数学建模社区-数学中国

标题: 可视化实例基于R语言的全球疫情可视化 [打印本页]

作者: 1047521767 时间: 2021-10-28 20:34
标题: 可视化实例基于R语言的全球疫情可视化
可视化实例基于R语言的全球疫情可视化
目录
一、数据介绍及预处理
二、新增确诊病例变化趋势
三、新增确诊病例全球地理分布
四、累计确诊病例动态变化图
一、数据介绍及预处理
1. 基本字段介绍

字段名含义
Province/State 省/州
Country/Region 国家/地区
Lat 纬度
Long 经度
1/22/20-12/7/20 每日累计确诊病例

2. 数据预处理

整理某些国家的名称，如Korea, South改为 Korea
将日期列字段修改为相应的日期格式
[color=rgba(0, 0, 0, 0.749019607843137)]#加载本次可视化所需包[color=rgba(0, 0, 0, 0.749019607843137)]library(readr)  [color=rgba(0, 0, 0, 0.749019607843137)]library(sp)  #地图可视化[color=rgba(0, 0, 0, 0.749019607843137)]library(maps) #地图可视化[color=rgba(0, 0, 0, 0.749019607843137)]library(forcats)[color=rgba(0, 0, 0, 0.749019607843137)]library(dplyr)[color=rgba(0, 0, 0, 0.749019607843137)]library(ggplot2)[color=rgba(0, 0, 0, 0.749019607843137)]library(reshape2) [color=rgba(0, 0, 0, 0.749019607843137)]library(ggthemes)  #ggplot绘图样式包[color=rgba(0, 0, 0, 0.749019607843137)]library(tidyr)[color=rgba(0, 0, 0, 0.749019607843137)]library(gganimate) #动态图[color=rgba(0, 0, 0, 0.749019607843137)]- l( O7 v1 Q/ k; w9 E3 {$ ?
[color=rgba(0, 0, 0, 0.749019607843137)]#一、国家名词整理[color=rgba(0, 0, 0, 0.749019607843137)]data<-read_csv('confirmed.csv')[color=rgba(0, 0, 0, 0.749019607843137)]data[data$`Country/Region`=='US',]$`Country/Region`='United States'[color=rgba(0, 0, 0, 0.749019607843137)]data[data$`Country/Region`=='Korea, South',]$`Country/Region`='Korea'[color=rgba(0, 0, 0, 0.749019607843137)]
- l$ ], g: q& I7 Q4 A[color=rgba(0, 0, 0, 0.749019607843137)]information_data<-data[,1:4] #取出国家信息相关数据[color=rgba(0, 0, 0, 0.749019607843137)]inspect_data<-data[,-c(1:4)] #取出确诊人数相关数据[color=rgba(0, 0, 0, 0.749019607843137)]
" {* O: Q" f0 P3 q. k) s- `+ J[color=rgba(0, 0, 0, 0.749019607843137)]#二、日期转换[color=rgba(0, 0, 0, 0.749019607843137)]datetime<-colnames(inspect_data)[color=rgba(0, 0, 0, 0.749019607843137)]pastetime<-function(x){[color=rgba(0, 0, 0, 0.749019607843137)]  date<-paste0(x,'20')[color=rgba(0, 0, 0, 0.749019607843137)]  return(date)[color=rgba(0, 0, 0, 0.749019607843137)]}[color=rgba(0, 0, 0, 0.749019607843137)]datetime1<-as.Date(sapply(datetime,pastetime),format='%m/%d/%Y')[color=rgba(0, 0, 0, 0.749019607843137)]colnames(inspect_data)<-datetime1[color=rgba(0, 0, 0, 0.749019607843137)], i* G3 N- e" N0 s
[color=rgba(0, 0, 0, 0.749019607843137)]#合并数据,data为累计确诊人数数据(预处理后)[color=rgba(0, 0, 0, 0.749019607843137)]data<-cbind(information_data,inspect_data)[color=rgba(0, 0, 0, 0.749019607843137)]二、新增确诊病例变化趋势#由累计确诊病例计算新增确诊病例# w- Q9 V& f4 `6 R
inspect_lag_data<-cbind(0,inspect_data[,1ncol(inspect_data)-1)])
) e. g: T8 }# _' |1 {3 Aincrease_data<-inspect_data-inspect_lag_data6 B" c, B% D; {  K

