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
  x7 S9 R2 C, x+ w# n8 X8 W目录
# s2 e4 e( f3 D5 a一、数据介绍及预处理
& ]7 o' v. {% y; f/ T5 C! M) B& t二、新增确诊病例变化趋势
三、新增确诊病例全球地理分布
6 V9 O, a% O' j5 ?9 Q. w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
Province/State        省/州
7 z5 b% Z; }; Y, _# YCountry/Region        国家/地区
Lat        纬度
. M( @3 l6 |; ~0 Q% X/ rLong        经度
1/22/20-12/7/20        每日累计确诊病例


, I7 P9 E% b5 d7 h6 c+ A
+ ~2 s1 m& B5 ?& h0 O% y

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)]
  5 Z, H9 K1 k1 m[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)]
  - j, E2 J( n* N) j7 f- |[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)]
  2 S9 y6 P9 u6 |2 f. w, z# j4 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
  $ U, e$ F) J* ?$ `inspect_lag_data<-cbind(0,inspect_data[,1ncol(inspect_data)-1)])
  ; b8 y! x' m1 `increase_data<-inspect_data-inspect_lag_data
  5 Z8 M# c( y* ^& o
  1 Y. c6 I1 h2 U% D8 {6 }6 L; a#合并数据,new_data为新增确诊人数数据
  new_data<-cbind(information_data,increase_data)
  * ~# k, ]+ ?: U" ]8 K
  1. 中国新增确诊病例变化趋势
  ' X* {! E: z9 |  I#合并所有省份新增确诊人数
  china<-new_data[new_data$`Country/Region`=='China',]
  ; E7 L  M: L2 g* ]6 ?china_increase<-data.frame(apply(china[,-c(1:4)],2,sum))
  9 w$ O* e8 q+ Z1 J( y, O7 T# Scolnames(china_increase)<-'increase_patient'
  # h  v- W/ k5 R9 |0 s3 Uchina_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')+
    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),
          axis.text.y = element_text(size=15),
  8 p; D% |- y# Q3 h4 o        legend.title=element_blank(),
          legend.text=element_text(size=15))
  
                               
  2. 美国新增病例变化趋势
  0 l( Z& M6 t! \  \0 }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)
  & A7 t7 O8 x& W# z7 x4 sggplot(us_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
  1 c/ G) k  z, F' o  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')+
    theme_economist()+   #使用经济学人绘图样(式ggthemes包)
  8 g4 D, C( J. O. t8 ?7 q" X  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
          axis.title.x = element_blank(),
          axis.title.y = element_text(size=15),
  0 W9 r* ]1 `% u7 V! V) g2 g6 [4 Q        axis.text.x = element_text(angle = 90,size=15),
  . F" d* d% W0 Y9 [6 T( @        axis.text.y = element_text(size=15),
  + R% n3 K" R3 y1 d- V' F# o        legend.title=element_blank(),
          legend.text=element_text(size=15))
  
  6 ^. N' V7 z5 p% T( c
  3. 全球新增病例变化趋势
  " ]7 F& u! t: q. u! E* Ctotal_increase<-data.frame(apply(new_data[,-c(1:4)],2,sum))
  colnames(total_increase)<-'increase_patient'
  % e, a2 k  y! Y8 X  ]+ ]total_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)+
    scale_x_date(date_breaks = "14 days")+
    @  k. i. F# s0 n  labs(x='日期',y='新增确诊人数',title='2020年1月22日-2020年12月7日全球新增确诊人数变化趋势图')+
  ' t9 u; t  d7 S" m+ k: r  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
  , N, V) ]: s1 d  I  ~                     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"))+
  - X" J6 t6 T, u* \/ D4 P  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
  3 M; o# e) n9 S: K  n2 c( B2 c* O        axis.title.x = element_blank(),
          axis.title.y = element_text(size=15),
          axis.text.x = element_text(angle = 90,size=15),
  ! `  k' L0 v/ ]        axis.text.y = element_text(size=15),
          legend.title=element_blank(),
          legend.text=element_text(size=15))
  $ O* n: G+ N5 @6 A0 [
  
  0 g( R& C6 \$ J8 ^% b5 J6 f5 p三、新增确诊病例全球地理分布
  - |6 T- u- x- w/ xmapworld<-borders("world",colour = "gray50",fill="white")
  ggplot()+mapworld+ylim(-60,90)+
  0 @, ?0 a9 _4 S  ?  geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-01-22`),color="darkorange")+
    scale_size(range=c(2,9))+labs(title="2020年1月22日全球新增确诊人数分布")+
    theme_grey(base_size = 15)+
    theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
          legend.title=element_blank())
  ! U4 }* A7 |, j$ c8 e6 _+ w
  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")+
  5 ?4 T0 R+ l3 d  theme_grey(base_size = 15)+
  4 o" \3 p& U) ^6 B; E! o: W. @  theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
  ) {2 r  U: t% M0 @        legend.title=element_blank())
  
  1 s6 I) x3 F# `" u3 H
  ) v% Z, V( Q& E0 |4 O$ v# K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 B7 n0 d1 e5 l8 X

  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')
  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)
  7 e) g, T* @7 s/ T" 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),
  : `" L  U  p7 J        panel.grid =element_blank(),  #删除网格线
  9 q1 V/ K0 T/ D" V: h. v        axis.text = element_blank(),  #删除刻度标签
  5 C: S9 e% S! o" @        axis.ticks = element_blank(),  #删除刻度线
    )+
  ) }9 ^: K% g) Z% W5 C" E  coord_flip()+  
    transition_manual(frames=date) +  #动态呈现
  % \- V/ `) y2 N  x0 ^% b  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))+
  ' `; q5 C2 e% U. y* n  ease_aes('linear')  
  
  % B) z8 W9 D# ]: A1 Fanim_save(filename = "五国累计确诊病例增长动态图.gif")
  
  
  2 L' M' s% w  i; ^3 e, j
  

0 }5 Z0 s& [* m7 S# [