地理信息可视化（下）- 投影、类型详解转自本人自己的知乎～https://zhuanlan.zhihu.com/p/43

转自本人自己的知乎～zhuanlan.zhihu.com/p/43828503

1.地图投影简介

常见的地图的设计，有几个重要的要素：图上角度、距离、面积、形状、配色等。然而在同一张地图上，无法做到各个要素都能如实还原。在将地球表面投影到平面的地图上的时候，通常会考虑角度、距离、面积的变化。因而实际上地图的设计是根据地图功能对要素进行取舍的。下面介绍三种常见的地图投影方式。

1.1墨卡托投影，是一种等角度投影。投影没有发生角度变化，因此适用于导航。也是常见电子地图的投影方式。比如Google Map、百度地图、腾讯地图等等。这种投影的缺点是面积失真会比较严重。靠近赤道的地方接近其真实面积，但是越往两极越被放大。

1.2 亚尔勃斯投影，是一种等面积投影，投影的相对面积不变，非常适合着重面积表现的国家和地区。我国省区地图就采用这种投影。

1.3 方位角投影是一种等距离投影，投影前后相对距离不变。典型的代表就是联合国标志上的地球形状。

2.地理信息可视化中的地图

下面介绍下地理信息可视化中的地图。很多案例的链接也给大家准备了。这里主要沿用陈为《数据可视化》一书的分类模式，介绍各个收集来的案例加以介绍。关于地图可视化的的另外一种分类方式（点密度-多边形箱-等值域/线-热力图），请关注我近期翻译的一篇文章《地图信息可视化-形式、配色（译）》。

2.1 点的可视化

点的可视化是将离散的点直接放到地图上的模式，在有大量数据时会发生遮挡重叠，因而延伸出一些列优化措施，比如透明度/用算法做位移/聚合。

1854年约翰.斯诺伦敦霍乱地图

反应的是美国当地的各方面生活情况，入学校，人口特点，犯罪率等等。www.trulia.com/local/

美国活跃社交用户分布的可视化，属于点的可视化。可以根据点密度找到热点区域

反应选举后民意变化的点和线（向量）的可视化（点表达位置，线表达民意方向，线长度表达数量关系）

2016美国大选地图

2.2 线的可视化

这里的线主要说的是轨迹/路线，而不是线的长度。

1864年法国红酒出口图。需要注意的是轨迹可视化也面临大量离散轨迹重叠造成的scalability问题。这张图将线宽度编码往来数量。这种图潜在的问题是，长和宽会共同决定面积，这个时候面积并不代表数量。可能会误导读者。

facebook 信息往来连线生成的可视化图形。

这里插播一点3D地图里面线的优化设计，如上图导航路线被3D建筑物遮挡时，处理的方法。1 加宽道路，加宽导航线路 2 拍平沿途的建筑物，但是对路口等地的地标建筑，进行放大强调。

再来一个经典的拿破仑行军图，这个地图3D化后，时间的维度就更加清晰了

2.3 面的可视化：区域地图

区域的可视化主要的分类：等值域/线地图（choropleth）和统计地图（cartgram）。这里的所谓“等值线/域地图” 和“统计地图”的区别主要是是否用图上各区域的面积编码了变量的值。其实还有人把区域地图，根据变量的范围（scale），从离散到聚合程度依次分成点密度图-多边形箱图-等值线图-热力图。以上两种分类并不冲突，主要是理解数据的不同维度。

等值域/线划分的区域内被认为是同质的。多代表的数据可以是定性的，也可以是定量的。等高线，气温降水，热力图等就是定量的。美国大选地图就是一个定性的等值线地图。（如上图）蓝色的州是奥巴马获胜的州，虽然直观面积上红色大于蓝色，但是面积和选票并无对应关系，因而造成了一定程度的困惑。 (选票和该州人口有对应关系)

顺道也把常常和等值线/域地图（choropleth）一起提及的几种可视化方法来讲一讲。

2.3.1 dot density map 就是点的可视化，用点的多少疏密表示区域内的值。

2.3.2 rectanguloar binning 在地图上叠加方形的密铺格子。每个格子都是若干值的聚合。

图片来自 GeoHey | 北京人口分布地图_极海平台_极客分享矩形箱图

2.3.3 hexagonal binning 在地图上叠加六边形的密铺格子。六边形的好处是，边上的每一个点到中心的距离要比同面积的矩形小。使得数据和地图之间的映射更精确。

2.3.4 热力图热力图就是一种没有地理边界约束的等值线地图，在此展示各种3D、2D的热力图。有一个有意思的问题，就是为什么热力图的数据映射是从绿到黄再到红呢？我们知道，在可视化配色领域，对于定量数据的展示，最好的办法是单一色相的明度推移。跨色系的展示是不容易感受到数量的。事实上，很多的时候，我们是在遵从一些约定俗成的习惯。热力图最早是出自工程领域，当时的这一配色，就一直沿用了下来。