+ {- x; U9 e8 Z& Y. n  U3 U( w#合并数据,new_data为新增确诊人数数据
  @' c+ V7 z+ ynew_data<-cbind(information_data,increase_data). y7 j: M3 `+ W# U# G8 g; O+ b
& y7 a6 P% K- g9 A0 n* z& y: y
1. 中国新增确诊病例变化趋势, I: N/ F. \$ o" d, p
#合并所有省份新增确诊人数7 O% s8 P+ d0 e$ b6 d  {, u3 F: Y6 u
china<-new_data[new_data$`Country/Region`=='China',]' v2 h+ \( M) J9 v
china_increase<-data.frame(apply(china[,-c(1:4)],2,sum))
# W9 a& o, Y8 `  t9 D. P5 T: Vcolnames(china_increase)<-'increase_patient'
( Z9 f0 S; _% R8 a7 A+ Cchina_increase$date<-as.Date(rownames(china_increase),format="%Y-%m-%d")
- s  n; u/ ]( X0 n, {
- Z* O3 @0 Q/ Z( J! o+ Y1 C2 jggplot(china_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+) T* p- v- e0 h% A' _
  scale_x_date(date_breaks = "14 days")+  #设置横轴日期间隔为14天(注意:此时的date列必须为日期格式!)
0 _( \. C# L8 k( |. N, a: `  labs(x='日期',y='新增确诊人数',title='2020年1月22日-2020年12月7日中国新增确诊人数变化趋势图')+9 ~/ e0 l( h3 R: K3 C5 q9 z" Z2 g' c
  theme_economist()+  #使用经济学人绘图样(式ggthemes包)
$ g; F* l" s6 a" B+ ~  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),- `1 L1 u4 K. `2 j* o
      axis.title.x = element_blank(),
2 y, N4 J1 @" n8 \       axis.title.y = element_text(size=15),
0 b3 R9 a( ]6 L% B       axis.text.x = element_text(angle = 90,size=15),6 C& n: i3 y% X, N7 z  ~
      axis.text.y = element_text(size=15),
3 r  k' `' z- g* d       legend.title=element_blank(),
  |3 p. p& _6 F/ I  c       legend.text=element_text(size=15)): m& q3 Z  Y+ X+ N5 I. b
, A# q( r) m# T, h+ R" M

