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
% j: `" c& H( |$ a目录
9 j% S. ^1 W* I4 K' K! b" j一、数据介绍及预处理
二、新增确诊病例变化趋势
& H, B  J$ Q. K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
1 b" I3 A" y" e9 }# s; S& V+ s( S7 I" P一、数据介绍及预处理
1. 基本字段介绍
  |) ]$ @% u3 ^0 i  L3 `0 r
字段名        含义
Province/State        省/州
Country/Region        国家/地区
# Y3 @, j, e3 P4 }: W. gLat        纬度
" O" {) h: M2 e3 f7 GLong        经度
1/22/20-12/7/20        每日累计确诊病例
' G, o3 j: A3 }* Z( ^6 l. a
7 R9 o5 _3 m4 x( h4 m) j

6 i- a1 f( d. W$ o

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)]
  / j0 M6 Q  k  @/ W[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)]
  8 w  J$ Q$ u9 c[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)]
  , S. o/ Q$ u6 h3 L[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
  ' W; g$ Y# f5 ginspect_lag_data<-cbind(0,inspect_data[,1ncol(inspect_data)-1)])
  increase_data<-inspect_data-inspect_lag_data
  
  4 ~6 X- g: _. @8 q0 U#合并数据,new_data为新增确诊人数数据
    L+ r# L: F7 G; N% qnew_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
  0 G3 V; r" b! m+ _0 n5 bchina<-new_data[new_data$`Country/Region`=='China',]
  china_increase<-data.frame(apply(china[,-c(1:4)],2,sum))
  colnames(china_increase)<-'increase_patient'
  china_increase$date<-as.Date(rownames(china_increase),format="%Y-%m-%d")
  
    V2 J& K1 `& K' G# C0 oggplot(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)
    m1 \6 e4 a- S7 L$ k  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
          axis.title.x = element_blank(),
  ) {8 b3 v) b' P' W% _/ u1 |6 T        axis.title.y = element_text(size=15),
  & P( Y3 U' H2 \" w; d1 w        axis.text.x = element_text(angle = 90,size=15),
  $ O8 ?4 e8 X, |$ a* U1 r% r* O        axis.text.y = element_text(size=15),
          legend.title=element_blank(),
  + n# F/ X& T; o0 O5 o( L- F        legend.text=element_text(size=15))
  * g! E" [2 b+ C) W1 [6 G; }
                               
  2. 美国新增病例变化趋势
  us<-new_data[new_data$`Country/Region`=='United States',]
  0 r# a5 l) P1 S8 r% S; tus_increase<-gather(us,key="date",value="increase_patient",'2020-01-22':'2020-12-07')
  us_increase$date<-as.Date(us_increase$date)
  % F4 T5 @$ u! f9 t9 Zggplot(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)
  4 |1 C" B. H  M1 A4 r5 c  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
  , U8 n  ?; k+ b  f( s5 D# O. o        axis.title.x = element_blank(),
    H+ D: o2 c6 w# ?3 v# }, M        axis.title.y = element_text(size=15),
  $ R4 l6 d  f) L/ [: Z        axis.text.x = element_text(angle = 90,size=15),
          axis.text.y = element_text(size=15),
          legend.title=element_blank(),
    r5 e4 `: d5 J" ^* W        legend.text=element_text(size=15))
    H' [# T( y0 P; I3 M
  # M# T8 B) ~* q" [8 f3 E
  3. 全球新增病例变化趋势
  total_increase<-data.frame(apply(new_data[,-c(1:4)],2,sum))
  3 z3 h+ L* ]* kcolnames(total_increase)<-'increase_patient'
  1 s- j' i& e; j. J! Y+ {total_increase$date<-as.Date(rownames(total_increase),format="%Y-%m-%d")
  - {8 t2 C0 }# g4 B! r- M* j" ~ggplot(total_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
  0 B. [5 x$ ]+ [" V" L  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')+
  & d6 ?* w) ~9 E2 `  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),
                       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),
  ! A3 T5 q+ d0 m5 A* y$ z        axis.text.y = element_text(size=15),
  1 P$ l( C) y+ @; z3 k. C3 x        legend.title=element_blank(),
    c7 B+ O( V' z" B% q/ B6 {1 Z  z6 A        legend.text=element_text(size=15))
  
  
  ; b# n3 P6 ^  T5 J7 J. I- ?三、新增确诊病例全球地理分布
  4 J4 Z: B) ?" J0 [" b/ N; mmapworld<-borders("world",colour = "gray50",fill="white")
  ggplot()+mapworld+ylim(-60,90)+
  5 B) ^/ O! \# g" X( R  geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-01-22`),color="darkorange")+
  ( W4 G! a1 P% ?7 }) r1 k  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())
  
  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")+
  $ i/ Z5 A: t5 c: m4 t7 ?9 h& U% ^  theme_grey(base_size = 15)+
  # T. T; }+ i2 [) T! @  theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
          legend.title=element_blank())
  
  # \% j$ [9 F) Z' P+ T  ^0 N# d* ?
  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

  
  ! Z+ B6 T# ?2 }2 F6 o

  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')
  + z& y7 u. m6 r" rcolnames(cum_patient_time)<-c("rovince","Country","Lat","Long","date","increase_patient")
  ( W/ O9 d# d7 h$ T; a; ?- B" `five_country<-subset(cum_patient_time,Country %in% c("India","Brazil","Russia","Spain","Italy"))
  five_country$date<-as.Date(five_country$date)
  
  7 [/ M% T; s* c" l( G$ Fggplot(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)+  
  8 @9 n: T9 ^9 ?* s  scale_fill_brewer(palette='Set3')+  #使用Set3色系模板
    theme(legend.position="none",
          panel.background=element_rect(fill='transparent'),
  & @% X9 ^  q3 y        axis.text.y=element_text(angle=0,colour="black",size=12,hjust=1),
  / x8 Y- R, N8 w4 n; C/ m- V1 X9 Z        panel.grid =element_blank(),  #删除网格线
  " X  ^( `% N7 ]6 _1 q. B        axis.text = element_blank(),  #删除刻度标签
  ! H1 }: v. m, l/ H2 A        axis.ticks = element_blank(),  #删除刻度线
  4 Q0 {! S& O, l* y  )+
  6 ~8 D; z7 R) H3 E  R  coord_flip()+  
  ! }2 i& g; ~* o3 c  transition_manual(frames=date) +  #动态呈现
  6 k- R, q2 m" f. `/ V- x% G3 P  labs(title = paste('日期:', '{current_frame}'),x = '', y ='五国累计确诊病例增长')+  
  7 W) c) A( J2 L# {* G: T4 J/ g  theme(axis.title.x = element_text(size=15))+
    ease_aes('linear')  
  # f6 s! {5 t  S8 T* U' Y! I
  2 K$ \4 s& g8 e9 ]anim_save(filename = "五国累计确诊病例增长动态图.gif")
  # ^& [" B! D- z. E! q
  * l/ ]  Z; I( [" ?; ~6 z3 H
  . }* P3 g* D- V& }
  

! D7 r  V. p! E- W
) q* h- C! O) T6 _9 U' ~