Stata 绘制 Gis 着色图
目录
今天这里记录的是用 Stata 画 Gis 着色图的过程。
本文列举所有数据可在仓库下载。
获取地图文件
ESRI Shapefile 文件是由美国环境系统研究所开发的空间地理数据。里面同时储存空间位置和特征数据。其基本文件主要为：
-
主文件 （. Shp）： 存储几何要素的的空间信息，也就是 XY 坐标。Gis 图片的地图轮廓信息就是这个文件储存的。
-
表文件 （. Dbf）： 存储地理数据的属性信息的 dBase 表。
-
索引文件 （. Shx）： 存储有关 .shp 存储的索引信息。它记录了在 .shp 中，空间数据是如何存储的，XY 坐标的输入点在哪里，有多少 XY 坐标对等信息。
这里介绍写我找到的一些数据源：
-
GADM data：国际地图很全。
-
Rstata资料：中国地图省级分区。国内买课世界一流，个人觉得 stata 专题做得最好的是“连享会“和”Rstata“。即便我是坚定的
白嫖开源主义，也经常看他们的科普文章学习 stata。此处是有好心人上传了 Rstata 相关的数据库。 -
中科院地资所：或许是国内的半官方？
中科院地资所
如果还找不到自己想要的，可以使用阿里云地图来生成地图文件。
进入阿里云地图，点击文件下载（推荐其他下载，下载后得到 .json 文件）。
下载好后进入转化器转化。点击 Select，上传 .json 文件，然后点击 export 导出转化后的文件。
似乎是因为数据编码或者加密，有时候转阿里云地图化的文件无法被 stata 读取。
此时使用
spshape2dta转化
StataGis 初步操作
下载相关命令
包含 主文件 (.shp) 和 表文件 (.dbf) 即可。
提前在 stata 下载相关命令。
ssc install shp2dta, replace //文件转化命令
ssc install mif2dta, replace //文件转化命令
ssc install spmap, replace //GIS画图命令转译和编译乱码
使用 B 站一位用户用 GIS 画的文件：2019中国地图-审图号GS(2019)1822号
这里个人使用的举例数据是：北大数字普惠金融指数2011_2020
这里要转译的有两个文件，中国地图文件 市 和九段线文件 九段线
clear
cd F:\桌面\GIS_sum\2019中国地图审图号\例子
//设置工作环境文件夹，因为gis一些命令参数使用相对路径更好用些
import excel "F:\桌面\GIS_sum\2019中国地图审图号\例子\北大数字普惠金融指数2011_2020.xlsx", sheet("Sheet1") firstrow
keep if year == 2020
rename pref_name_year18 ct_name
save d2020data ,replace
//载入数据
spshape2dta 市
spshape2dta 九段线
//这里因为无法用shp2dta转化所以使用spshape2dta
clear
cd F:\桌面\GIS_sum\2019中国地图审图号\例子
unicode encoding set gb18030
unicode analyze 市.dta
unicode translate 市.dta, invalid
//部分中文乱码重新编译
//一次性命令，若要重新使用需要删掉目录生成的编码文件bak.stunicode若文件无法被转化，例如阿里云的地图，似乎 gis 做的地图也无法被 shp2dta 转化。这里就是使用的 spshape2dta 转化。
两个命令除了这一点外区别不大。
spshape2dta命令缺点是不能自定义名字，后面直接跟文件名即可，会自动生成两个需要的文件。标签文件为.dta, 轮廓文件为_shp.dta
匹配数据和标签文件
use 市.dta
rename __ ct_name
save 市.dta ,replace
use d2020data
merge 1:1 ct_name using 市.dta
drop _merge
gen ID =_ID
save city_data2020,replace绘图命令
开始绘图，基本绘图命令如下
grmap digitization_level using 市_shp.dta , ///
id(ID) osize(vvthin ...) ocolor(white ...) ///
clmethod(custom) clbreaks(-1 0 190 200 280 300 350) ///
fcolor(gray "224 242 241" "178 223 219" "128 203 196" "77 182 172" "38 166 154") ///
leg(order(2 "无数据" 3 "0~190" 4 "190~200" 5 "200~280" 6 "280~300" 7 "300~350")) ///
graphr(margin(medium)) ///
line(data(九段线_shp.dta)) ///
ti("2020 年数字普惠金融指数") ///
subti("二级标题") ///
caption("数据来源：北大数字普惠金融指数", size(*0.8))
参数解释
以下参数解释由 GPT 3.5 给出，个人进行简单补充。
-
grmap type：指定图形类型为地图。 -
using chinaprov40_coord.dta：指定地图数据文件，包含省级行政区划的坐标信息。 -
id(ID)：指定地图数据中的唯一标识符变量。通过标识对应地图坐标和标签和数据。 -
osize(vvthin ...)和ocolor(white ...)：设置地图边界线的粗细和颜色。 -