( o2 @: Q3 \' G( D3 j2 n, V2. 美国新增病例变化趋势  |$ B5 W1 v3 {
us<-new_data[new_data$`Country/Region`=='United States',]" x5 W6 {$ m( m3 v6 ]
us_increase<-gather(us,key="date",value="increase_patient",'2020-01-22':'2020-12-07')
- d  A5 f  U% N  E/ ~$ }' Eus_increase$date<-as.Date(us_increase$date)+ V- N  _* X. M4 ~  J
ggplot(us_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+- |: z! g6 K8 y3 e0 L7 l% A
  scale_x_date(date_breaks = "14 days")+ #设置横轴日期间隔为14天7 Z8 F4 e0 s, G0 e$ c  V
  labs(x='日期',y='新增确诊人数',title='2020年1月22日-2020年12月7日美国新增确诊人数变化趋势图')+( L8 @$ O3 t5 q% Q" X) n; [
  theme_economist()+ #使用经济学人绘图样(式ggthemes包)
' Y- _# A+ _3 P6 W0 V4 J  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),$ S; r" F/ _1 H1 ?! x
      axis.title.x = element_blank(),
. R  r- P# q1 m" Z       axis.title.y = element_text(size=15),
1 l: a" p! o6 U' Q       axis.text.x = element_text(angle = 90,size=15),
) z, {" T; r8 U1 l) C+ m5 b       axis.text.y = element_text(size=15),; |. Q, r; R4 z; x/ i
      legend.title=element_blank(),
! p) c7 @# i: O1 o+ N- w+ m       legend.text=element_text(size=15))
1 o% `# I. a9 r) a6 o" n; f; @  S
7 {, }0 b5 V/ K, d; d7 c) M/ K2 M+ I/ g* B  f* C
3. 全球新增病例变化趋势
3 J7 l; t' Y6 l8 J1 Ntotal_increase<-data.frame(apply(new_data[,-c(1:4)],2,sum)): H/ D. u0 T$ {3 E; o6 B5 l0 y  x
colnames(total_increase)<-'increase_patient'! M. w2 I) {/ T$ B
total_increase$date<-as.Date(rownames(total_increase),format="%Y-%m-%d")+ T0 o0 ~; t% M2 `) z. c: x- Y$ _" h
ggplot(total_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
5 [3 O/ [6 c# t4 e# O/ ?  scale_x_date(date_breaks = "14 days")+3 U3 q4 \' J7 G2 M$ G
  labs(x='日期',y='新增确诊人数',title='2020年1月22日-2020年12月7日全球新增确诊人数变化趋势图')+
7 b/ J' _  G" Y( T% _" m  theme_economist()+0 m* v4 a/ V- i. q
  scale_y_continuous(limits=c(0,8*10^5),    #考虑数字过大,以文本形式标注y轴标签% E8 b3 |" u8 y& _* b% ?
                  breaks=c(0,2*10^5,4*10^5,6*10^5,8*10^5),
1 V! R, x+ }# j( _9 @" g3 m                   labels=c("0","20万","40万","60万","80万"))+% m3 }7 P, i4 J% G0 @% ?3 P
  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),' ?' p1 r" O* [# Z
      axis.title.x = element_blank(),
' O! o% \. o. y' X$ ]5 U+ V       axis.title.y = element_text(size=15),5 Q0 u( k$ [5 c& i; l/ j
      axis.text.x = element_text(angle = 90,size=15),% D" a9 G% ]& M" g9 ?6 w4 N, k* w
      axis.text.y = element_text(size=15),' L& F: ?0 m4 @; E, E0 ^2 K) Y
      legend.title=element_blank(),
7 M, Z  t/ i4 k/ ^       legend.text=element_text(size=15))
0 C+ b5 ~! |. w3 }% P( X# @- j- \; Y/ p) t
0 ]1 d+ c; h2 M
三、新增确诊病例全球地理分布& H2 u4 X3 A# f; P6 M2 c
mapworld<-borders("world",colour = "gray50",fill="white")
6 ]; u! Y& B0 O( oggplot()+mapworld+ylim(-60,90)+) h2 n4 O2 U2 K
  geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-01-22`),color="darkorange")+5 b+ `, N' O$ ]8 a  c' W
  scale_size(range=c(2,9))+labs(title="2020年1月22日全球新增确诊人数分布")+
) P; S3 M. f2 _, Q' ?  theme_grey(base_size = 15)+
/ j" Y$ m$ v+ C  theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
  x: J+ Q4 q- B3 X7 @       legend.title=element_blank())& h+ @4 s/ L% V% R9 X# ]
1 [+ }& g6 X4 x) q8 ^9 x$ \5 t
ggplot()+mapworld+ylim(-60,90)+$ Y* L* ^7 N+ |) `
  geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-11-22`),color="darkorange")+
- b* [  p* ?( e/ A% v! ~# g  scale_size(range=c(2,9))+labs(title="2020年11月22日全球新增确诊人数分布")+! l8 K# \& `6 C  k- L$ [3 H9 ?
  theme_grey(base_size = 15)+
6 K( x+ X) }' _9 J( F; h  theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
6 E6 c0 @' x) \% D; Y' G- {       legend.title=element_blank())
  C4 x3 ]. e' s$ f; F+ O9 K# d& m) M- o9 U7 w8 b4 M; L3 a
0 j  ~- g8 F7 n# `" @  r0 L
四、累计确诊病例动态变化图
1. 至12月7日全球累计病例确诊人数前十国家
: d- l  [/ l% n" L; c+ h

