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
- q8 J+ J& g# z' ?" C. {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
1 M: x4 ^) ]( f" `4 f一、数据介绍及预处理
1. 基本字段介绍
- D1 V" U" r" t) G: x6 U& c8 ~  Z
字段名        含义
Province/State        省/州
5 `3 K4 ]3 g' D* sCountry/Region        国家/地区
Lat        纬度
& p( c+ E* ^$ k/ T* y+ dLong        经度
1/22/20-12/7/20        每日累计确诊病例
" o1 b. I) O. [; A3 R

# x, ?" L' ^9 d7 o7 s
* j; C9 E. a1 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)]
  # n7 b/ j# I. k: T3 y' {[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)]
  5 H; w. U& q- @5 x8 G) D# U[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)])
    h6 t! O+ H+ O% E7 @7 X4 H, E" @increase_data<-inspect_data-inspect_lag_data
  ; o1 L+ l& F5 h) w
  #合并数据,new_data为新增确诊人数数据
  1 i- R; ]4 H7 C# t) ]9 Y/ N; [new_data<-cbind(information_data,increase_data)
  
  1. 中国新增确诊病例变化趋势
  . e% o, L. l. q#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))
  $ I9 y& O0 Q1 \, c4 lcolnames(china_increase)<-'increase_patient'
  3 x; |# w0 H; Q7 O7 Z8 Z2 T6 J8 ~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!)
    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')+
  1 M4 Y% _# Z( Q- }4 Q! E- S  theme_economist()+  #使用经济学人绘图样(式ggthemes包)
  + F# v/ ?! `( p  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
  1 R* Z6 z; F% _        axis.title.x = element_blank(),
  2 F* `) d6 h, S  L' q( [        axis.title.y = element_text(size=15),
  ; Q6 _9 d, G+ I1 W        axis.text.x = element_text(angle = 90,size=15),
  9 q" {$ R# P+ W& q! ?        axis.text.y = element_text(size=15),
  8 |( \' }& F. [1 B        legend.title=element_blank(),
          legend.text=element_text(size=15))
  : U- d" V  R( S+ u, V
  ( l; w' T: k& |5 R% V3 ~3 n3 Q/ f+ W                             
  2. 美国新增病例变化趋势
  us<-new_data[new_data$`Country/Region`=='United States',]
  us_increase<-gather(us,key="date",value="increase_patient",'2020-01-22':'2020-12-07')
  . A; p6 r$ B, b$ ~1 @4 }us_increase$date<-as.Date(us_increase$date)
  ggplot(us_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
  ) r4 B( {& m. a5 c9 z: ^  scale_x_date(date_breaks = "14 days")+   #设置横轴日期间隔为14天
  & c0 D; [5 E+ o) e) ^  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')+
  , C1 a8 `# f0 v# [. y5 t) c  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(),
          axis.title.y = element_text(size=15),
  % J% g- H* ^0 ]4 f/ o) P" J- L        axis.text.x = element_text(angle = 90,size=15),
  8 k  t2 w2 O( T        axis.text.y = element_text(size=15),
  ! B$ ]7 E8 l! o, x1 U( J2 m9 e        legend.title=element_blank(),
  , F7 I3 @; ^% I        legend.text=element_text(size=15))
  7 G% D2 z, p7 m0 D# Q+ L
  3 Q( _5 Z- F. y) |- S2 n4 T
  3. 全球新增病例变化趋势
  total_increase<-data.frame(apply(new_data[,-c(1:4)],2,sum))
  $ [. I0 F- W6 ucolnames(total_increase)<-'increase_patient'
  / ], }6 O4 ^7 i+ b  @: stotal_increase$date<-as.Date(rownames(total_increase),format="%Y-%m-%d")
  ggplot(total_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
  # m% L2 p! `; p( a  scale_x_date(date_breaks = "14 days")+
  6 A7 a! Z  `/ u8 V/ S1 Z# R" L  labs(x='日期',y='新增确诊人数',title='2020年1月22日-2020年12月7日全球新增确诊人数变化趋势图')+
  , p5 Y$ N, o1 a+ W, F$ b! R* A  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
  / ?7 o# R1 ~5 \1 v                     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(),
  ! l4 G. m9 ]) C2 U* [        axis.title.y = element_text(size=15),
  / L# K, q& B; S( R: B# Z! f        axis.text.x = element_text(angle = 90,size=15),
  ' }  [0 |" T4 B0 v6 }        axis.text.y = element_text(size=15),
          legend.title=element_blank(),
          legend.text=element_text(size=15))
  0 l2 g( `" Q8 n: `% T7 J
  6 |3 g8 d. A+ J$ y
  0 n% h2 {* D6 @, t+ C6 \1 w三、新增确诊病例全球地理分布
  3 p! s# U$ w8 U8 V" Ymapworld<-borders("world",colour = "gray50",fill="white")
  : R$ w: _3 y% W8 S' @; [ggplot()+mapworld+ylim(-60,90)+
  2 p5 N" u8 ~. W& N  geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-01-22`),color="darkorange")+
    scale_size(range=c(2,9))+labs(title="2020年1月22日全球新增确诊人数分布")+
    theme_grey(base_size = 15)+
  9 L  @9 ~* K) l, h4 _$ t  theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
          legend.title=element_blank())
  
  , D! E( w) E5 z2 y4 Wggplot()+mapworld+ylim(-60,90)+
  % J% t& a3 u( r$ s1 \' \, J) v9 r  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")+
    theme_grey(base_size = 15)+
    theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
  % r9 b! p  v( O7 f6 b        legend.title=element_blank())
  
  
  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

  
  4 \4 L- L2 X- V9 }

  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')
  : E9 ~9 K4 \% Ncolnames(cum_patient_time)<-c("rovince","Country","Lat","Long","date","increase_patient")
  $ j8 X/ C1 U5 e* M( mfive_country<-subset(cum_patient_time,Country %in% c("India","Brazil","Russia","Spain","Italy"))
  ( i1 H& `* u8 x( ^+ w" u, D( [five_country$date<-as.Date(five_country$date)
  & U! D* h7 K7 ~( X/ j
  3 y6 v, j5 C7 H) A- A- a5 J) [ggplot(five_country,
  * |1 f, V8 K. g7 Z            aes(x=reorder(Country,increase_patient),y=increase_patient, fill=Country,frame=date)) +  
  ) a. P5 i8 U+ f0 @1 |  geom_bar(stat= 'identity', position = 'dodge',show.legend = FALSE) +  
    geom_text(aes(label=paste0(increase_patient)),col="black",hjust=-0.2)+  
  2 k# M( K& q1 C4 k  C  scale_fill_brewer(palette='Set3')+  #使用Set3色系模板
    theme(legend.position="none",
          panel.background=element_rect(fill='transparent'),
  / P6 p/ F9 G  g( r8 K        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
  7 ~& w4 p3 Y2 J        axis.ticks = element_blank(),  #删除刻度线
    )+
  9 b- |2 N3 q9 V! C9 a  coord_flip()+  
  ' E8 G2 w+ J, V; _, `% W) v  transition_manual(frames=date) +  #动态呈现
  * j  E( d" h7 D3 L  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))+
  , M% x. U5 O$ j; t8 Z: L  ease_aes('linear')  
  + U( v) ?" i5 V* [6 \/ l
  anim_save(filename = "五国累计确诊病例增长动态图.gif")
  
  ( P7 K9 ?3 n' M; {* v) k
  ' H* E! b" l7 \8 ~
  * [8 P7 F" V# ?8 x( b9 Z7 g! W

( y5 O3 J' m9 E1 l5 T0 H