vvthin是 Stata 中一种预定义的线条样式，它表示非常细的线条。在绘制地图时，可以使用不同的线条粗细来区分不同的地理要素或边界。从细到粗排列为：vvthin、vthin、thin、medium、thick、vthick、vvthick。
-
clmethod(custom)和clbreaks(0 1 2 3 4 5)：自定义分类方法和分类间隔。这里对应的是省级分类，直辖市，省，特别行政区… -
fcolor(...)：指定不同分类的填充颜色。例子中采用的是三元色定义表示，可以用 PPT 的颜色自定义查看颜色标识。
三元色定义 -
leg(...)：设置图例的顺序和标签。 -
graphr(margin(medium))：设置图形的边距。 -
line(data(chinaprov40_line_coord.dta) by(group) ...)：绘制地图边界线，指定边界线数据文件和颜色等属性。这里用的是九段线文件。 -
polygon(data(polygon) fcolor(black) ...)：绘制地图多边形，指定填充颜色和线条粗细等属性。这里是图例和指南针。 -
label(data(chinaprov40_label) ...)：标注地图上的标签，指定标签数据文件和标签文本等属性。label(ename)是英文，label(cnname)是中文。 -
ti("一级标题: 2019 年中国省级行政区划")：设置主标题。 -
subti("二级标题")：设置副标题。 -
caption("使用 Stata 绘制中国省级地图", size(*0.8))：设置图形的说明。
处理流程图
地图线条数据（非必要）：例如山川、河流、山脉、九段线、秦岭淮河、胡焕庸线的线条。
看起来很复杂？这里给出简单的步骤概括：
- 获得我们想要描述的数据，每个省数值是多少。
- 将描述数据和
_db.dta（索引文件，.dbf文件转化而来）匹配到一起。 - 打开匹配完成的数据，额外载入地图轮廓数据（
_coord.dta）（.shp文件转化而来）。 - 选择：可以加入 label 文件（是否显示每个省份名称）
国内省级
来自 Rstata。可以从 github仓库下载学习材料——GIS 地图省级面板和相关数据。
文件简介
地图轮廓数据：
chinaprov40_db.dta
chinaprov40_coord.dta
线条数据：例如九段线，胡焕庸线等
chinaprov40_line_db.dta
chinaprov40_line_coord.dta
标签位置数据
chinaprov40_label.dta
绘画指北针和比例尺
polygon.dta
正式绘图
cd /Users/ac/Documents/系列课程/使用Stata绘制中国省级地图（版本4）/
* 离散变量的绘制
use chinaprov40_db.dta, clear
encode 类型, gen(type)
codebook type
*如果gramp命令没激活，输入grmap, activate命令即可
grmap type using chinaprov40_coord.dta, ///
id(ID) osize(vvthin ...) ocolor(white ...) ///
clmethod(custom) clbreaks(0 1 2 3 4 5) ///
fcolor("254 212 57" "253 116 70" "138 145 151" "213 228 162" "210 175 129") ///
leg(order(2 "不统计" 3 "特别行政区" 4 "直辖市" 5 "省" 6 "自治区" 11 "秦岭-淮河线" 14 "胡焕庸线")) ///
graphr(margin(medium)) ///
line(data(chinaprov40_line_coord.dta) by(group) size(vvthin *1 *0.5 *1.2 *0.5 *0.5 *1.2) pattern(solid ...) ///
color(white /// 省界颜色
black /// 国界线颜色
"0 85 170" /// 海岸线颜色
"24 188 156" /// 秦岭淮河线颜色
black /// 小地图框格颜色
black /// 比例尺和指北针颜色
"227 26 28" /// 胡焕庸线颜色
)) ///
polygon(data(polygon) fcolor(black) ///
osize(vvthin)) ///
label(data(chinaprov40_label) x(X) y(Y) label(cname) length(20) size(*0.8)) ///
ti("一级标题: 2019 年中国省级行政区划") ///
subti("二级标题") ///
caption("使用 Stata 绘制中国省级地图", size(*0.8))
gr export pic1.png, replace width(1200)
* 英文版本
grmap type using chinaprov40_coord.dta, ///
id(ID) osize(vvthin ...) ocolor(white ...) ///
clmethod(custom) clbreaks(0 1 2 3 4 5) ///
fcolor("254 212 57" "253 116 70" "138 145 151" "213 228 162" "210 175 129") ///
leg(order(2 "Not within the scope of statistics" 3 "Special administrative region" 4 "Municipality directly under" "the Central Government" 5 "Province" 6 "Autonomous Region" 11 "Qinling Huaihe River Line" 14 "Hu Huanyong line")) ///
