ggplot2

library(ggplot2)
ggplot(data = china_city) +
  geom_sf(aes(fill = pop23)) +
  scale_fill_distiller(palette = "Spectral", na.value = "grey80") +
  theme_light()

图 1: 2023 年中国各市年末常住人口数

要说明一下，四个直辖市和省同级，其下的各区县相当于省下面的市州，故而图中未看到北京、上海、天津和重庆市。地图数据将台湾省当作市一级，台湾并不公布人口情况，我在百度百科上抓到一个数据。

按 100 万人口为阶梯划分，市州级年末常住人口的分布如下：

ggplot(data = china_city_pop, aes(x = pop23)) +
  geom_histogram(binwidth = 100, na.rm = T, fill = "#FC8D59", color = "white") +
  labs(x = "常住人口数", y = "城市数") +
  theme_light()

图 2: 2023 年中国年末常住人口数的分布

2023 年中国年末常住人口数大于 500 万的城市。

ggplot(data = china_city) +
  geom_sf(aes(fill = pop23), color = "white", data = function(x) subset(x, pop23 > 500)) +
  geom_sf_label(aes(label = name), data = function(x) subset(x, pop23 > 500), size = 3) +
  scale_fill_distiller(palette = "Spectral") +
  labs(x = "", y = "") +
  theme_light()

图 3: 2023 年中国年末常住人口数大于 500 万的城市

对我一个没去过其它地方，不了解其它地方的人来说，这图依然有意义。比如四川省首府成都市人口竟那么多。广东有三个市人口过千万，广州、东莞和深圳。

ggplot(data = china_city) +
  geom_sf(aes(fill = pop23), data = function(x) subset(x, pop23 > 1000)) +
  geom_sf_label(aes(label = name), data = function(x) subset(x, pop23 > 1000), size = 3) +
  scale_fill_distiller(palette = "Spectral") +
  labs(x = "", y = "") +
  theme_light()

图 4: 2023 年中国年末常住人口数大于 1000 万的城市

根据人口规模对城市等级的划分如下表：

# dig.lab 参数控制区间端点的格式，不要科学计数法不易读不美观
china_city$pop23_d <- cut(china_city$pop23, breaks = c(0, 50, 100, 300, 500, 1000, 2500), dig.lab = 4)

ggplot(data = china_city) +
  geom_sf(aes(fill = pop23_d), colour = NA) +
  scale_fill_brewer(palette = "Spectral", na.value = "grey80", direction = -1) + 
  theme_light() +
  labs(fill = "常住人口（万）") +
  theme(legend.justification = c(0, 0), legend.position = c(0.02, 0.02))

图 5: 2023 年中国各市年末常住人口数

相比于图 1 ，上图里不同的色彩对应不同的城市等级，让城市规模更加清楚。

leaflet

有时，需要用到交互式图形，添加探索性和更多数据信息，将地图数据映射到高德地图上。

library(leaflet)
# 连续型调色板
# pal <- colorNumeric("Spectral", domain = NULL, reverse = TRUE)
# 分段离散调色板
pal <- colorBin("Spectral", bins = c(0, 50, 100, 300, 500, 1000, 2500), domain = NULL, reverse = TRUE)
# 将数据绘制到地图上
leaflet(china_city) |>
  addTiles(
    # 来自 leafletCN::amap()
    urlTemplate = "http://webrd02.is.autonavi.com/appmaptile?lang=zh_cn&size=1&scale=1&style=8&x={x}&y={y}&z={z}",
    options = tileOptions(tileSize = 256, minZoom = 3, maxZoom = 17),
    attribution = "&copy; <a href=\"http://amap.com\">amp.com</a >"
  ) |> 
  addPolygons(
    stroke = F, # 不显示各个区县的边界线
    weight = 1, # 设置边界线宽度
    fillOpacity = 0.5, # 填充多边形的透明度
    fillColor = ~ pal(pop23),
    label = lapply(paste0(
      "城市：", "<b>", china_city$name, "</b>", "<br/>",
      "常住人口（万）：", china_city$pop23
    ), htmltools::HTML)
  ) |>
  addLegend(
    position = "bottomright", title = "常住人口（万）",
    pal = pal, values = ~pop23, opacity = 1.0
  ) |>
  addScaleBar(position = "bottomleft")

