可视化实例基于R语言的全球疫情可视化

1047521767

                               可视化实例基于R语言的全球疫情可视化
目录
0 }6 X! I+ I1 P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
3 u/ _: m4 O  F7 u- i1. 基本字段介绍
& O+ i) W5 B: A* V7 D) q8 p; `
字段名        含义
Province/State        省/州
( f9 G8 h/ u3 nCountry/Region        国家/地区
# G* }8 G! ], M( q! ]; P  J8 X% NLat        纬度
Long        经度
1/22/20-12/7/20        每日累计确诊病例



! ^. w* g* {' e; z" f

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' ?, K) J. }# [) K[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)]
  [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)]
  # G. g5 j! S- I: R[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)]
  " ~8 f! m0 V* r1 h+ O9 U3 W. j/ H[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
  / B% a, f- A/ ainspect_lag_data<-cbind(0,inspect_data[,1ncol(inspect_data)-1)])
  increase_data<-inspect_data-inspect_lag_data
  : T: R! \" x9 a. b, z5 d; U% j
  #合并数据,new_data为新增确诊人数数据
  new_data<-cbind(information_data,increase_data)
  ( Q$ B. y! t+ c  Y2 s
  1. 中国新增确诊病例变化趋势
  #合并所有省份新增确诊人数
  china<-new_data[new_data$`Country/Region`=='China',]
  $ ]% p' T+ U7 c& o$ `- [china_increase<-data.frame(apply(china[,-c(1:4)],2,sum))
  colnames(china_increase)<-'increase_patient'
  china_increase$date<-as.Date(rownames(china_increase),format="%Y-%m-%d")
  
  ggplot(china_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
    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!)
  & I# ]$ y2 T0 h& d) l+ j9 g  labs(x='日期',y='新增确诊人数',title='2020年1月22日-2020年12月7日中国新增确诊人数变化趋势图')+
    theme_economist()+  #使用经济学人绘图样(式ggthemes包)
  - k8 G: v9 G% [: l% x& a3 D  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
  * D3 k/ P+ k- o% p        axis.title.x = element_blank(),
          axis.title.y = element_text(size=15),
          axis.text.x = element_text(angle = 90,size=15),
  / k! U2 x3 w9 T# u        axis.text.y = element_text(size=15),
  " f  y8 d( B# o0 h& M6 m        legend.title=element_blank(),
          legend.text=element_text(size=15))
  . d4 x: ~# R9 f9 O3 s* L' }! [
  + e& L) B* C8 V! n0 O                             
  ' d+ s. }6 t5 r2. 美国新增病例变化趋势
  us<-new_data[new_data$`Country/Region`=='United States',]
  1 |* e& }  U, d7 R: O/ \9 S$ Bus_increase<-gather(us,key="date",value="increase_patient",'2020-01-22':'2020-12-07')
  . x( Q5 R2 y' C1 B& i9 tus_increase$date<-as.Date(us_increase$date)
  & w9 L& F) O6 j) T* `) xggplot(us_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
    scale_x_date(date_breaks = "14 days")+   #设置横轴日期间隔为14天
    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')+
    theme_economist()+   #使用经济学人绘图样(式ggthemes包)
    theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
  1 f& `3 I* J! I2 m        axis.title.x = element_blank(),
  7 d) o, T, i4 M& @" w1 q1 J$ H        axis.title.y = element_text(size=15),
  9 _. V2 O; A7 b# g6 p& u# ?        axis.text.x = element_text(angle = 90,size=15),
  $ n2 s0 g* v) u/ c        axis.text.y = element_text(size=15),
          legend.title=element_blank(),
  " A6 p" E3 i; q; _" y; m- b        legend.text=element_text(size=15))
  + C. {6 b& m* Q2 o6 e' U, Z+ z
  : y1 o3 g- C' W' l
  8 z* ~. B# d/ M+ w1 j3. 全球新增病例变化趋势
  0 U! V( q. g$ P- I' v; A' f! Q- atotal_increase<-data.frame(apply(new_data[,-c(1:4)],2,sum))
  colnames(total_increase)<-'increase_patient'
  total_increase$date<-as.Date(rownames(total_increase),format="%Y-%m-%d")
  ! K' C% c' x% D8 Uggplot(total_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
  0 k- T0 z3 v0 ?7 d3 [  scale_x_date(date_breaks = "14 days")+
  " J. E1 x6 n# K  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')+
    theme_economist()+
    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
  . d% ]: x# t2 ~4 ~1 b                     breaks=c(0,2*10^5,4*10^5,6*10^5,8*10^5),
                       labels=c("0","20万","40万","60万","80万"))+
    theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
          axis.title.x = element_blank(),
          axis.title.y = element_text(size=15),
  , O& ?, j/ i8 S        axis.text.x = element_text(angle = 90,size=15),
  0 X4 t9 c) E/ B; y3 J3 V        axis.text.y = element_text(size=15),
  ! R: t/ e" M: d% q1 A( T) ~        legend.title=element_blank(),
  $ m, v& q, u7 p. |        legend.text=element_text(size=15))
  
