumeric(),colorBin(),colorQuantile()opretter paletfunktioneraddLegend()bruges sammen med paletfunktioner;addLayersControl()skifter lagleafletProxy()til effektive kortopdateringer i ShinyfitBounds()zoomer automatisk til dataenes udstrækning
library(leaflet)
# Three-line interactive map
leaflet() |>
addProviderTiles(providers$CartoDB.Positron) |>
addCircleMarkers(lng = c(-74, -118, -88), lat = c(41, 34, 42),
label = c('NYC', 'LA', 'Chicago'), color = 'steelblue')
Lær R med en AI-underviser — gratis
Skriv og kør rigtig kode i din browser, få øjeblikkelig hjælp fra en AI-underviser døgnet rundt, og fortsæt, hvor du slap, på web eller i appen.
- Kurser
- 43
- Lektioner
- 159
Ofte stillede spørgsmål
Er lektionen “Interaktive kort med leaflet” gratis?
Ja — alle 3 lektioner i læringssporet R Academy, inklusive “Interaktive kort med leaflet”, kan læses gratis i deres fulde længde her på webstedet. Derefter låser CoddyKit PRO alle lektioner op samt interaktive øvelser med en indbygget kodeeditor og en AI-underviser døgnet rundt. R Academy-kurset indeholder 4 lektioner i alt.
Hvad lærer jeg i “Interaktive kort med leaflet”?
Gengiv interaktive webkort med markører, pop op-vinduer og tile-lag. Du øver dig i R Academy med praktisk kode, som du kører direkte i browseren, og en AI-vejleder døgnet rundt besvarer dine spørgsmål, mens du arbejder dig gennem lektionen.
Skal jeg have erfaring for at begynde på R Academy?
Der kræves ingen tidligere erfaring. R Academy på CoddyKit er tilrettelagt for både begyndere og øvede, så du kan starte her eller fra begyndelsen og lære i dit eget tempo. Dette er lektion 4 af 4.
Hvor lang tid tager lektionen “Interaktive kort med leaflet”?
De fleste CoddyKit-lektioner tager cirka 5–10 minutter. Hver lektion er kort og interaktiv, så du gør løbende fremskridt og kan fortsætte, hvor du slap – på både web og app.
Kan jeg skrive og køre kode i denne R Academy-lektion?
Ja. Alle R Academy-lektioner har en indbygget kodeeditor, så du kan skrive og køre rigtig kode direkte i din browser og få øjeblikkelig feedback fra AI – uden lokal opsætning.
Alle lektioner i dette kursus
- Simple Features med sf-pakken
- Koordinatreferencesystemer og projektioner
- Spatial joins og operationer
- Interaktive kort med leaflet