Как построить график с картой мира и цветами, обозначающими метки из моих данных

Question

Я хочу сделать такой сюжет,

but instead of regions being grey, I want them to be colored according to my data, which looks like this:

введите описание изображения здесь

Итак, кластер 1, я хочу, чтобы он был окрашен в красный цвет, например, кластер 2, я хочу, чтобы он был окрашен в зеленый цвет.

Кто-нибудь знает, как я могу сделать такой график? Ура!

Вывод из dput ()

structure(list(countries = structure(c(7L, 1L, 5L, 2L, 4L, 147L, 
6L, 8L, 9L, 10L, 25L, 15L, 24L, 12L, 23L, 11L, 19L, 14L, 16L, 
18L, 21L, 13L, 22L, 17L, 20L, 30L, 28L, 137L, 32L, 33L, 37L, 
27L, 42L, 35L, 34L, 29L, 36L, 39L, 40L, 41L, 56L, 44L, 43L, 45L, 
3L, 46L, 48L, 132L, 49L, 51L, 52L, 53L, 54L, 148L, 55L, 57L, 
61L, 58L, 60L, 59L, 62L, 65L, 64L, 38L, 63L, 66L, 69L, 68L, 72L, 
70L, 71L, 67L, 73L, 74L, 75L, 76L, 77L, 78L, 81L, 26L, 130L, 
80L, 83L, 84L, 85L, 133L, 86L, 82L, 87L, 97L, 95L, 88L, 94L, 
91L, 99L, 96L, 98L, 92L, 93L, 89L, 90L, 104L, 105L, 103L, 101L, 
106L, 100L, 102L, 107L, 108L, 110L, 112L, 113L, 114L, 116L, 115L, 
111L, 109L, 117L, 79L, 118L, 119L, 120L, 122L, 134L, 123L, 126L, 
125L, 47L, 121L, 129L, 124L, 131L, 135L, 127L, 128L, 136L, 50L, 
138L, 31L, 142L, 141L, 139L, 143L, 144L, 145L, 140L, 146L, 150L, 
149L, 151L, 152L, 153L), .Label = c("Afghanistan", "Albania", 
"Algeria", "Andorra", "Angola", "Argentina", "Aruba", "Australia", 
"Austria", "Azerbaijan", "Bahrain", "Bangladesh", "Barbados", 
"Belarus", "Belgium", "Bermuda", "Bhutan", "Bolivia", "Bosnia and Herzegovina", 
"Botswana", "Brazil", "Brunei", "Bulgaria", "Burkina Faso", "Burundi", 
"Cambodia", "Cameroon", "Canada", "Cape Verde", "Central African Republic", 
"Chad", "Chile", "China", "Colombia", "Congo", "Costa Rica", 
"Cote d'Ivoire", "Croatia", "Cuba", "Cyprus", "Czech Republic", 
"Democratic Republic of Congo", "Denmark", "Djibouti", "Dominican Republic", 
"Egypt", "El Salvador", "Eritrea", "Estonia", "Eswatini", "Ethiopia", 
"Finland", "France", "Gabon", "Georgia", "Germany", "Ghana", 
"Greece", "Guam", "Guatemala", "Guinea", "Guyana", "Haiti", "Honduras", 
"Hong Kong", "Hungary", "Iceland", "India", "Indonesia", "Iran", 
"Iraq", "Ireland", "Israel", "Italy", "Jamaica", "Japan", "Kazakhstan", 
"Kenya", "Kosovo", "Kuwait", "Kyrgyz Republic", "Latvia", "Lebanon", 
"Liberia", "Libya", "Luxembourg", "Macao", "Madagascar", "Malawi", 
"Malaysia", "Mali", "Mauritania", "Mauritius", "Mexico", "Moldova", 
"Mongolia", "Morocco", "Mozambique", "Myanmar", "Nepal", "Netherlands", 
"New Zealand", "Nicaragua", "Niger", "Nigeria", "Norway", "Oman", 
"Pakistan", "Palestine", "Panama", "Paraguay", "Peru", "Philippines", 
"Poland", "Portugal", "Puerto Rico", "Qatar", "Romania", "Russia", 
"Rwanda", "San Marino", "Saudi Arabia", "Senegal", "Serbia", 
"Sierra Leone", "Singapore", "Slovak Republic", "Slovenia", "Somalia", 
"South Korea", "South Sudan", "Spain", "Sri Lanka", "Sudan", 
"Suriname", "Sweden", "Switzerland", "Syria", "Tajikistan", "Tanzania", 
"Thailand", "Togo", "Trinidad and Tobago", "Tunisia", "Turkey", 
"Ukraine", "United Arab Emirates", "United Kingdom", "United States", 
"Uruguay", "Uzbekistan", "Venezuela", "Vietnam"), class = "factor"), 
cluster = c(4, 1, 3, 3, 4, 1, 3, 5, 5, 3, 1, 2, 4, 1, 3, 
1, 5, 1, 4, 1, 1, 4, 4, 4, 1, 1, 2, 2, 1, 4, 1, 1, 1, 3, 
1, 1, 3, 2, 4, 5, 2, 2, 2, 1, 1, 1, 3, 2, 4, 3, 2, 2, 1, 
2, 5, 1, 5, 5, 3, 4, 3, 5, 3, 5, 1, 2, 1, 1, 2, 1, 3, 4, 
5, 2, 5, 1, 1, 3, 3, 4, 4, 1, 3, 3, 3, 1, 4, 4, 4, 5, 1, 
3, 1, 2, 4, 5, 1, 2, 4, 1, 2, 4, 1, 2, 2, 2, 1, 4, 1, 1, 
1, 1, 1, 1, 3, 5, 3, 5, 1, 5, 5, 1, 3, 1, 2, 1, 1, 2, 1, 
2, 2, 5, 2, 3, 5, 4, 1, 3, 3, 2, 3, 2, 2, 4, 4, 5, 4, 1, 
4, 1, 3, 3, 4)), class = "data.frame", row.names = c("Aruba", 
"Afghanistan", "Angola", "Albania", "Andorra", "United Arab Emirates", 
"Argentina", "Australia", "Austria", "Azerbaijan", "Burundi", 
"Belgium", "Burkina Faso", "Bangladesh", "Bulgaria", "Bahrain", 
"Bosnia and Herzegovina", "Belarus", "Bermuda", "Bolivia", "Brazil", 
"Barbados", "Brunei", "Bhutan", "Botswana", "Central African Republic", 
"Canada", "Switzerland", "Chile", "China", "Cote d'Ivoire", "Cameroon", 
"Democratic Republic of Congo", "Congo", "Colombia", "Cape Verde", 
"Costa Rica", "Cuba", "Cyprus", "Czech Republic", "Germany", 
"Djibouti", "Denmark", "Dominican Republic", "Algeria", "Egypt", 
"Eritrea", "Spain", "Estonia", "Ethiopia", "Finland", "France", 
"Gabon", "United Kingdom", "Georgia", "Ghana", "Guinea", "Greece", 
"Guatemala", "Guam", "Guyana", "Hong Kong", "Honduras", "Croatia", 
"Haiti", "Hungary", "Indonesia", "India", "Ireland", "Iran", 
"Iraq", "Iceland", "Israel", "Italy", "Jamaica", "Japan", "Kazakhstan", 
"Kenya", "Kyrgyz Republic", "Cambodia", "South Korea", "Kuwait", 
"Lebanon", "Liberia", "Libya", "Sri Lanka", "Luxembourg", "Latvia", 
"Macao", "Morocco", "Moldova", "Madagascar", "Mexico", "Mali", 
"Myanmar", "Mongolia", "Mozambique", "Mauritania", "Mauritius", 
"Malawi", "Malaysia", "Niger", "Nigeria", "Nicaragua", "Netherlands", 
"Norway", "Nepal", "New Zealand", "Oman", "Pakistan", "Panama", 
"Peru", "Philippines", "Poland", "Puerto Rico", "Portugal", "Paraguay", 
"Palestine", "Qatar", "Kosovo", "Romania", "Russia", "Rwanda", 
"Saudi Arabia", "Sudan", "Senegal", "Singapore", "Sierra Leone", 
"El Salvador", "San Marino", "Somalia", "Serbia", "South Sudan", 
"Suriname", "Slovak Republic", "Slovenia", "Sweden", "Eswatini", 
"Syria", "Chad", "Togo", "Thailand", "Tajikistan", "Trinidad and Tobago", 
"Tunisia", "Turkey", "Tanzania", "Ukraine", "Uruguay", "United States", 
"Uzbekistan", "Venezuela", "Vietnam"))