cum_patient<-data[c("Country/Region","2020-12-07")]
cum_patient<-cum_patient[order(cum_patient$`2020-12-07`,decreasing = TRUE),][1:10,]
colnames(cum_patient)<-c("country","count")
cum_patient<-mutate(cum_patient,country = fct_reorder(country, count))
cum_patient$labels<-paste0(as.character(round(cum_patient$count/10^4,0)),"万")
ggplot(cum_patient,aes(x=country,y=count))+
geom_bar(stat = "identity", width = 0.75,fill="#f68060")+
  coord_flip()+  #横向
  xlab("")+
  geom_text(aes(label = labels, vjust = 0.5, hjust = -0.15))+
  labs(title='至2020年12月7日累计确诊病例前十的国家')+
  theme(plot.title = element_text(face="plain",size=15,hjust=0.5))+
  scale_y_continuous(limits=c(0, 1.8*10^7))
( b9 S5 @' Y$ H! E
2. 五国（India、Brazil、Russia、Spain、Italy）累计确诊病例动态变化图. h+ O& M! P& W
cum_patient_time<-gather(data,key="date",value="increase_patient",'2020-01-22':'2020-12-07')
+ m$ v% g$ C( Icolnames(cum_patient_time)<-c("rovince","Country","Lat","Long","date","increase_patient")5 p& S" ]* Y# ~6 s! N" |4 @( R
five_country<-subset(cum_patient_time,Country %in% c("India","Brazil","Russia","Spain","Italy"))! q' ?& `) w* |: H0 g+ z. S9 p
five_country$date<-as.Date(five_country$date)1 |9 D5 w* m6 @) K
! Y$ I" Q- I2 \/ s
ggplot(five_country,
5 |8 P; ~! \2 L& r          aes(x=reorder(Country,increase_patient),y=increase_patient, fill=Country,frame=date)) +
2 W6 N; @0 r5 s# b3 r2 I  T  [  geom_bar(stat= 'identity', position = 'dodge',show.legend = FALSE) +
& C$ ~2 J$ j. X  geom_text(aes(label=paste0(increase_patient)),col="black",hjust=-0.2)+
7 N9 ~+ |# d, p/ |; [7 G% ~  scale_fill_brewer(palette='Set3')+  #使用Set3色系模板) K4 x) v/ G& B- t7 `+ H5 v
  theme(legend.position="none",! L9 N2 A/ _8 ?4 s
      panel.background=element_rect(fill='transparent'),
. ~3 W% r! f$ }4 L( a       axis.text.y=element_text(angle=0,colour="black",size=12,hjust=1),
0 N! y; [  \8 g7 {$ }1 a- n       panel.grid =element_blank(),  #删除网格线
8 s% f' j/ Y  V( `7 X) v' [& k( j( M       axis.text = element_blank(),  #删除刻度标签) ~+ w' I" d2 o. I( n; P' H
      axis.ticks = element_blank(),  #删除刻度线
7 U. u6 M/ n6 |* ]4 J  )++ X9 Z& V+ [* e! L8 s! f
  coord_flip()+
  f) v  T% O- D6 Q. W; h  transition_manual(frames=date) +  #动态呈现
' w6 F% X! r4 }3 o7 z  labs(title = paste('日期:', '{current_frame}'),x = '', y ='五国累计确诊病例增长')+
  P: f3 d- W$ u6 K. W1 G3 y0 w  theme(axis.title.x = element_text(size=15))+
! x+ t9 g6 B% o6 z0 _! E5 v( N  ease_aes('linear')
3 [% T5 e( \" t! c% z& A' L2 o( i( v! b- m1 w
anim_save(filename = "五国累计确诊病例增长动态图.gif")/ W. _' @) X* i; g

3 }2 v# \5 J- |( }" D3 B( q5 v" {% R; d& X9 I' f
; \5 }$ V0 Q1 H

欢迎光临数学建模社区-数学中国 (http://www.madio.net/)