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
2 X$ C7 N" R5 j0 i: z) y6 s目录
一、数据介绍及预处理
- [7 x( A+ U$ C- t6 r6 Z/ a二、新增确诊病例变化趋势
% z5 d0 R. F3 x三、新增确诊病例全球地理分布
- I4 u$ t, r. Q) \6 `3 H% ~四、累计确诊病例动态变化图
2 s- E8 J5 x" j: E/ ?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
( m) }8 m0 X3 q  O. z! T1/22/20-12/7/20        每日累计确诊病例


' j& g# h+ d) ~  x$ U' X: i

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)]
  ! n$ U1 Q7 E. S% d; c0 B$ f3 @[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)]
  & s" X: q6 j9 n1 C; u! s8 h2 z[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)]
  [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)]
  [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
  inspect_lag_data<-cbind(0,inspect_data[,1ncol(inspect_data)-1)])
  6 m! _% T5 \/ Oincrease_data<-inspect_data-inspect_lag_data
  
  #合并数据,new_data为新增确诊人数数据
  new_data<-cbind(information_data,increase_data)
  
  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$`Country/Region`=='China',]
  china_increase<-data.frame(apply(china[,-c(1:4)],2,sum))
  ) ~# h3 I+ ^( U" c9 pcolnames(china_increase)<-'increase_patient'
  china_increase$date<-as.Date(rownames(china_increase),format="%Y-%m-%d")
  
  1 v0 S% S3 n; D3 p2 C* n/ \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!)
    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)
    theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
          axis.title.x = element_blank(),
  " [' w: J+ L/ |/ c        axis.title.y = element_text(size=15),
    B9 D9 U/ w( A1 M! B3 N6 k# J# ?        axis.text.x = element_text(angle = 90,size=15),
  . ^7 @, S: \, y5 R% s8 ], r        axis.text.y = element_text(size=15),
  7 i  t1 F0 ^1 _6 G# m        legend.title=element_blank(),
  1 W- {1 h- H5 Y        legend.text=element_text(size=15))
  
                               
  9 l4 ?7 y- ?$ w2. 美国新增病例变化趋势
  us<-new_data[new_data$`Country/Region`=='United States',]
  9 \% P# Q1 c9 y4 ]5 a3 `3 z) ?us_increase<-gather(us,key="date",value="increase_patient",'2020-01-22':'2020-12-07')
  us_increase$date<-as.Date(us_increase$date)
  ) {0 n( T3 Y/ ^: _ggplot(us_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
  * S1 r* r$ b6 ^, ]' o  Z  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')+
  2 R3 S9 L' ?* h* q6 f* ^3 w% \  theme_economist()+   #使用经济学人绘图样(式ggthemes包)
  % F9 K$ E2 \' i  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
          axis.title.x = element_blank(),
  " z4 }8 |4 `+ \" A, e        axis.title.y = element_text(size=15),
  - E, {1 g/ D! M7 z, b        axis.text.x = element_text(angle = 90,size=15),
          axis.text.y = element_text(size=15),
          legend.title=element_blank(),
          legend.text=element_text(size=15))
  8 ?  z  i0 Y, ~* f& Q  j' t: \7 i
  0 H- E: l% ?  W9 K
  3. 全球新增病例变化趋势
  9 e. d7 Y; a& u2 c7 Etotal_increase<-data.frame(apply(new_data[,-c(1:4)],2,sum))
  colnames(total_increase)<-'increase_patient'
  total_increase$date<-as.Date(rownames(total_increase),format="%Y-%m-%d")
  1 T% c) P/ F, u/ ]. O& @- B; m+ [7 sggplot(total_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
    scale_x_date(date_breaks = "14 days")+
  . {# }; B+ M$ c. E0 q3 p  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
  - i6 r3 S# b* W- [                     breaks=c(0,2*10^5,4*10^5,6*10^5,8*10^5),
  4 l; l0 Q0 X* ?8 c2 {                     labels=c("0","20万","40万","60万","80万"))+
  ' _6 @" U. z  A5 O# Z0 E  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
          axis.title.x = element_blank(),
          axis.title.y = element_text(size=15),
  / B* \: f. L3 t" p        axis.text.x = element_text(angle = 90,size=15),
  " Z! |2 ?$ [6 P+ ~9 f$ F! |        axis.text.y = element_text(size=15),
          legend.title=element_blank(),
          legend.text=element_text(size=15))
  