graphr(margin(medium)) ///
line(data(chinaprov40_line_coord.dta) by(group) size(vvthin *1 *0.5 *1.2 *0.5 *0.5 *1.2) pattern(solid ...) ///
color(white /// 省界颜色
black /// 国界线颜色
"0 85 170" /// 海岸线颜色
"24 188 156" /// 秦岭淮河线颜色
black /// 小地图框格颜色
black /// 比例尺和指北针颜色
"227 26 28" /// 胡焕庸线颜色
)) ///
polygon(data(polygon) fcolor(black) ///
osize(vvthin)) ///
label(data(chinaprov40_label) x(X) y(Y) label(ename) length(20) size(*0.6)) ///
ti("title1: China’s provincial administrative divisions in 2019") ///
subti("title2") ///
caption("Use Stata to draw provincial maps of China", size(*0.8))
gr export pic2.png, replace width(1200)
其他例子
* 绘图示例：
* 1. 2020 年中国各省市地区生产总值
import delimited using "2020年中国各省市地区生产总值.csv", clear encoding(utf8)
gen prov = substr(省份, 1, 6)
save 2020年中国各省市地区生产总值, replace
use chinaprov40_db.dta, clear
gen prov = substr(省, 1, 6)
merge 1:1 prov using 2020年中国各省市地区生产总值
replace 地区生产总值 = -1 if missing(地区生产总值)
grmap 地区生产总值 using chinaprov40_coord.dta, ///
id(ID) osize(vvthin ...) ocolor(white ...) ///
clmethod(custom) clbreaks(-1 0 20000 40000 60000 80000 120000) ///
fcolor(gray "224 242 241" "178 223 219" "128 203 196" "77 182 172" "38 166 154") ///
leg(order(2 "无数据" 3 "< 2 万亿元" 4 "2～4 万亿元" 5 "4～6 万亿元" 6 "6～8 万亿元" 7 "> 8 万亿元")) ///
graphr(margin(medium)) ///
line(data(chinaprov40_line_coord.dta) ///
/// 去除秦岭淮河线(4)、胡焕庸线(7)
select(keep if inlist(group, 1, 2, 3, 5, 6)) ///
by(group) size(vvthin *1 *0.5 *0.5 *0.5) ///
pattern(solid ...) /// 实线
color(white /// 省界颜色
black /// 国界线颜色
"0 85 170" /// 海岸线颜色
black /// 小地图框格颜色
black /// 比例尺和指北针颜色
)) ///
polygon(data(polygon) fcolor(black) ///
osize(vvthin)) ///
label(data(chinaprov40_label) x(X) y(Y) label(cname) length(20) size(*0.8)) ///
ti("2020 年中国各省市地区生产总值") ///
subti("二级标题") ///
caption("数据来源：各地统计局", size(*0.8))
gr export pic3.png, replace width(1200)
* 2013 年中国工企业分布及距离秦岭淮河的距离
* 转换坐标系
* 转换方式一：https://czxb.shinyapps.io/crs-trans/
* 注意事项，上传的 csv 文件应该包含数值型的 lon 和 lat 变量，观测值上限大概是 10 万个，不可多人同时使用。
use gq2013sample, clear
keep 经度 纬度
ren 经度 lon
ren 纬度 lat
export delimited using "待转换.csv", replace
* 转换方式二：使用附件中的 R 脚本转换
* 处理转换后的数据
import delimited using "转换后的数据.csv", clear
gen id = _n
save 转换后的数据, replace
use gq2013sample, clear
gen id = _n
merge 1:1 id using 转换后的数据
drop _m id *度
encode 北方或南方, gen(north)
save pointdata, replace
use chinaprov40_db.dta, clear
spmap using chinaprov40_coord.dta, id(ID) ///
ocolor("black" ...) osize(vvthin ...) ///
line(data(chinaprov40_line_coord.dta) ///
/// 胡焕庸线（7）
select(keep if inlist(group, 1, 2, 3, 4, 5, 6)) ///
