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
$ w2 B  C: o1 }' u# J6 p) K0 x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
& {/ p! J0 P( S: Z1. 基本字段介绍

字段名        含义
9 M0 O" B& P3 O: Q  l' @- m! \Province/State        省/州
Country/Region        国家/地区
& a. I* q) p2 T  P% \Lat        纬度
Long        经度
8 h  B5 I+ `, F9 Q1/22/20-12/7/20        每日累计确诊病例
3 F2 B5 B9 S) h; R

# U1 ?) v2 e% g2 W+ x" q3 W

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)]
  6 z. r0 P/ v" N  V' @[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)]
  / h0 `8 c* Q/ v% e5 Q) i- H4 T[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)]
  ) Z) Q3 W" [! j' U) J. o3 ?5 @2 c6 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
  1 }0 S3 T1 }) v# s- Binspect_lag_data<-cbind(0,inspect_data[,1ncol(inspect_data)-1)])
  8 g( h$ J% O1 G1 |9 f* N4 wincrease_data<-inspect_data-inspect_lag_data
  ; X  G- N( M1 z; J+ {5 y. D
  #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
  4 @8 i$ M5 S% {- M1 l9 Q# achina<-new_data[new_data$`Country/Region`=='China',]
  china_increase<-data.frame(apply(china[,-c(1:4)],2,sum))
  ) h) s$ c- S% X1 jcolnames(china_increase)<-'increase_patient'
  china_increase$date<-as.Date(rownames(china_increase),format="%Y-%m-%d")
  ( j* X( G6 j( p1 s9 B
  ggplot(china_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
    scale_x_date(date_breaks = "14 days")+  #设置横轴日期间隔为14天(注意:此时的date列必须为日期格式!)
  ( s6 o0 w9 m: P. q  labs(x='日期',y='新增确诊人数',title='2020年1月22日-2020年12月7日中国新增确诊人数变化趋势图')+
  ' `5 d: d$ U9 ~9 K8 K/ Z) F; K1 A% S  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(),
  4 Q! N9 x' {" J( f9 e/ d        axis.title.y = element_text(size=15),
          axis.text.x = element_text(angle = 90,size=15),
  2 S- `2 e( J- [! v9 B! \- }6 @        axis.text.y = element_text(size=15),
  2 J: y  `5 s- ?- ?        legend.title=element_blank(),
          legend.text=element_text(size=15))
  
  & @! v4 T3 M( `2 S  M; ^4 |                             
  6 |2 l& c) _$ O  K# @" n6 n9 J2. 美国新增病例变化趋势
  us<-new_data[new_data$`Country/Region`=='United States',]
  9 U7 j" D  v' t, n9 }  ?us_increase<-gather(us,key="date",value="increase_patient",'2020-01-22':'2020-12-07')
  5 E5 \  Q, q6 rus_increase$date<-as.Date(us_increase$date)
  0 `+ k& [  G1 }, ~ggplot(us_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
    scale_x_date(date_breaks = "14 days")+   #设置横轴日期间隔为14天
  3 J+ f) ?9 u; d2 v: |1 K& e  labs(x='日期',y='新增确诊人数',title='2020年1月22日-2020年12月7日美国新增确诊人数变化趋势图')+
  . i- |4 N, G0 p$ k- c  S1 C  theme_economist()+   #使用经济学人绘图样(式ggthemes包)
  * y0 N+ k) [& Y! @  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
          axis.title.x = element_blank(),
  6 u: q: ^6 j  n6 R        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(),
  , U) I. K6 B0 K- e        legend.text=element_text(size=15))
  6 p$ Q4 |# I6 N& K( A
  
  3 C& L8 ~6 X7 j, c( {3. 全球新增病例变化趋势
  total_increase<-data.frame(apply(new_data[,-c(1:4)],2,sum))
  - H4 g1 J% Z# G5 e7 I+ S6 r  ^colnames(total_increase)<-'increase_patient'
  total_increase$date<-as.Date(rownames(total_increase),format="%Y-%m-%d")
  ) o' D# k3 m  Q/ Oggplot(total_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
  : l3 i( x$ u8 y- z; D5 w  scale_x_date(date_breaks = "14 days")+
    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')+
  ' _4 U( m& [/ j* ?3 B1 U3 Y/ E4 X  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
  8 F" L3 p$ ?9 Y) z6 v! n! v                     breaks=c(0,2*10^5,4*10^5,6*10^5,8*10^5),
  . q2 B- B2 U2 V. `3 y, ~2 d                     labels=c("0","20万","40万","60万","80万"))+
  ) C3 L8 J) q! N! ^/ d. l  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
  . ^; L2 V6 |& d4 W$ ^3 ~        axis.title.x = element_blank(),
  5 _, S& u2 j3 K: u- X3 F7 s        axis.title.y = element_text(size=15),
          axis.text.x = element_text(angle = 90,size=15),
  # j$ D' O# k( t' @9 }- j$ {        axis.text.y = element_text(size=15),
          legend.title=element_blank(),
  # j: }6 N1 f2 b0 E" g        legend.text=element_text(size=15))
  
  . ^( f3 _. h0 c! s$ @
  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)+
    geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-01-22`),color="darkorange")+
    scale_size(range=c(2,9))+labs(title="2020年1月22日全球新增确诊人数分布")+
    theme_grey(base_size = 15)+
    theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
  9 J& y6 l: x7 z$ E% E        legend.title=element_blank())
  
  ggplot()+mapworld+ylim(-60,90)+
    geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-11-22`),color="darkorange")+
    scale_size(range=c(2,9))+labs(title="2020年11月22日全球新增确诊人数分布")+
  . K; h) F% s" [$ B- O9 _# r  theme_grey(base_size = 15)+
  . X7 Q# H2 w( l  theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
          legend.title=element_blank())
  
  / v8 u, _5 v# ~
  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

  
  0 V% K& e# ~4 t" J0 {6 L$ m/ G

  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))

  
  / |% ~8 Q7 z/ _! ^! P! ?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"))
  . n' o4 t0 O+ r/ Sfive_country$date<-as.Date(five_country$date)
  ; F' `2 r) L2 `
  ggplot(five_country,
              aes(x=reorder(Country,increase_patient),y=increase_patient, fill=Country,frame=date)) +  
  1 w8 D' h3 J1 z& c  geom_bar(stat= 'identity', position = 'dodge',show.legend = FALSE) +  
    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",
  4 q8 a- a: I; I6 K% u# q( s+ m        panel.background=element_rect(fill='transparent'),
          axis.text.y=element_text(angle=0,colour="black",size=12,hjust=1),
  / M% R* a9 q- {% d! e0 D        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
    )+
  - y# C% j# G. y) E1 i  coord_flip()+  
  ; W6 y2 h# Y& O1 ]- P  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')  
  
  - M) u! w6 a: U" z; S; \4 |, K- danim_save(filename = "五国累计确诊病例增长动态图.gif")
  
  
  0 O, e: o! g4 b" h% F
  1 I4 M1 x7 h' F' N# s& k/ a

; H, @' V, q) g5 o$ C6 s/ s