修订
我意识到我之前的答案需要修改。所以，就在这里。如果你想知道一个轮廓的每一层有多少数据点，你实际上有很多事情要做。如果您乐于使用下面的leaflet 选项，您的生活会轻松很多。
首先，让我们获取一张底特律的地图，并创建一个示例数据框。
library(dplyr)
library(ggplot2)
library(ggmap)
mymap <- get_map(location = "Detroit", zoom = 8)
### Create a sample data
set.seed(123)
mydata <- data.frame(long = runif(min = -84, max = -82.5, n = 100),
lat = runif(min = 42, max = 42.7, n = 100))
现在，我们绘制一张地图并将其保存为g。
g <- ggmap(mymap) +
stat_density2d(data = mydata,
aes(x = long, y = lat, fill = ..level..),
size = 0.5, bins = 10, geom = "polygon")
真正的工作从这里开始。为了找出各级数据点的数量，您需要使用ggplot 生成的数据框。在此数据框中，您有多边形数据。这些多边形用于绘制水平线。您可以在下图中看到，我在地图上绘制了三个级别。
### Create a data frame so that we can find how many data points exist
### in each level.
mydf <- ggplot_build(g)$data[[4]]
### Check where the polygon lines are. This is just for a check.
check <- ggmap(mymap) +
geom_point(data = mydata, aes(x = long, y = lat)) +
geom_path(data = subset(mydf, group == "1-008"), aes(x = x, y = y)) +
geom_path(data = subset(mydf, group == "1-009"), aes(x = x, y = y)) +
geom_path(data = subset(mydf, group == "1-010"), aes(x = x, y = y))
下一步是为图例创建一个级别向量。我们按组（例如，1-010）对数据进行分组，并使用slice() 获取每个组的第一行。然后，取消分组数据并选择第二列。最后，创建一个向量
与unlist()。最后我们回到lev。
mydf %>%
group_by(group) %>%
slice(1) %>%
ungroup %>%
select(2) %>%
unlist -> lev
现在我们按组拆分多边形数据（即 mydf）并为每个级别创建一个多边形。由于我们有 11 个级别（11 个多边形），我们使用lapply()。在 lapply 循环中，我们需要做； 1）提取经度和纬度列，2）创建多边形，3）将多边形转换为空间多边形，4）分配
CRS，5）创建一个虚拟数据框，6）创建 SpatialPolygonsDataFrames。
mylist <- split(mydf, f = mydf$group)
test <- lapply(mylist, function(x){
xy <- x[, c(3,4)]
circle <- Polygon(xy, hole = as.logical(NA))
SP <- SpatialPolygons(list(Polygons(list(circle), ID = "1")))
proj4string(SP) <- CRS("+proj=longlat +ellps=WGS84")
df <- data.frame(value = 1, row.names = "1")
circleDF <- SpatialPolygonsDataFrame(SP, data = df)
})
现在我们回到原始数据。我们需要做的是将数据框转换为 SpatialPointsDataFrame。这是因为我们需要对数据进行子集化并找出每个多边形（每个级别）中存在多少数据点。首先，从您的 data.frame 中获取 long 和 lat。确保订单是经度/纬度。
xy <- mydata[,c(1,2)]
然后，我们创建 SPDF (SpatialPolygonsDataFrame)。您希望空间多边形和空间点数据之间具有相同的 proj4string。
spdf <- SpatialPointsDataFrame(coords = xy, data = mydata,
proj4string = CRS("+proj=longlat +ellps=WGS84"))
然后，我们使用每个多边形对数据 (mydata) 进行子集化。
ana <- lapply(test, function(y){
mydf <- as.data.frame(spdf[y, ])
})
数据点跨层重叠；我们有重复。首先，我们尝试找出每个级别的唯一数据点。我们在ana中绑定数据框，创建一个数据框，即foo1。我们还创建了一个数据框，我们想要找到唯一数量的数据点。我们确保foo1 和foo2 之间的列名完全相同。使用setdiff() 和nrow()，我们可以找到每个级别的唯一数据点数。
total <- lapply(11:2, function(x){
foo1 <- bind_rows(ana[c(11:x)])
foo2 <- as.data.frame(ana[x-1])
names(foo2) <- names(foo1)
nrow(setdiff(foo2, foo1))
})
最后，我们需要找到最内层的数据点数，即第11层。我们在ana中选择第11层的数据框，并创建数据框并统计行数。
bob <- nrow(as.data.frame(ana[11]))
out <- c(bob,unlist(total))
### check if total is 100
### sum(out)
### [1] 100
我们将反向 out 指定为 lev 的名称。这是因为我们想要显示图例中每个级别存在多少数据点。
names(lev) <- rev(out)
现在我们准备添加图例。
final <- g +
scale_fill_continuous(name = "Total",
guide = guide_legend(),
breaks = lev)
final
传单选项
如果您使用传单包，您可以使用不同的缩放对数据点进行分组。 Leaflet 对特定区域的数据点进行计数，并用圆圈表示数字，如下图所示。放大得越多，传单就越会将数据点分成小组。就工作量而言，这要轻得多。此外，您的地图是交互式的。这可能是更好的选择。
library(leaflet)
leaflet(mydf) %>%
addTiles() %>%
addMarkers(clusterOptions = markerClusterOptions())