by(group) size(vvthin *1 *0.5 *1.5 *0.5 *0.5) ///
pattern(solid ...) ///
color(white /// 省界颜色
black /// 国界线颜色
"0 85 170" /// 海岸线颜色
"0 85 170" /// 秦岭淮河线颜色
black /// 小地图框格颜色
black /// 比例尺和指北针颜色
)) ///
polygon(data(polygon) fcolor(black) ///
osize(vvthin)) ///
label(data(chinaprov40_label) x(X) y(Y) label(cname) length(20) size(*0.8)) ///
point(data(pointdata) by(north) ///
fcolor("227 26 28%30" "24 188 156%30") ///
x(x) y(y) ///
proportional(与秦岭淮河线的距离) ///
size(*0.1) legenda(on)) ///
leg(order(7 "秦岭-淮河线" 10 "北方工企业" 11 "南方工企业")) ///
ti("2013 年中国工业企业与秦岭-淮河线的距离", color(black)) ///
subti("二级标题") ///
graphr(margin(medium)) ///
caption("数据来源：2013 年中国工业企业数据库，使用高德地图地理编码接口解析经纬度", size(*0.8))
gr export pic4.png, replace width(1200)
* 2019 年中国各省地区生产总值 & 产业结构
use 各省历年GDP, clear
drop if 省份 == "中国"
replace 地区生产总值_亿元 = 地区生产总值_亿元 / 1000
merge m:m 省代码 using chinaprov40_db.dta
replace 地区生产总值_亿元 = -1 if missing(年份)
grmap 地区生产总值_亿元 if 年份 == 2019 | missing(年份) ///
using chinaprov40_coord.dta, id(ID) ///
clmethod(custom) clbreaks(-1 0 40 60 80 100 120) ///
fcolor("gray" "237 248 233" "199 233 192" "161 217 155" "116 196 118" "49 163 84") ///
ocolor("gray" ...) ///
ti("2019 年中国各省地区生产总值 & 产业结构", size(*1.1)) ///
subtitle("数据来源：CSMAR经济金融数据库") ///
graphr(margin(medium)) ///
osize(vvthin ...) ///
legend(size(*1.1) ///
order(2 "无数据" 3 "< 40千亿" ///
4 "40～60千亿" 5 "60～80千亿" ///
6 "80～100千亿" 7 "> 100千亿" ///
14 "第一产业" 15 "第二产业" 16 "第三产业")) ///
caption("二级标题", size(*0.8)) ///
line(data(chinaprov40_line_coord.dta) ///
/// 去除秦岭淮河线(4) 胡焕庸线（7）
select(keep if inlist(group, 1, 2, 3, 5, 6)) ///
by(group) size(vvthin *1 *0.5 *0.5 *0.5) ///
pattern(solid ...) ///
color(white /// 省界颜色
black /// 国界线颜色
"0 85 170" /// 海岸线颜色
black /// 小地图框格颜色
black /// 比例尺和指北针颜色
)) ///
polygon(data(polygon) fcolor(black) ///
osize(vvthin)) ///
label(data(chinaprov40_label) x(X) y(Y) label(cname) length(20) size(*0.8)) ///
diagram(data(piedata) x(X) y(Y) v(第一产业占GDP比重_百分比 第二产业占GDP比重_百分比 第三产业占GDP比重_百分比) ///
type(pie) legenda(on) os(vvthin) ///
size(1.5) fc("102 194 165" "252 141 98" "229 196 148") ///
oc("102 194 165" "252 141 98" "229 196 148"))
gr export "pic5.png", replace width(1200)
grmap 地区生产总值_亿元 if 年份 == 2019 | missing(年份) ///
using chinaprov40_coord.dta, id(ID) ///
clmethod(custom) clbreaks(-1 0 40 60 80 100 120) ///
fcolor("gray" "237 248 233" "199 233 192" "161 217 155" "116 196 118" "49 163 84") ///
ocolor("gray" ...) ///
ti("2019 年中国各省地区生产总值 & 第一产业比重", size(*1.1)) ///
subtitle("数据来源：CSMAR经济金融数据库") ///
graphr(margin(medium)) ///
