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
+ X3 S. t& N7 r( m# ^目录
' S( O$ u& H: r8 v8 m; O一、数据介绍及预处理
二、新增确诊病例变化趋势
' R3 w  c. G0 M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
1. 基本字段介绍
: e3 j; z1 h$ u1 M8 g1 `
字段名        含义
/ w! [# m3 q9 \6 W% r! qProvince/State        省/州
8 Z& n$ Z/ V0 J6 z& d" S/ r+ vCountry/Region        国家/地区
+ I3 J. F/ o6 p' ELat        纬度
& t$ C4 Y' @; H* w, y9 |Long        经度
1/22/20-12/7/20        每日累计确诊病例
) Y" p) r0 l. l/ M( S
3 F1 h6 J6 G6 C2 Z  K6 h4 t

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)]
  [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
  4 y$ L6 Y: r9 i) finspect_lag_data<-cbind(0,inspect_data[,1ncol(inspect_data)-1)])
  increase_data<-inspect_data-inspect_lag_data
  
  . r& H$ x  U, O; |#合并数据,new_data为新增确诊人数数据
  new_data<-cbind(information_data,increase_data)
  ) w6 K5 e" ?+ I9 {7 v! B4 b# I) g
  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
  china<-new_data[new_data$`Country/Region`=='China',]
  , o# e8 E& }% N' E( U- Qchina_increase<-data.frame(apply(china[,-c(1:4)],2,sum))
  colnames(china_increase)<-'increase_patient'
  china_increase$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)+
  % o  R. i2 R9 E  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!)
  8 b! |( t9 Y# t  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')+
  ( f; x- z1 r3 i8 U. B' K' I  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),
  0 C! V7 p* B& P1 u' _8 G# ]        axis.text.x = element_text(angle = 90,size=15),
          axis.text.y = element_text(size=15),
  . C; `4 S) v! R$ Q* ?        legend.title=element_blank(),
    B1 P( M8 I; @" S( C/ H        legend.text=element_text(size=15))
  
                               
  2 @1 x6 _* j) V) G! R8 b2. 美国新增病例变化趋势
  : J1 U  y4 Q7 |. tus<-new_data[new_data$`Country/Region`=='United States',]
  2 t, |# T* H$ P! e2 Ous_increase<-gather(us,key="date",value="increase_patient",'2020-01-22':'2020-12-07')
  us_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)+
    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)
  3 D- R' h1 R( H$ W1 |4 {: }  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
  8 {6 P/ [1 }9 S+ R        axis.title.x = element_blank(),
  % |! ?- A1 u, ?0 \        axis.title.y = element_text(size=15),
          axis.text.x = element_text(angle = 90,size=15),
  . ]+ w2 |0 t' D( l        axis.text.y = element_text(size=15),
  ; e* \: Y+ R6 K        legend.title=element_blank(),
  , N' }0 H* x+ r# x1 U        legend.text=element_text(size=15))
  
