GlobalBurdenR包系列教程(二):世界地图与区域地图绘制

从全球视角到区域聚焦，一行代码绘制出版级别的地图

开篇:为什么GBD研究离不开地图?

在GBD(全球疾病负担)研究中，地图可视化是最直接、最具说服力的展示方式：

• 空间分布一目了然: 哪些国家疾病负担最重？
• 区域差异清晰呈现: SDI分层是否影响疾病模式？
• 政策干预有的放矢: 重点地区的识别
• 论文发表必备图表: Nature/Lancet级别的研究都使用地图

然而，传统方法绘制GBD地图面临许多挑战:

• 国家边界复杂: 例如中国南海九段线、塞尔维亚领土等，需要专业的地图数据
• 配色方案选择困难: 如何选择既符合色盲友好又符合期刊要求的颜色？
• 小地区难以辨认: 如加勒比海、波斯湾国家如何放大展示？
• 代码繁琐: 需要熟悉ggplot2、sf包，学习成本高

GlobalBurdenR包一键解决所有问题！

本文目标

阅读完本文，您将学会:

• 绘制连续变量的世界地图（渐变色）
• 绘制离散分组的世界地图（自定义断点和颜色）
• 自动生成7个重点区域的子地图
• 提取并绘制特定区域的地图（如东南亚、南亚、欧洲等）
• 使用Lancet期刊风格的模板
• 掌握10多个地图函数的使用技巧

本文使用真实的GBD 2023结核病数据，生成8张出版级别的地图！

数据准备

使用第一章处理的数据

setwd('/Users/yuzheng/Documents/GBD数据/2023SDI和pop数据')
library(GlobalBurdenR)
library_required_packages()
# 加载第一章处理好的数据
data <- read.csv('2023TB.csv')
cat("数据加载完成:", nrow(data), "行\n")
# 数据加载完成: 312018 行

筛选地图绘制所需数据

# 筛选2023年、年龄标准化、死亡率数据
dta <- gbd_filter(data,
measure == "Deaths",
age == 'Age-standardized',
year == 2023,
sex == "Both",
metric == 'Rate')
cat("筛选后数据:", nrow(dta), "行\n")
# 筛选后数据: 249 行

数据说明:

249行数据包含204个国家 + 45个地区聚合（如“Global”、“High SDI”、“Southeast Asia”等）

metric == 'Rate'

年龄标准化死亡率(ASMR, Age-Standardized Mortality Rate)

单位: 每10万人

第一部分:世界地图绘制

1.1 连续变量世界地图 (基础款)

适用场景: 展示全球疾病负担的连续分布，适合初步探索数据

map1 <- plot_world_map(dta,
only_large_map = FALSE,
color_palette = "RdYlBu",
legend_name = "ASMR",
plot_title = "Global Tuberculosis Age-Standardized Mortality Rate 2023")
# 保存高分辨率图片
ggsave("world_map_continuous.png", map1, width = 16, height = 10, dpi = 300)

参数详解:

only_large_map

FALSE

TRUE

color_palette

"RdYlBu"

"Spectral"

"Viridis"

"YlOrRd"

legend_name

plot_title

生成效果:

图表解读:

• 红色区域（高死亡率）: 撒哈拉以南非洲国家（>100/10万）
• 黄色区域（中等死亡率）: 南亚、东南亚部分国家（10-50/10万）
• 蓝色区域（低死亡率）: 西欧、北美、东亚发达国家（<5/10万）
• 自动子地图: 7个重点区域自动放大展示（加勒比海、波斯湾、巴尔干半岛、中国、西非、东地中海、北欧）
• 配色建议:

• RdYlBu

  : 红黄蓝，适合表示“高-中-低”

• Spectral

  : 光谱色，适合突出极值

• Viridis

  : 色盲友好，适合灰度打印

• YlOrRd

  : 黄橙红，适合表示风险递增

1.2 自动分段世界地图 (智能款)

适用场景: 需要将连续数据分组展示，但不确定最佳断点

GlobalBurdenR自动计算最佳断点:

map2 <- plot_auto_world_map_D(dta,
n_breaks = 7,
color_palette = "RdYlBu",

plot_title = "全球2023年结核病死亡率（7个类别）",
legend_name = "年龄标准化死亡率")
ggsave("world_map_auto_discrete.png", map2, width = 16, height = 10, dpi = 300)
自动分段算法：
基于分位数法，保证每组数据量较为均匀
避免形成空组
运行输出：

使用自动分段，分段数: 7
数值范围: 0.03 ~ 240.59
分段断点: 0.03, 0.31, 1.16, 2.85, 5.99, 26.39, 40.85, 240.59

breaks

c(0, 1, 2, 3, 4, 5, 6, 7)

labels

c("0-1", "1-2", ...)

