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
% Q. ]+ {0 R& H/ H. G8 Z- |目录
& }, u: r; \; {; ~7 s( v一、数据介绍及预处理
二、新增确诊病例变化趋势
9 e/ F/ ^' c: z* f: f% }. J* c三、新增确诊病例全球地理分布
+ i+ d; P- [% v/ ?$ }+ Z# R  `" T四、累计确诊病例动态变化图
1 S- E+ [/ [  |6 L一、数据介绍及预处理
1. 基本字段介绍

字段名        含义
7 a7 ]: R( w6 a. _, y: w: JProvince/State        省/州
Country/Region        国家/地区
0 J/ y; |. r! u: Z: g  ~6 kLat        纬度
Long        经度
  ^7 d5 O- F; q: |" V& t1/22/20-12/7/20        每日累计确诊病例


: x9 J3 T+ H8 K$ t
% s3 r9 B+ d3 N6 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)]
  [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)]
  [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)]
  * t; M) B' e/ Z4 R3 W[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
  ' X) ^, g$ a, ?8 Iinspect_lag_data<-cbind(0,inspect_data[,1ncol(inspect_data)-1)])
  increase_data<-inspect_data-inspect_lag_data
  
  #合并数据,new_data为新增确诊人数数据
  ) g  E! e7 F0 g, v/ Lnew_data<-cbind(information_data,increase_data)
  5 [9 Y5 R) j+ ^6 ?8 }0 T
  $ }; K2 F; `5 N1. 中国新增确诊病例变化趋势
  : s5 {, b/ G# @#合并所有省份新增确诊人数
  / i6 \- F) _; S% pchina<-new_data[new_data$`Country/Region`=='China',]
  # L  I/ I7 I8 M# G3 `" M# M4 Ochina_increase<-data.frame(apply(china[,-c(1:4)],2,sum))
  colnames(china_increase)<-'increase_patient'
  china_increase$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)+
  4 a/ n! e7 e6 Z/ x) v  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!)
  7 Z/ D* x  j$ L% z. N  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)
  - ^7 G; \% ~6 d/ a, Z  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
  " e8 \9 U$ V0 o4 T6 D6 t5 x        axis.title.x = element_blank(),
  + x' U( q, J) U7 L        axis.title.y = element_text(size=15),
          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))
  7 Q6 S2 [/ A6 e
                               
  2. 美国新增病例变化趋势
  us<-new_data[new_data$`Country/Region`=='United States',]
  us_increase<-gather(us,key="date",value="increase_patient",'2020-01-22':'2020-12-07')
  us_increase$date<-as.Date(us_increase$date)
  4 h7 y4 `! c9 I  s& uggplot(us_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
  0 I5 q( n: U1 [  scale_x_date(date_breaks = "14 days")+   #设置横轴日期间隔为14天
  " r% Z* W7 y2 w: j2 f' e/ 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)
  / z# ]* |0 Z3 T  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
          axis.title.x = element_blank(),
          axis.title.y = element_text(size=15),
          axis.text.x = element_text(angle = 90,size=15),
          axis.text.y = element_text(size=15),
  1 X! W  I* X% o* L  K1 Z        legend.title=element_blank(),
  * d3 o8 A8 m! m) E2 M; P        legend.text=element_text(size=15))
  
  
  2 k) z* A/ z4 c6 j9 c, `3. 全球新增病例变化趋势
  total_increase<-data.frame(apply(new_data[,-c(1:4)],2,sum))
  colnames(total_increase)<-'increase_patient'
  total_increase$date<-as.Date(rownames(total_increase),format="%Y-%m-%d")
    B  k& }# {9 ~. [% }ggplot(total_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
    scale_x_date(date_breaks = "14 days")+
  ) H. `0 F) [+ ]  x% a  labs(x='日期',y='新增确诊人数',title='2020年1月22日-2020年12月7日全球新增确诊人数变化趋势图')+
    theme_economist()+
    scale_y_continuous(limits=c(0,8*10^5),      #考虑数字过大,以文本形式标注y轴标签
  ; O$ X$ g: H0 F5 c6 H+ o                     breaks=c(0,2*10^5,4*10^5,6*10^5,8*10^5),
  , [! D* ~$ p7 e' o' p1 i7 ]5 p2 Q' G                     labels=c("0","20万","40万","60万","80万"))+
  / P  Q, c" k% S  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
  3 e2 r# q0 i: q; s2 q        axis.title.x = element_blank(),
  : D$ g1 a# k' V2 V4 p/ k1 M& r        axis.title.y = element_text(size=15),
  ' ^- E6 F( e* b' p        axis.text.x = element_text(angle = 90,size=15),
  6 D1 S4 n! |7 R5 k, z2 K        axis.text.y = element_text(size=15),
  ( b! L7 |! c. |/ f# D+ _6 u" i/ P% n( d        legend.title=element_blank(),
  : L2 w' @5 k/ O& G6 W        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")
  ggplot()+mapworld+ylim(-60,90)+
  % r% ~( K% u' I+ J) j2 R6 l  geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-01-22`),color="darkorange")+
  9 v7 w& {' X  H, [/ e( a  scale_size(range=c(2,9))+labs(title="2020年1月22日全球新增确诊人数分布")+
    theme_grey(base_size = 15)+
  9 B! K, u; t# L% D  theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
  , t& Y9 `* [5 ?1 K. k6 A% O        legend.title=element_blank())
  , q2 R# }2 v' Y, E3 N  Q; M1 @
  ggplot()+mapworld+ylim(-60,90)+
  3 L0 G3 ]! T4 g2 P  geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-11-22`),color="darkorange")+
  1 _# v9 E& ^% I( u4 b# q  scale_size(range=c(2,9))+labs(title="2020年11月22日全球新增确诊人数分布")+
  ) K8 E- y/ M0 E2 k' l- e) J  theme_grey(base_size = 15)+
    theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
          legend.title=element_blank())
  
  ( m8 }9 w# G' J! y; _0 Z6 _1 a
  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

  
  9 B6 i% R" B. j9 ?

  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))

  
  , a% ~* L/ v6 t( @& u# N2. 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"))
  & D5 R0 W( D9 gfive_country$date<-as.Date(five_country$date)
  
  5 q5 e' O( W9 q9 B+ Z6 p* ?ggplot(five_country,
  * m% G7 G7 |/ K3 |0 z# x* c            aes(x=reorder(Country,increase_patient),y=increase_patient, fill=Country,frame=date)) +  
    geom_bar(stat= 'identity', position = 'dodge',show.legend = FALSE) +  
  1 Z- ?7 k1 J8 `" m  geom_text(aes(label=paste0(increase_patient)),col="black",hjust=-0.2)+  
  4 }$ @% B( S' m5 I7 x  scale_fill_brewer(palette='Set3')+  #使用Set3色系模板
    theme(legend.position="none",
  ( d3 x, M& N2 L0 h        panel.background=element_rect(fill='transparent'),
  9 [4 \0 h# ]3 f: l# G; u  S9 h        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
    )+
  3 E! H. t0 u7 @: B' N  coord_flip()+  
    transition_manual(frames=date) +  #动态呈现
    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')  
  $ A+ s! q  |4 U. [7 a% d  `6 {  z
  anim_save(filename = "五国累计确诊病例增长动态图.gif")
  
  6 }* b% S# F  N$ y8 e# N+ `3 M5 G9 ]1 W
  
  

8 z, W( ^# |# M" Z; F7 J