osize(vvthin ...) ///
legend(size(*1.1) ///
order(2 "无数据" 3 "< 40千亿" ///
4 "40～60千亿" 5 "60～80千亿" ///
6 "80～100千亿" 7 "> 100千亿" ///
15 "第一产业比重")) ///
caption("二级标题", size(*0.8)) ///
line(data(chinaprov40_line_coord.dta) ///
/// 去除秦岭淮河线(4) 胡焕庸线（7）
select(keep if inlist(group, 1, 2, 3, 5, 6)) ///
by(group) size(vvthin *1 *0.5 *0.5 *0.5) ///
pattern(solid ...) ///
color(white /// 省界颜色
black /// 国界线颜色
"0 85 170" /// 海岸线颜色
black /// 小地图框格颜色
black /// 比例尺和指北针颜色
)) ///
polygon(data(polygon) fcolor(black) ///
osize(vvthin)) ///
diagram(data(piedata) x(X) y(Y) v(第一产业占GDP比重_百分比) ///
type(frect) legenda(on) os(vvthin) ///
size(1.5) fc("252 141 98") ///
oc("252 141 98") refsize(none))
gr export "pic6.png", replace width(1200)
* 各省人口密度
use 中国人口空间分布省级面板数据集.dta, clear
ren 省份 省
merge m:1 省 using chinaprov40_db.dta
keep if 年份 == 2015 | missing(年份)
replace 均值 = -1 if missing(均值)
grmap 均值 using chinaprov40_coord.dta, ///
id(ID) osize(vvthin ...) ocolor(white ...) ///
clmethod(custom) clbreaks(-1 0 100 1000 2000 3000 4000) ///
fcolor(gray "224 242 241" "178 223 219" "128 203 196" "77 182 172" "38 166 154") ///
leg(order(2 "无数据" 3 "< 100 人/平方公里" 4 "100～1000 人/平方公里" 5 "1000～2000 人/平方公里" 6 "2000～3000 人/平方公里" 7 "> 3000 人/平方公里" 14 "胡焕庸线")) ///
graphr(margin(medium)) ///
line(data(chinaprov40_line_coord.dta) ///
/// 去除秦岭淮河线(4)
select(keep if inlist(group, 1, 2, 3, 5, 6, 7)) ///
by(group) size(vvthin *1 *0.5 *0.5 *0.5 *1.2) ///
pattern(solid ...) ///
color(white /// 省界颜色
black /// 国界线颜色
"0 85 170" /// 海岸线颜色
black /// 小地图框格颜色
black /// 比例尺和指北针颜色
"227 26 28" /// 胡焕庸线颜色
)) ///
polygon(data(polygon) fcolor(black) ///
osize(vvthin)) ///
label(data(chinaprov40_label) x(X) y(Y) label(cname) length(20) size(*0.8)) ///
ti("2015 年中国各省平均人口密度") ///
subti("二级标题") ///
caption("数据来源：中国科学院资源环境科学与数据中心", size(*0.8))
gr export pic7.png, replace width(1200)调节指南针和图例
通过识别相应数据的标识，更改坐标数实现更改效果。
* 移动指北针的位置到右上方
use chinaprov40_line_db.dta, clear
* 指北针对应的 ID 是 40 和 41
use chinaprov40_line_coord.dta, clear
replace _X = _X + 3000000 if inlist(_ID, 40, 41)
replace _Y = _Y + 4000000 if inlist(_ID, 40, 41)
save chinaprov40_line_coord2.dta, replace
use polygon, clear
replace _X = _X + 3000000 if _ID == 38
replace _Y = _Y + 4000000 if _ID == 38
save polygon2, replace
use chinaprov40_label, clear
replace X = X + 3000000 if cname == "N"
replace Y = Y + 4000000 if cname == "N"
save chinaprov40_label2, replace
use chinaprov40_db.dta, clear
encode 类型, gen(type)
grmap type using chinaprov40_coord.dta, ///
id(ID) osize(vvthin ...) ocolor(white ...) ///