  
  三、新增确诊病例全球地理分布
  mapworld<-borders("world",colour = "gray50",fill="white")
  & e- H3 z. b5 ~# ^7 Xggplot()+mapworld+ylim(-60,90)+
  % o9 h1 m6 K/ N: N  geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-01-22`),color="darkorange")+
  " @( y. ]0 l* Z; r+ Q! t  scale_size(range=c(2,9))+labs(title="2020年1月22日全球新增确诊人数分布")+
  ! c. N/ w) |' L$ C, a+ r) j  theme_grey(base_size = 15)+
    theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
          legend.title=element_blank())
  
  # Q2 j  E. W" }$ e7 I" T6 |ggplot()+mapworld+ylim(-60,90)+
    f& ^! R& F9 T) T- T  geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-11-22`),color="darkorange")+
  - x8 L, S* _. w/ A  D4 h/ T1 g, h  scale_size(range=c(2,9))+labs(title="2020年11月22日全球新增确诊人数分布")+
    theme_grey(base_size = 15)+
    theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
  + r2 i  Q, ]1 S7 c; h; {) x        legend.title=element_blank())
  % P, C1 I/ O+ i. q3 }
  
  / X5 a, x& N9 j" C& Y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

  
  " X) M* D; x3 F! ?, G  }' Z# x

  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))

  
  2. 五国（India、Brazil、Russia、Spain、Italy）累计确诊病例动态变化图
  cum_patient_time<-gather(data,key="date",value="increase_patient",'2020-01-22':'2020-12-07')
  colnames(cum_patient_time)<-c("rovince","Country","Lat","Long","date","increase_patient")
  five_country<-subset(cum_patient_time,Country %in% c("India","Brazil","Russia","Spain","Italy"))
  * l: r4 @: f. {, l2 Hfive_country$date<-as.Date(five_country$date)
    s" @. R6 E1 v8 t+ {
  ggplot(five_country,
  7 P! b3 z( l. {& @' L            aes(x=reorder(Country,increase_patient),y=increase_patient, fill=Country,frame=date)) +  
  . Z0 @$ S+ c7 @  geom_bar(stat= 'identity', position = 'dodge',show.legend = FALSE) +  
  ( u8 @6 w  S( u# z( B; G  geom_text(aes(label=paste0(increase_patient)),col="black",hjust=-0.2)+  
    scale_fill_brewer(palette='Set3')+  #使用Set3色系模板
    y7 f2 v/ F* G' c8 z  theme(legend.position="none",
  : ?5 R6 V5 o" X. B: ~, I        panel.background=element_rect(fill='transparent'),
  * d+ ]! S/ A1 ]4 v6 b        axis.text.y=element_text(angle=0,colour="black",size=12,hjust=1),
          panel.grid =element_blank(),  #删除网格线
  & a* W& ?9 Y* X! W3 G: |: @        axis.text = element_blank(),  #删除刻度标签
          axis.ticks = element_blank(),  #删除刻度线
    )+
  * g& t1 Y- y( `( J% W; h  coord_flip()+  
  * e, r* `5 g+ G6 f! b% Y, \& i  transition_manual(frames=date) +  #动态呈现
  ( a% _* o* r! O# ^3 h; B: p  labs(title = paste('日期:', '{current_frame}'),x = '', y ='五国累计确诊病例增长')+  
    theme(axis.title.x = element_text(size=15))+
    ease_aes('linear')  
  
  4 G  G" e7 s! f% a) I) kanim_save(filename = "五国累计确诊病例增长动态图.gif")
  
  % x, O' ]) ~2 {/ |  s% w: E