  9 j. @9 E; p/ c$ f* d
  ! m6 `) M: M# t6 Z0 R2 g: d3. 全球新增病例变化趋势
  / Q7 Z% s9 Y, a$ J' a2 |; |total_increase<-data.frame(apply(new_data[,-c(1:4)],2,sum))
  colnames(total_increase)<-'increase_patient'
  total_increase$date<-as.Date(rownames(total_increase),format="%Y-%m-%d")
  ggplot(total_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
  ! z- o7 ?* p6 x. @6 J5 C+ R! Z  scale_x_date(date_breaks = "14 days")+
    labs(x='日期',y='新增确诊人数',title='2020年1月22日-2020年12月7日全球新增确诊人数变化趋势图')+
    theme_economist()+
    scale_y_continuous(limits=c(0,8*10^5),      #考虑数字过大,以文本形式标注y轴标签
                       breaks=c(0,2*10^5,4*10^5,6*10^5,8*10^5),
  & Q* [$ P9 C$ t* P                     labels=c("0","20万","40万","60万","80万"))+
    e6 A+ ?2 _) N( l  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
  3 ^6 ]6 S( r) Y# N% X1 ]        axis.title.x = element_blank(),
          axis.title.y = element_text(size=15),
  + m/ q' v3 x  f) X        axis.text.x = element_text(angle = 90,size=15),
          axis.text.y = element_text(size=15),
    b- |/ K! d  E        legend.title=element_blank(),
  / i5 j* J, `- Q        legend.text=element_text(size=15))
  / ~  B3 D: L! Q$ a# @0 [
  / h7 `, Q& l" C
  1 W/ c$ L3 M5 B4 Q& t三、新增确诊病例全球地理分布
  mapworld<-borders("world",colour = "gray50",fill="white")
  7 y6 w; f  F$ @) T7 y! e& h% oggplot()+mapworld+ylim(-60,90)+
  : j$ H5 ~% a' F4 T! R4 D' z& o8 V, F  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")+
  # t: h: q0 o4 H' }  theme_grey(base_size = 15)+
    theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
  $ v( M9 q3 C- V5 E        legend.title=element_blank())
  - Q) d% M8 L% ^' `$ b+ a
  ggplot()+mapworld+ylim(-60,90)+
  & a5 w0 r- w, v) [2 X; N: {  geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-11-22`),color="darkorange")+
    scale_size(range=c(2,9))+labs(title="2020年11月22日全球新增确诊人数分布")+
    theme_grey(base_size = 15)+
    theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
          legend.title=element_blank())
  # i/ o* u; R5 F: y7 w) I0 W! }
  0 C$ {" W+ D( K/ I( |( G+ 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

  
  

  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
  * ^+ g  Z' z! ]: x) n, vcum_patient_time<-gather(data,key="date",value="increase_patient",'2020-01-22':'2020-12-07')
  7 [3 Y- y$ F8 }8 M7 w, vcolnames(cum_patient_time)<-c("rovince","Country","Lat","Long","date","increase_patient")
    k8 l- y9 N  |7 @five_country<-subset(cum_patient_time,Country %in% c("India","Brazil","Russia","Spain","Italy"))
  five_country$date<-as.Date(five_country$date)
  # M' z7 z  q" q. @! b8 F
  1 ?. g% {% m1 F% j) k4 @ggplot(five_country,
              aes(x=reorder(Country,increase_patient),y=increase_patient, fill=Country,frame=date)) +  
  6 G' |4 C6 g  o) U  geom_bar(stat= 'identity', position = 'dodge',show.legend = FALSE) +  
    geom_text(aes(label=paste0(increase_patient)),col="black",hjust=-0.2)+  
  + D" [) Y% @2 T+ I: a5 b  scale_fill_brewer(palette='Set3')+  #使用Set3色系模板
  # A8 L0 K: @- t  D9 }. N: f+ S  theme(legend.position="none",
          panel.background=element_rect(fill='transparent'),
          axis.text.y=element_text(angle=0,colour="black",size=12,hjust=1),
          panel.grid =element_blank(),  #删除网格线
  2 \$ @  ]' _5 X0 P/ q6 h7 f        axis.text = element_blank(),  #删除刻度标签
  & v# @! y0 E1 a2 Q- J- v) f        axis.ticks = element_blank(),  #删除刻度线
    )+
    K! ?6 n  n. c' `9 q0 F" V4 V  coord_flip()+  
  , w0 e  P. t2 I3 R2 V1 b$ q3 ]; m  transition_manual(frames=date) +  #动态呈现
  ( d3 i: x# u$ o, C  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')  
  
  ) D1 @. Z3 z$ d6 ]& E  P& k: [anim_save(filename = "五国累计确诊病例增长动态图.gif")
  + c  M: d$ S0 U
  
  4 S1 Y1 n' e) i8 {) Q8 t( g
  8 ^, K9 y' w7 \5 O1 x

" P9 |; o6 V/ r5 L8 K9 @