color_palette

c('#3182BD', '#6BAED6', ...)

small_titles

small_map_coordinates

c(经度min, 经度max, 纬度min, 纬度max)

可用区域列表:
 [1] "Southeast_Asia"          "South_Asia"
 [3] "East_Asia"               "Central_Asia"
 [5] "Western_Europe"          "Eastern_Europe"
 [7] "Southern_Europe"         "Northern_Europe"
 [9] "North_America"           "Latin_America"
[11] "Caribbean"               "Middle_East"
[13] "North_Africa"            "West_Africa"
[15] "East_Africa"             "Central_Africa"
[17] "Southern_Africa"         "Oceania"
[19] "baltic_countries"        "east_and_south_europe"
[21] "middle_east_north_africa" ...

Southeast_Asia

Western_Europe

???????? Viet Nam (越南)

???????? Indonesia (印度尼西亚)

???????? Philippines (菲律宾)

???????? Myanmar (缅甸)

???????? Cambodia (柬埔寨)

???????? Lao PDR (老挝)

???????? Malaysia (马来西亚)

???????? Singapore (新加坡)

???????? Brunei (文莱)

???????? Timor-Leste (东帝汶)

步骤2: 制作区域地图

map5 <- plot_auto_world_map_D(
Southeast_Asia,
n_breaks = 7,
color_palette = "RdYlBu",
plot_title = "Southeast Asia TB Mortality Rate 2023",
only_large_map = TRUE,
legend_position = c(0.8, 0.4),
legend_name = "ASMR"
)
ggsave("southeast_asia_map.png", map5, width = 12, height = 10, dpi = 300)

生成效果

图表解读
???? 高负担国家: Myanmar(缅甸), Philippines(菲律宾), Indonesia(印尼)
???? 中等负担: Thailand(泰国), Viet Nam(越南), Cambodia(柬埔寨)
???? 低负担国家: Singapore(新加坡), Brunei(文莱)

2.3 南亚区域地图 (含国家名称)

步骤1: 获取南亚数据
South_Asia <- gbd_extract_region_data(dta, "South_Asia")
cat("南亚数据:", nrow(South_Asia), "行\n")

South_Asia涵盖的国家:
???????? India (印度)
???????? Pakistan (巴基斯坦)
???????? Bangladesh (孟加拉国)
???????? Nepal (尼泊尔)
???????? Sri Lanka (斯里兰卡)
???????? Bhutan (不丹)
???????? Afghanistan (阿富汗)
???????? Maldives (马尔代夫)

步骤2: 制作含国家名称的地图
map6 <- plot_auto_world_map_D(
South_Asia,
n_breaks = 7,
color_palette = "RdYlBu",
plot_title = "South Asia TB Mortality Rate 2023",
only_large_map = TRUE,
legend_position = c(0.8, 0.1),
show_country_names = TRUE,
legend_name = "ASMR"
)
ggsave("south_asia_map_with_names.png", map6, width = 12, height = 10, dpi = 300)

生成效果

show_country_names

参数解释
? 在各国中心位置自动标示国家名称
? 字体尺寸依据国家面积自动调整
? 防止文字重叠
? 适用于报告和教学

2.4 Lancet期刊风格区域地图

GlobalBurdenR内嵌Lancet Public Health (IF≈25) 期刊模板
map7 <- IF25_Lancet_Public_Health_region_map(
data = Southeast_Asia,
countries = unique(Southeast_Asia$location),
auto_bbox = TRUE,
color_scheme = 'RdYlBu',
bbox_expand = 0.15,
region_name = "Southeast Asia",
title = "TB Mortality - Southeast Asia 2023"
)
ggsave("lancet_style_southeast_asia.png", map7, width = 12, height = 10, dpi = 300)

Lancet风格特色
???? 简洁设计: 无边框、大标题、清晰图例

专业配色
: 符合Lancet系列期刊标准
???
自动边界
:

auto_bbox = TRUE

2.5 预定义区域地图 (一行代码)

适用场景
: 快速绘制常用区域,无需数据提取
map8 <- plot_world_region_map(
dta,
region = 'east_and_south_europe', # 区域名称
legend_title = 'ASMR',
subtitles = 'Tuberculosis mortality rate, 2023',
main_title = 'Eastern and Southern Europe'
)
ggsave("east_south_europe.png", map8, width = 12, height = 10, dpi = 300)

常用预定义区域
:
区域代码
包含国家
适用场景

east_and_south_europe

baltic_countries

middle_east_north_africa

sub_saharan_africa

caribbean

生成效果
:

