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
* c) z& i( G4 M( t' B一、数据介绍及预处理
' ?5 b8 s7 Q; K6 f二、新增确诊病例变化趋势
三、新增确诊病例全球地理分布
# s2 [8 d  \6 F1 Q' O四、累计确诊病例动态变化图
. I( A/ X/ R8 J$ T$ B9 }一、数据介绍及预处理
# p4 R; ?, s- c0 k2 W/ a; U1. 基本字段介绍
+ A% p' w7 |( {/ g7 N" a
字段名        含义
Province/State        省/州
Country/Region        国家/地区
Lat        纬度
& T" l% [! G1 Y* G+ MLong        经度
) h/ f; v/ }+ F% Q$ G1/22/20-12/7/20        每日累计确诊病例
1 P9 D7 D7 H. }3 E2 m
' q5 L1 o# X$ x- B; _$ D9 k
0 N, Q- y3 V8 |( a

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)]
  ( K6 O5 |* n  U; w% f[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)]
    U5 E$ r4 s. ?* 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)]
  1 y/ ?1 T# K! Y! j% ]) U# v[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
  
  ' ]* ?3 ^" x. g% u6 T#合并数据,new_data为新增确诊人数数据
  1 H9 \8 C- g  Tnew_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
  5 H1 X( u; e9 s3 _' \" D/ p: Xchina<-new_data[new_data$`Country/Region`=='China',]
  china_increase<-data.frame(apply(china[,-c(1:4)],2,sum))
  0 ~, \( ~  e$ ~6 {0 u0 ?colnames(china_increase)<-'increase_patient'
  china_increase$date<-as.Date(rownames(china_increase),format="%Y-%m-%d")
  1 s2 @$ V- z" B9 k( w- T1 O* O7 s
  ggplot(china_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
  + Z* Y8 x2 b6 l9 U2 x  \  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!)
  3 b8 T$ U, E9 z' Z$ B1 g# X  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')+
  * B3 X! U! v$ |+ ^6 k  theme_economist()+  #使用经济学人绘图样(式ggthemes包)
  % b3 B' K( y4 P' T7 C, K5 x1 E  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
  * w1 u7 `4 T" B5 Y        axis.title.x = element_blank(),
          axis.title.y = element_text(size=15),
          axis.text.x = element_text(angle = 90,size=15),
  ' x6 h- R" G1 t0 x        axis.text.y = element_text(size=15),
          legend.title=element_blank(),
          legend.text=element_text(size=15))
  
                               
  2. 美国新增病例变化趋势
  us<-new_data[new_data$`Country/Region`=='United States',]
  2 ~! E+ ]  o7 J# Eus_increase<-gather(us,key="date",value="increase_patient",'2020-01-22':'2020-12-07')
  . R7 u) \+ w& e5 Eus_increase$date<-as.Date(us_increase$date)
  2 |! P( K- B9 g3 Aggplot(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
    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')+
  6 E: L% k& G! T1 Y- P5 U! p  theme_economist()+   #使用经济学人绘图样(式ggthemes包)
  5 m: C' ]& q3 k8 V  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
  7 p2 X' X5 i. x        axis.title.x = element_blank(),
  " P8 l3 k6 B4 H: T, q        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))
  - }2 ~/ Z' t' b' a
  
  3. 全球新增病例变化趋势
  ' p) d# g  H8 z( d$ f& w! _total_increase<-data.frame(apply(new_data[,-c(1:4)],2,sum))
  . O; |2 U7 V" hcolnames(total_increase)<-'increase_patient'
  total_increase$date<-as.Date(rownames(total_increase),format="%Y-%m-%d")
  1 ]: d# ~. z/ O- @1 xggplot(total_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
  6 w8 m3 z/ S( D; T2 f. ~. C  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')+
  $ J5 r* q) B, T- p  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
                       breaks=c(0,2*10^5,4*10^5,6*10^5,8*10^5),
  ; @4 {+ x6 O% ]                     labels=c("0","20万","40万","60万","80万"))+
  " s$ f+ U" _$ ?; v/ X/ M8 b  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
          axis.title.x = element_blank(),
          axis.title.y = element_text(size=15),
  5 I0 \' `) e7 {: k! B( n) h        axis.text.x = element_text(angle = 90,size=15),
          axis.text.y = element_text(size=15),
  6 _  W/ t! `2 I" G" d" j3 Q5 X/ i/ O        legend.title=element_blank(),
          legend.text=element_text(size=15))
  
  ; F. V. p% i: z* p4 I
  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)+
  6 e3 w" w, O" J; E  geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-01-22`),color="darkorange")+
    scale_size(range=c(2,9))+labs(title="2020年1月22日全球新增确诊人数分布")+
    theme_grey(base_size = 15)+
  2 w! {3 o& l" J! b: O0 U  theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
  * Q# V4 z6 a9 M  w2 n. b7 E        legend.title=element_blank())
  # k" z' X; q4 C8 e8 G; _
  8 ?0 Z7 Z- I( m, z) \  Kggplot()+mapworld+ylim(-60,90)+
    geom_point(aes(x=new_data$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")+
    theme_grey(base_size = 15)+
  $ I0 f, v; |1 }7 {9 E) @2 x' f  theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
          legend.title=element_blank())
  " Y, g7 @# L8 |8 J4 O1 N4 x; ]
  ! H$ p0 H' P) S, C! r
  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

  
  

  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))

  
  , q0 ]3 q* \" e# D2 z" j9 D2. 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')
  1 K) y7 v$ j5 y- c% Ucolnames(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)
  
  . B3 B, U! q/ K7 _/ G- u/ \) rggplot(five_country,
    L; l8 K0 }6 ]$ w9 U            aes(x=reorder(Country,increase_patient),y=increase_patient, fill=Country,frame=date)) +  
  % o) b: Z9 w; R, F4 M  geom_bar(stat= 'identity', position = 'dodge',show.legend = FALSE) +  
  8 A% u. h) S) P  geom_text(aes(label=paste0(increase_patient)),col="black",hjust=-0.2)+  
    scale_fill_brewer(palette='Set3')+  #使用Set3色系模板
  ( R! M1 v. I1 O4 |4 @  theme(legend.position="none",
          panel.background=element_rect(fill='transparent'),
    p" v0 F! K& `) `- k/ _0 d9 o3 l        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
  6 L" h! _- t0 w& c  )+
    coord_flip()+  
  , M# b6 H& d& ?( Q& |  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')+  
  * [8 W# O* r3 e  theme(axis.title.x = element_text(size=15))+
    ease_aes('linear')  
  
  7 K& X( \& }+ z' Y# H. ianim_save(filename = "五国累计确诊病例增长动态图.gif")