clmethod(custom) clbreaks(0 1 2 3 4 5) ///
fcolor("254 212 57" "253 116 70" "138 145 151" "213 228 162" "210 175 129") ///
leg(order(2 "不统计" 3 "特别行政区" 4 "直辖市" 5 "省" 6 "自治区" 11 "秦岭-淮河线" 14 "胡焕庸线")) ///
graphr(margin(medium)) ///
line(data(chinaprov40_line_coord2.dta) by(group) size(vvthin *1 *0.5 *1.2 *0.5 *0.5 *1.2) pattern(solid ...) ///
color(white /// 省界颜色
black /// 国界线颜色
"0 85 170" /// 海岸线颜色
"24 188 156" /// 秦岭淮河线颜色
black /// 小地图框格颜色
black /// 比例尺和指北针颜色
"227 26 28" /// 胡焕庸线颜色
)) ///
polygon(data(polygon2) fcolor(black) ///
osize(vvthin)) ///
label(data(chinaprov40_label2) x(X) y(Y) label(cname) length(20) size(*0.8)) ///
ti("使用 Stata 绘制 2019 年中国省级行政区划") ///
subti("二级标题") ///
caption("版本：使用 Stata 绘制中国省级地图数据包 4.0", size(*0.8))
gr export pic8.png, replace width(1200)
* 调节比例尺的位置（微微上移）
use chinaprov40_line_db.dta, clear
* 比例尺对应的 ID 是 42 和 43
use chinaprov40_line_coord2.dta, clear
replace _Y = _Y + 200000 if inlist(_ID, 42, 43)
save chinaprov40_line_coord3.dta, replace
use polygon2, clear
replace _Y = _Y + 200000 if _ID == 39
save polygon3, replace
use chinaprov40_label2, clear
replace Y = Y + 200000 if cname == "1000km"
save chinaprov40_label3, replace
use chinaprov40_db.dta, clear
encode 类型, gen(type)
grmap type using chinaprov40_coord.dta, ///
id(ID) osize(vvthin ...) ocolor(white ...) ///
clmethod(custom) clbreaks(0 1 2 3 4 5) ///
fcolor("254 212 57" "253 116 70" "138 145 151" "213 228 162" "210 175 129") ///
leg(order(2 "不统计" 3 "特别行政区" 4 "直辖市" 5 "省" 6 "自治区" 11 "秦岭-淮河线" 14 "胡焕庸线")) ///
graphr(margin(medium)) ///
line(data(chinaprov40_line_coord3.dta) by(group) size(vvthin *1 *0.5 *1.2 *0.5 *0.5 *1.2) pattern(solid ...) ///
color(white /// 省界颜色
black /// 国界线颜色
"0 85 170" /// 海岸线颜色
"24 188 156" /// 秦岭淮河线颜色
black /// 小地图框格颜色
black /// 比例尺和指北针颜色
"227 26 28" /// 胡焕庸线颜色
)) ///
polygon(data(polygon3) fcolor(black) ///
osize(vvthin)) ///
label(data(chinaprov40_label3) x(X) y(Y) label(cname) length(20) size(*0.8)) ///
ti("使用 Stata 绘制 2019 年中国省级行政区划") ///
subti("二级标题") ///
caption("版本：使用 Stata 绘制中国省级地图数据包 4.0", size(*0.8))
gr export pic9.png, replace width(1200)国内市级
扒了下论文数据源
不过我使用时，地图命令使用的是 grmap，换成我的数据后莫名报错 r(198),option t() required ，按理说是缺少逗号或者括号，但是检查了下没问题，换成 spmap 就行了，两者语法没有区别，可以直接更换。
国内县级
同上，略
Geoplot 命令
和 spmap 和 grmap 相比命令更加简洁，定义功能更多，Ben Jann (University of Bern)
下载相关命令
clear
ssc install geoplot, replace
ssc install palettes, replace
ssc install colrspace, replace
ssc install moremata, replace载入数据
cd F:\桌面\GIS_sum\geoplot
local url http://fmwww.bc.edu/repec/bocode/i/