???? 第三部分:配色方案深入解析

3.1 内置配色方案

GlobalBurdenR支持所有
MetBrewer
和
RColorBrewer
配色方案:
推荐配色(按场景)
:
场景
配色方案
特点
效果
发病率/死亡率(低→高)

"YlOrRd"

"RdYlBu"

"Spectral"

"Viridis"

"Hiroshige"

"Cassatt2"

3.2 自定义配色示例

# 方案1: 绿→黄→红(风险等级)
custom_colors_1 <- c('#1a9850', '#91cf60', '#d9ef8b', '#fee08b', '#fc8d59', '#d73027')
# 方案2: 冷色调(专业风格)
custom_colors_2 <- c('#f7fcfd', '#e5f5f9', '#ccece6', '#99d8c9', '#66c2a4', '#41ae76', '#238b45')
# 方案3: 暖色调(警示风格)
custom_colors_3 <- c('#fff7ec', '#fee8c8', '#fdd49e', '#fdbb84', '#fc8d59', '#ef6548', '#d7301f')
# 使用自定义配色
map_custom <- plot_world_map(dta,
color_palette = custom_colors_1,
legend_name = "Risk Level")

???? 第四部分:高级技巧

4.1 调整地图元素

控制子地图数量和位置
:
# 只显示3个子地图
map_custom <- plot_world_map_D(
data = dta,
breaks = c(0, 1, 5, 10, 50, 100, 300),
small_titles = c("China", "Caribbean", "West Africa"), # 只定义3个
small_map_coordinates = list(
c(73, 130, 3.5, 53), # 中国
c(-92, -60, 5, 27), # 加勒比海
c(-17, -7, 7, 20) # 西非
)
)
隐藏子地图,仅显示主地图
:
map_main_only <- plot_world_map(dta,
only_large_map = TRUE) # 关键参数

4.2 图例位置和样式

map_legend <- plot_auto_world_map_D(
dta,
n_breaks = 5,
legend_position = c(0.15, 0.3), # (x, y)坐标, 范围0-1
legend_name = "ASMR\n(/100,000)" # 使用\n换行
)
图例位置坐标说明
:

c(0, 0)

c(1, 1)

c(0.5, 0.5)

c(0.8, 0.2)

4.3 分辨率和尺寸设置

# 用于论文(高清)
ggsave("map_paper.png", map, width = 16, height = 10, dpi = 300)
# 用于PPT演示(中清)

ggsave("map_ppt.png", map, width = 12, height = 8, dpi = 150)
# 用于海报（超高清晰度）
ggsave("map_poster.png", map, width = 20, height = 15, dpi = 600)
# 保存为矢量图（无限放大）
ggsave("map_vector.pdf", map, width = 16, height = 10)
???? 完整代码汇总
# =====================================
# GlobalBurdenR包第二章完整示例代码
# 世界地图和区域地图绘制
# =====================================
setwd('/Users/yuzheng/Documents/GBD数据/2023SDI和pop数据')
library(GlobalBurdenR)
library_required_packages()
# 1. 加载数据
data <- read.csv('2023TB.csv')
dta <- gbd_filter(data, measure == "Deaths", age == 'Age-standardized',
year == 2023, sex == "Both", metric == 'Rate')
# 创建输出目录
dir.create("maps_output", showWarnings = FALSE)
# 2. 连续变量世界地图
map1 <- plot_world_map(dta, only_large_map = FALSE, color_palette = "RdYlBu",
legend_name = "ASMR",
plot_title = "全球结核病死亡率 2023")
ggsave("maps_output/01_world_continuous.png", map1, width = 16, height = 10, dpi = 300)
# 3. 自动分段世界地图
map2 <- plot_auto_world_map_D(dta, n_breaks = 7, color_palette = "RdYlBu",
plot_title = "全球结核病死亡率 2023",
legend_name = "ASMR")
ggsave("maps_output/02_world_discrete.png", map2, width = 16, height = 10, dpi = 300)
# 4. 手动分段世界地图
colors <- c('#3182BD','#6BAED6','#9ECAE1','#FEE5D9','#FCAE91','#FB6A4A','#DE2D26','#A50F15')
map3 <- plot_world_map_D(data = dta, breaks = c(0,1,2,3,4,5,6,7),
labels = c("0-1","1-2","2-3","3-4","4-5","5-6","6+"),
color_palette = colors, legend_name = "ASMR")
ggsave("maps_output/03_world_custom.png", map3, width = 16, height = 12, dpi = 300)
# 5. 查看可用区域
gbd_show_all_regions()
# 6. 东南亚区域地图
Southeast_Asia <- gbd_extract_region_data(dta, "Southeast_Asia")
map5 <- plot_auto_world_map_D(Southeast_Asia, n_breaks = 7, only_large_map = TRUE)
ggsave("maps_output/05_southeast_asia.png", map5, width = 12, height = 10, dpi = 300)
# 7. 南亚地图（带国家名）
South_Asia <- gbd_extract_region_data(dta, "South_Asia")
map6 <- plot_auto_world_map_D(South_Asia, n_breaks = 7, show_country_names = TRUE)

ggsave("maps_output/06_south_asia.png", map6, width = 12, height = 10, dpi = 300)