    |! |5 S! n2 J( h% Q2 r, u4 M
  三、新增确诊病例全球地理分布
  mapworld<-borders("world",colour = "gray50",fill="white")
  ggplot()+mapworld+ylim(-60,90)+
  4 X) u$ g2 a% r5 P% k. I" t3 o  geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-01-22`),color="darkorange")+
    scale_size(range=c(2,9))+labs(title="2020年1月22日全球新增确诊人数分布")+
    theme_grey(base_size = 15)+
  $ @$ ?0 Y- g1 w4 E) ]  theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
  : |1 |' L5 m- C9 o: g7 M5 x        legend.title=element_blank())
  
  ggplot()+mapworld+ylim(-60,90)+
  ) o! b5 n) t6 ~  \$ W. _  geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-11-22`),color="darkorange")+
    scale_size(range=c(2,9))+labs(title="2020年11月22日全球新增确诊人数分布")+
  8 C  S3 Q4 Z9 p7 A  theme_grey(base_size = 15)+
    theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
  # Y8 t) K. s6 `  {* V        legend.title=element_blank())
  
  
  / a# }0 G" h% x5 O/ m' Q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

  
  

  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))

  
    P" n+ E* u0 B- |2. 五国（India、Brazil、Russia、Spain、Italy）累计确诊病例动态变化图
  # ^, a  l7 |1 x8 P% D& l5 bcum_patient_time<-gather(data,key="date",value="increase_patient",'2020-01-22':'2020-12-07')
  ) h2 H4 B. n. e4 i' H3 Hcolnames(cum_patient_time)<-c("rovince","Country","Lat","Long","date","increase_patient")
  - P& w. I8 c. v3 Ffive_country<-subset(cum_patient_time,Country %in% c("India","Brazil","Russia","Spain","Italy"))
  7 G( P/ h$ W& p% d$ Afive_country$date<-as.Date(five_country$date)
  # g, D2 T) V  b8 W
  - l* P& l. B  }+ Oggplot(five_country,
  ( W$ m* D$ O" p. A* K' L8 \% P            aes(x=reorder(Country,increase_patient),y=increase_patient, fill=Country,frame=date)) +  
    geom_bar(stat= 'identity', position = 'dodge',show.legend = FALSE) +  
  5 M7 N& v6 @9 O1 ~* f! S+ z( A  geom_text(aes(label=paste0(increase_patient)),col="black",hjust=-0.2)+  
    scale_fill_brewer(palette='Set3')+  #使用Set3色系模板
    theme(legend.position="none",
          panel.background=element_rect(fill='transparent'),
  0 E  @3 O: i, w) ]& j        axis.text.y=element_text(angle=0,colour="black",size=12,hjust=1),
          panel.grid =element_blank(),  #删除网格线
          axis.text = element_blank(),  #删除刻度标签
          axis.ticks = element_blank(),  #删除刻度线
    L# R$ l7 N) Q! Y. q- C& {  )+
    coord_flip()+  
    transition_manual(frames=date) +  #动态呈现
  , Q% p+ p( [2 E* \. d  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))+
  ; T* r3 m2 J  a& k; i  ease_aes('linear')  
  , P- W: H- ^( X# u3 I- C7 {5 w5 N
  anim_save(filename = "五国累计确诊病例增长动态图.gif")
  
  
  4 w  _- }% F, F0 D; Z* n3 [2 {
  + J; k# c5 q9 D5 {/ u2 h

' k: o( W+ J# P
  e& z( K, p% M% V- W