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
4 Y: u1 B) x0 \0 q一、数据介绍及预处理
) j+ u* N7 j$ W; T  x1 ?; M  P二、新增确诊病例变化趋势
三、新增确诊病例全球地理分布
1 b( }1 R  g: \# r四、累计确诊病例动态变化图
一、数据介绍及预处理
1. 基本字段介绍

字段名        含义
# \5 h  d- c4 M, F, V; A4 [( `$ YProvince/State        省/州
5 q. R2 C4 e& D; S% I0 g: J5 s& OCountry/Region        国家/地区
Lat        纬度
+ `8 ?9 e9 Q# ]* r4 Z& a& cLong        经度
  L& L  z: |& U3 `% B2 @1/22/20-12/7/20        每日累计确诊病例



9 F" v3 W. b- H6 O3 i1 u- g% b9 W5 p& 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)]
  [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)]
  3 p4 o3 f% ]3 ^2 i+ 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)]
  [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)]
  ) I9 B4 h* V( ~' d: |[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)])
  increase_data<-inspect_data-inspect_lag_data
  5 f/ f" u0 \+ p
  #合并数据,new_data为新增确诊人数数据
  & o. C- Y8 H+ d( \1 s3 [$ enew_data<-cbind(information_data,increase_data)
  # N5 x' [5 V+ \. ]( K7 v& ?. w) j
  : F$ V% b/ s6 ]9 b; p/ |" O1. 中国新增确诊病例变化趋势
  0 ]+ f. Q7 i8 o+ u# c! Z) M#合并所有省份新增确诊人数
  china<-new_data[new_data$`Country/Region`=='China',]
  china_increase<-data.frame(apply(china[,-c(1:4)],2,sum))
  colnames(china_increase)<-'increase_patient'
  & j, T8 Z# G& G1 d9 h& S* gchina_increase$date<-as.Date(rownames(china_increase),format="%Y-%m-%d")
    b/ k" Y: M) C
  * Q& F9 g3 w' qggplot(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')+
  . Q5 J0 k! O, g) B  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),
  ) `( g/ B9 L% C( y4 P        axis.title.x = element_blank(),
          axis.title.y = element_text(size=15),
          axis.text.x = element_text(angle = 90,size=15),
  / V/ `  m. Z' n' P$ [( T' }        axis.text.y = element_text(size=15),
          legend.title=element_blank(),
  . i; M+ N' a) ~9 [' u* i3 e        legend.text=element_text(size=15))
  
  . z! s- `2 v; j4 g                             
  ) V. }( c' r! V- ]7 D1 T2. 美国新增病例变化趋势
  us<-new_data[new_data$`Country/Region`=='United States',]
  us_increase<-gather(us,key="date",value="increase_patient",'2020-01-22':'2020-12-07')
  - }5 Y$ B1 _  N  m/ \: v: wus_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)+
  9 O- R. m, Y9 ?) p  U7 r. Q  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')+
  5 ?4 n3 Y9 z6 G" ?9 z# z0 R  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),
          axis.text.x = element_text(angle = 90,size=15),
  ( T5 y8 Q7 f1 @' I/ K/ j        axis.text.y = element_text(size=15),
  + n9 \8 u/ A1 i        legend.title=element_blank(),
          legend.text=element_text(size=15))
  
  
  8 r6 @, O$ A  H6 n3. 全球新增病例变化趋势
  1 \) t  A2 s/ L0 `8 ktotal_increase<-data.frame(apply(new_data[,-c(1:4)],2,sum))
  3 F( `6 N8 N; {" T+ Ccolnames(total_increase)<-'increase_patient'
  total_increase$date<-as.Date(rownames(total_increase),format="%Y-%m-%d")
  : ?' L# e+ M( `% V8 E" lggplot(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")+
    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')+
  ' Y: w, x: q7 |& f4 ^& g/ @8 K( n+ u( Z  theme_economist()+
  9 g7 I; G% B# R; U- Q  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
    M+ I0 O# Q7 s# ?( a. f) n) F/ j                     breaks=c(0,2*10^5,4*10^5,6*10^5,8*10^5),
  ; P, O# E* J1 y! ~% p                     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),
          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))
  ) w% I1 l5 |- }: I; p/ S  P  w1 J
  
  7 O* o9 F' w! G8 h1 a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)+
  9 E5 Q% e3 w% K  geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-01-22`),color="darkorange")+
  2 e2 i9 d. D- z1 K' b  scale_size(range=c(2,9))+labs(title="2020年1月22日全球新增确诊人数分布")+
  " G, B: d; ?6 V, H( I% p# C  theme_grey(base_size = 15)+
    theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
  2 g2 j# N) p& V        legend.title=element_blank())
  
  2 \* P5 t) N8 }! Aggplot()+mapworld+ylim(-60,90)+
  , g- X7 G$ Y3 F/ H( Q  U" a' f  geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-11-22`),color="darkorange")+
    scale_size(range=c(2,9))+labs(title="2020年11月22日全球新增确诊人数分布")+
    theme_grey(base_size = 15)+
    theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
  ! y0 r$ y8 ~0 C# j) |        legend.title=element_blank())
  1 s$ A1 ~6 j" z8 e# s4 i) |
  + u9 A; }  w$ A2 ]. D- 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

  
  . J" ?) {4 W% [7 a

  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
  4 X+ Y. ]# a- D% C$ b% X& Jcum_patient_time<-gather(data,key="date",value="increase_patient",'2020-01-22':'2020-12-07')
  # A- A: O/ E: g  M' ~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"))
  five_country$date<-as.Date(five_country$date)
  % a0 _+ }# n1 Z+ q6 J6 L8 k8 z
  ggplot(five_country,
              aes(x=reorder(Country,increase_patient),y=increase_patient, fill=Country,frame=date)) +  
    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",
          panel.background=element_rect(fill='transparent'),
          axis.text.y=element_text(angle=0,colour="black",size=12,hjust=1),
  $ g7 R( |$ |6 i9 z9 l0 q' I6 x( Z        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
    )+
    N$ J- Q4 f. W6 [$ f2 o; C  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')  
  
  ; R! p. ?2 ^' M( oanim_save(filename = "五国累计确诊病例增长动态图.gif")
  " Z# h4 M( B2 X4 Y; |+ C
  
  7 F% u9 U3 t) Q  v; Q1 j