# 8. 兰塞特期刊风格

map7 <- IF25_Lancet_Public_Health_region_map(

data = Southeast_Asia, countries = unique(Southeast_Asia$location),

auto_bbox = TRUE, color_scheme = 'RdYlBu')

ggsave("maps_output/07_lancet_style.png", map7, width = 12, height = 10, dpi = 300)

# 9. 预先设定区域

map8 <- plot_world_region_map(dta, region = 'east_and_south_europe')

ggsave("maps_output/08_europe.png", map8, width = 12, height = 10, dpi = 300)

cat("\n所有地图生成完成! 输出目录: maps_output/\n")

运行时间: 大约2-3分钟(生成8张高分辨率地图)

???? 核心函数对比表

plot_world_map()

plot_auto_world_map_D()

plot_world_map_D()

gbd_extract_region_data()

plot_world_region_map()

IF25_Lancet_Public_Health_region_map()

? 常见问题解答(FAQ)

Q1: 为何地图中某些国家显示为灰色?

A: 灰色表明该国数据缺失。可能原因:

• 筛选标准过于严格(如

  age

  、

  metric

  组合不存在)
• 原始数据中确实没有该国数据
• 国家名称拼写错误

解决方案:

# 检查缺失国家

all_countries <- c("USA", "China", "India", ...) # 期望的国家列表

missing <- setdiff(all_countries, unique(dta$location))

print(missing)

Q2: 怎样自定义子地图的位置?

A: 利用

small_map_coordinates

c(经度min, 经度max, 纬度min, 纬度max)

# 例如: 中国东部地区

china_east <- c(110, 125, 20, 45) # 经度110-125°E, 纬度20-45°N

可以利用在线工具(如 latlong.net) 查询坐标。

Q3: 如何使地图标题支持中文?

A: 确认系统字体支持中文:

library(showtext)

showtext_auto()

map <- plot_world_map(dta, plot_title = "全球结核病死亡率分布")

Q4: 生成的地图过大, 如何减小文件大小?

A: 调整 DPI 和尺寸:

# 方法1: 减少 DPI

ggsave("map.png", map, width = 16, height = 10, dpi = 150) # 从300降至150

# 方法2: 使用 JPEG 格式

ggsave("map.jpg", map, width = 16, height = 10, dpi = 300, quality = 85)

# 方法3: 压缩 PNG

# 使用 TinyPNG 等在线工具压缩

Q5: 如何绘制多年度地图对比?

A: 使用循环或

patchwork

library(patchwork)

# 绘制2010、2015、2020、2023四个年份

years <- c(2010, 2015, 2020, 2023)

maps <- list()

for (i in 1:length(years)) {

dta_year <- gbd_filter(data, year == years[i], ...)

maps[[i]] <- plot_world_map(dta_year, plot_title = paste("Year", years[i]))

}

# 拼接成2x2布局

combined_map <- (maps[[1]] + maps[[2]]) / (maps[[3]] + maps[[4]])

ggsave("maps_comparison.png", combined_map, width = 20, height = 16, dpi = 300)

???? 下期预告

GlobalBurdenR包系列教程(三):EAPC计算与趋势分析

下一篇将介绍:

• 计算EAPC(估计年度百分比变化)
• 绘制EAPC全球地图(展示时间趋势)
• EAPC条形图和热图可视化
• Joinpoint回归分析(识别趋势转折点)

本文资源

完整代码: 参见"完整代码汇总"部分

示例数据: 使用第一章的数据

2023TB.csv

生成地图: 8张高清PNG图片(chapter2_maps目录)

总结

本文通过真实的GBD 2023结核病数据, 演示了GlobalBurdenR包的地图绘制功能:

• 3种全球地图: 连续变量、自动分段、手动分段
• 5种地区地图: 东南亚、南亚、欧洲、Lancet风格、预设区域
• 自动子地图: 7个关键区域自动放大
• 灵活调色: 支持所有MetBrewer和RColorBrewer方案
• 出版级品质: 300 DPI高清输出，满足Nature/Lancet标准

核心理念: 使GBD地图绘制变得简便、迅速、专业！

敬请期待下一篇！

GlobalBurdenR v3.0.0 | 使GBD数据分析更加简便