geoframe create regions `url'Italy-RegionsData.dta, id(id) coord(xcoord ycoord) ///
shpfile(Italy-RegionsCoordinates.dta)
geoframe create country `url'Italy-OutlineCoordinates.dta
geoframe create capitals `url'Italy-Capitals.dta, coord(xcoord ycoord)
geoframe create lakes `url'Italy-Lakes.dta, feature(water)
geoframe create rivers `url'Italy-Rivers.dta, feature(water)含义解释：
Geoframe create 调用名字地图标签文件和, id （独特标识） coord （经度纬度） /// Shpfile （地图轮廓文件）
每一个宏定义代表一个图层。
通过这种宏定义，下次只用调用名字就可以画图，省时省力。
画图
基本命令
命令优势在于使用简单的括号就满足了图层叠加
geoplot (area regions fortell, label("@lb-@ub (N=@n)")) (line regions)
area表示这里是画区域图，使用 regions 宏名字的地图轮廓，绘图变量是 fortelllabel：在地图中，这些变量将被替换为实际的数值。例如，如果某个区域的下限值为20，上限值为50，并且该区域包含100个单元格，则最终的标签将显示为"20-50 (N=100)"。@lb：代表每个区域的下限值。@ub：代表每个区域的上限值。@n：代表每个区域的数量。line表示线图调用 regions 的线图
气泡图
geoplot ///
(area regions) ///
(point capitals i.size [w=pop98], color(Set1, opacity(50)) mlcolor(%0)) ///
(label capitals city if pop98>250000, color(black)) ///
, legend compass sbar(length(300) units(km))
(area regions)：绘制地图区域，表示地理区域的边界或范围。(point capitals i.size [w=pop98], color(Set1, opacity(50)) mlcolor(%0))：绘制城市的散点图，其中城市的大小由i.size决定，颜色使用Set1调色板，不透明度设置为50%，并且城市标签的颜色为%0，即黑色。城市的大小基于pop98变量，表示城市的人口数量。(label capitals city if pop98>250000, color(black))：标记城市的名称，但只针对人口数量超过250,000的城市进行标记，标签颜色为黑色。, legend compass sbar(length(300) units(km))：添加图例、指南针和比例尺。比例尺的长度设置为300单位，单位为公里。
局部放大图
geoplot (area regions) ///
(area regions if id==1, fc(Coral*.5) lc(gray)) ///
(label regions region if id==1, color(black)) ///
(area regions if id==1, fc(Coral) lc(gray) /*
*/ box(circle pad(5) fc(gs14))) ///
(pie regions relig1 relig2 relig3 if id==1, lab(, reverse)) ///
, legend(pos(se) rowgap(1)) zoom(4/5: 6 90 210)(area regions)：绘制地图区域，表示地理区域的边界或范围。(area regions if id==1, fc(Coral*.5) lc(gray))：根据条件id==1绘制特定区域的地图区域，填充颜色为Coral*.5，边界线颜色为灰色。(label regions region if id==1, color(black))：标记特定区域的名称，但只对id==1的区域进行标记，标签颜色为黑色。(area regions if id==1, fc(Coral) lc(gray) /* ... */ box(circle pad(5) fc(gs14)))：根据条件id==1绘制特定区域的地图区域，并在周围添加一个填充色为Coral的框，边界线颜色为灰色。(pie regions relig1 relig2 relig3 if id==1, lab(, reverse))：在特定区域绘制饼图，但只对id==1的区域进行绘制。饼图中包含relig1、relig2和relig3变量的数据，标签反向显示。, legend(pos(se) rowgap(1))：设置图例位置为东南方向，行间距为1。zoom(4/5: 6 90 210)：设置地图的放大比例为4/5，并指定地图显示的范围。
局部放大和饼图
地图使用规范
省流：使用单个省份地图，街道乡镇地图还行，使用我国整体的地图是比较麻烦的。
- 在使用我国整体地图时，比例画幅要求严格。
- 轮廓线，有些国界暂时未定或者每年有细微变动。
- 领土问题：香港、澳门、台湾、海南诸岛、钓鱼岛等等…
- 九段线最不能缺！
- 不能出现军工等机密数据的标注。
- 图例问题和指北针最好加上且和官方保持一致。
针对期刊，最好参考：科技期刊地图插图的规范绘制和常见问题
最官方的地图详见：标准地图服务。自己画好地图后也可以在这里拿去送审。
官方是不提供 shap 文件的，只提供 eps 和 jpg 文件。
市面上流行的 shap 官方文件都是个人制作，需要仔细辨别。