+−

1000 km

1000 mi

常住人口（万）

0 – 50
50 – 100
100 – 300
300 – 500
500 – 1,000
1,000 – 2,500

Leaflet | © amp.com

高德地图数据与阿里发布的行政区划的边界数据并不完全一致，可以看到有白色的缝隙。

有些地方面积大，人口也多，可是人口密度（即单位平方公里上的人数）却少，如果看人口密度，北上广深这些城市的区县就会突出来。此外，还要考虑人口流入流出的情况，即 2023 年的人口相对于 2020 年是增加还是减少。人口向大城市、沿海城市、各省首府集中的规模和趋势是否与预想一致呢？

ggplot(data = china_city_pop, aes(x = pop23-pop20)) +
  geom_histogram(binwidth = 10, na.rm = T, fill = "#FC8D59", color = "white") +
  labs(x = "人口流动（万）", y = "城市数") +
  theme_light()

图 6: 中国各市人口流动的分布 2023 vs 2020

2020 年是第七次人口普查年，普查数据最权威。2020 年又是疫情以来的转折点，现在最新最权威的统计数据是 2023 年的（所谓后疫情时代），正好看人口流动情况。2023 年的常住人口减去 2020 年常住人口，结果数据为正表示人口流入，数据为负表示人口流出。

china_city$pop_diff <- china_city$pop23-china_city$pop20
china_city$pop_d <- cut(china_city$pop_diff, breaks = c(-200, -100, -50, -20 , -10, 0, 10, 20, 50, 100, 200), dig.lab = 4)

ggplot(data = china_city) +
  geom_sf(aes(fill = pop_d), colour = NA) +
  scale_fill_brewer(palette = "Spectral", na.value = "grey80", direction = -1) + 
  theme_light() +
  labs(fill = "人口流动（万）")

图 7: 中国各市人口流动情况 2023 vs 2020

2020-2023 年，全国总的人口没有太大的变化，城市的常住人口的增减看作人口的流入流出。图中蓝色表示人口流出的城市，红色表示人口流入的城市。

# 分段离散调色板
pal <- colorBin("Spectral", bins = c(-50, -20 , -10, 0, 10, 20, 50, 100, 200), domain = NULL, reverse = TRUE)
# 将数据绘制到地图上
leaflet(china_city) |>
  addTiles(
    # 来自 leafletCN::amap()
    urlTemplate = "http://webrd02.is.autonavi.com/appmaptile?lang=zh_cn&size=1&scale=1&style=8&x={x}&y={y}&z={z}",
    options = tileOptions(tileSize = 256, minZoom = 3, maxZoom = 17),
    attribution = "&copy; <a href=\"http://amap.com\">amp.com</a >"
  ) |> 
  addPolygons(
    stroke = F, # 不显示各个区县的边界线
    weight = 1, # 设置边界线宽度
    fillOpacity = 0.5, # 填充多边形的透明度
    fillColor = ~ pal(pop_diff),
    label = lapply(paste0(
      "城市：", "<b>", china_city$name, "</b>", "<br/>",
      "人口流动（万）：", round(china_city$pop_diff, digits =3) 
    ), htmltools::HTML)
  ) |>
  addLegend(
    position = "bottomright", title = "人口流动（万）",
    pal = pal, values = ~pop_diff, opacity = 1.0
  ) |>
  addScaleBar(position = "bottomleft")

+−

1000 km

1000 mi

人口流动（万）

-50 – -20
-20 – -10
-10 – 0
0 – 10
10 – 20
20 – 50
50 – 100
100 – 200
NA

Leaflet | © amp.com

各省首府对周围地市人口吸引力普遍存在，人口还在往大城市集中，如武汉、杭州、成都等，武汉竟增加了 145 万人。沿海城市中，长三角比珠三角吸引力更大。