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
6 T3 c* F  r$ ]+ R目录
一、数据介绍及预处理
二、新增确诊病例变化趋势
+ M1 o$ x* B  r" G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

字段名        含义
- W. E, `+ A- J8 L( u6 R% u8 a0 vProvince/State        省/州
& O. s$ f( g$ ~# Y7 l* k0 h  g5 q: @Country/Region        国家/地区
Lat        纬度
) n- v5 {$ g# R, h4 V5 q. oLong        经度
7 Y! a+ b' j" M; Z4 L3 F# G* P1/22/20-12/7/20        每日累计确诊病例
5 b# @( S& I0 v
( [3 Z8 L1 @# z% B
1 z: l( ?: l1 V

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)]
  4 T5 g/ c7 J, Y; v* r[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)]
  ! f3 b$ \6 {: }7 d% ~2 r[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
  , R7 D7 y- L/ [5 F* ]! b; K
  #合并数据,new_data为新增确诊人数数据
  % Y  s% I; t3 f. e  `  ?" Znew_data<-cbind(information_data,increase_data)
  + `( G3 M4 L7 u- k0 u
  . S/ h3 r" P+ p1 B1. 中国新增确诊病例变化趋势
  ! O# L+ f0 C+ j+ n9 ]3 C#合并所有省份新增确诊人数
  : a) {6 P: y9 F7 R' Wchina<-new_data[new_data$`Country/Region`=='China',]
  china_increase<-data.frame(apply(china[,-c(1:4)],2,sum))
  colnames(china_increase)<-'increase_patient'
  # d, V6 x4 c0 O) b! T+ Ichina_increase$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')+
  ; r, r' v4 }8 Q5 p: m9 A  theme_economist()+  #使用经济学人绘图样(式ggthemes包)
  0 C3 C9 N  D" w7 _) J$ S  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
          axis.title.x = element_blank(),
  + w/ \3 j/ N$ D5 p, h        axis.title.y = element_text(size=15),
          axis.text.x = element_text(angle = 90,size=15),
          axis.text.y = element_text(size=15),
  + C$ @7 f6 `. N$ q        legend.title=element_blank(),
          legend.text=element_text(size=15))
  - m) G+ X2 O/ F  n% [  u3 r
  # h& r% Q$ B0 V$ C/ n$ A                             
  2. 美国新增病例变化趋势
  us<-new_data[new_data$`Country/Region`=='United States',]
  us_increase<-gather(us,key="date",value="increase_patient",'2020-01-22':'2020-12-07')
  / K8 g$ Z. h2 `3 S5 b7 F( \/ Tus_increase$date<-as.Date(us_increase$date)
  1 m6 p. c9 u/ jggplot(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)
    theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
          axis.title.x = element_blank(),
  6 E4 Y0 |9 x) y; h' ?; l5 ]        axis.title.y = element_text(size=15),
          axis.text.x = element_text(angle = 90,size=15),
  & `* E; j: S0 ?, n- B: [' k/ a. a7 a        axis.text.y = element_text(size=15),
    l, @- U% q9 I/ d2 ?( M- n9 @& a        legend.title=element_blank(),
  9 ^) w3 N  @& W2 U3 r0 ?* Q8 m        legend.text=element_text(size=15))
  1 o2 k% @# ?/ H" }) k1 J# S
  " ]( u( b3 v9 C* @& ]- z
  3. 全球新增病例变化趋势
  total_increase<-data.frame(apply(new_data[,-c(1:4)],2,sum))
  8 d/ d: @3 G' I" N9 V4 Ccolnames(total_increase)<-'increase_patient'
  # c- p+ B. G, p; Y( Ttotal_increase$date<-as.Date(rownames(total_increase),format="%Y-%m-%d")
  $ K+ ]6 i' t( R, w0 iggplot(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")+
  5 {& @+ S  b! W. V  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')+
  / ]. X. _- h0 W9 ^  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
  $ \5 ~5 K# V& T5 k; L  W" r3 L0 ^                     breaks=c(0,2*10^5,4*10^5,6*10^5,8*10^5),
  ( P2 e. ]0 U$ I/ W  T* x. r                     labels=c("0","20万","40万","60万","80万"))+
    theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
  5 I8 v2 i  z# M) H- t        axis.title.x = element_blank(),
          axis.title.y = element_text(size=15),
  ( y8 \2 p; [1 [6 U        axis.text.x = element_text(angle = 90,size=15),
          axis.text.y = element_text(size=15),
  $ e4 }5 x6 K. ^- d0 g3 ~% ~- h        legend.title=element_blank(),
  . E0 p2 y' t! E! V) J. R8 c        legend.text=element_text(size=15))
  
  
  + {' _' I' a% d, m9 E  D+ o  B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)+
  ' O0 T" @& ?- }) {' @8 t( n% |  geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-01-22`),color="darkorange")+
    scale_size(range=c(2,9))+labs(title="2020年1月22日全球新增确诊人数分布")+
    theme_grey(base_size = 15)+
  8 ^9 H  Q$ r8 H8 y  theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
          legend.title=element_blank())
  
  ggplot()+mapworld+ylim(-60,90)+
  3 P$ \$ z+ X% m( X* a- O- x0 p  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)+
  / C4 x2 `/ k3 \4 \! e' i( @  theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
  ! g" N; ~% F1 i, R" ^& G+ s/ s        legend.title=element_blank())
  
  
  ( E; E/ w1 s3 Z. K1 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

  
  

  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))

  
  ; r- s; g3 @: u% h+ j3 N2. 五国（India、Brazil、Russia、Spain、Italy）累计确诊病例动态变化图
  ! r0 n4 G- g3 w: d( b* ?cum_patient_time<-gather(data,key="date",value="increase_patient",'2020-01-22':'2020-12-07')
  9 A  j+ l; w$ \2 z( ]colnames(cum_patient_time)<-c("rovince","Country","Lat","Long","date","increase_patient")
    z* {; s- {) W7 [6 U# r/ cfive_country<-subset(cum_patient_time,Country %in% c("India","Brazil","Russia","Spain","Italy"))
  five_country$date<-as.Date(five_country$date)
  $ g1 |. H: P6 j; t/ D0 k
  ggplot(five_country,
  1 F& _& a) c( o$ K. Y$ a, l. u            aes(x=reorder(Country,increase_patient),y=increase_patient, fill=Country,frame=date)) +  
  & D3 n9 |' v0 @1 S: N  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),
  5 Z' r" x' M3 _% p( ]3 f: c/ w        panel.grid =element_blank(),  #删除网格线
  $ Q4 K, H! s4 R$ R; |        axis.text = element_blank(),  #删除刻度标签
          axis.ticks = element_blank(),  #删除刻度线
    )+
    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')+  
  0 V0 k$ _% {3 \6 t6 N4 E6 T  theme(axis.title.x = element_text(size=15))+
  ; G: p' c; e5 l  ease_aes('linear')  
  2 l  v; M/ y/ u
  . R" G6 @' z0 h- `/ t8 w0 panim_save(filename = "五国累计确诊病例增长动态图.gif")
  
  
  
  

+ M: c, |4 _5 a* D  b4 T