Answer 1

Хороший вопрос.

Я могу показать вам, как это можно сделать. Но поскольку вы не предоставили воспроизводимой информации (мои данные), результат будет отличаться от того, что показано выше. К счастью, карту, показанную выше, легко узнать, поэтому я предположил, что показанная вами карта - это карта с именем world из пакета spData.

Также обратите внимание, что группы, созданные ниже, не будут совпадать отображаемые выше "кластеры" (мои данные?), которые не были включены в этот вопрос.

получить данные / объединить данные:

wm <- spData::world            
n <- c(1:3)                     
set.seed(0803)
gp <- sample(n, 177, replace = T)  
wm.gp <- cbind(gp, wm)             

Создать группы:

gp1 <- wm.gp[gp == 1, ]        # create groups
gp2 <- wm.gp[gp == 2, ]
gp3 <- wm.gp[gp == 3, ]

Данные графика:

plot(gp1$geom, col = "blue")           # plot group
plot(gp2$geom, col = "red", add = TRUE)
plot(gp3$geom, col = "green", add = TRUE)

График можно просмотреть по ссылке ниже.

[! [Мир в цвете] ]

Дополнительная информация (второй раз):

Используя информацию, предоставленную выше, мне удалось создать фрейм данных и присвоить ему переменную с именем my_data. Размеры my_data составляют 153 x 2.

В целом фрейм данных my_data будет объединен с некоторыми данными из набора данных мира. Затем этот новый фрейм данных станет объектом sf, который будет построен. Страны будут обозначены цветами на основе значений, полученных из кластера.

Получить данные. Измените имя столбца в my_data:

wm <- spData::world 
names(my_data)[1] <- "name_long" 

Создать новую переменную. Создать объект sp:

my_map <- left_join(my_data, wm, by = "name_long")
world_cluster <- st_as_sf(my_map)

График карты - цвета на основе значений кластера:

plot(world_cluster["cluster"])

Ссылка ниже для просмотра графика.

Карта