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
  k7 m  O9 v& ^  ]. d0 m目录
一、数据介绍及预处理
二、新增确诊病例变化趋势
三、新增确诊病例全球地理分布
( z9 N! ?, u$ l" G四、累计确诊病例动态变化图
一、数据介绍及预处理
6 ?7 W6 y$ i1 n" }& O% s' |1. 基本字段介绍

字段名        含义
Province/State        省/州
4 U' Z+ M' `. UCountry/Region        国家/地区
Lat        纬度
1 y. D9 V' X* p, {Long        经度
1/22/20-12/7/20        每日累计确诊病例
5 G/ B/ x& a: z

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)]
  9 w& M$ ~0 m% v[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)]
  4 t# U8 E( Q0 j8 e9 U[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
  ; J5 h0 }+ f7 A0 I" p; S. iinspect_lag_data<-cbind(0,inspect_data[,1ncol(inspect_data)-1)])
  increase_data<-inspect_data-inspect_lag_data
  % n$ E  s, H! i
  #合并数据,new_data为新增确诊人数数据
  new_data<-cbind(information_data,increase_data)
  0 \, y; P1 `! s& D/ Z* J
  1. 中国新增确诊病例变化趋势
  / y6 f) M  H! ~; _5 B5 Q  t4 v#合并所有省份新增确诊人数
    E# P9 _: Y( I% l% ^- ?china<-new_data[new_data$`Country/Region`=='China',]
  & z# e; J& t5 ?1 i+ `! ~/ k! M/ c  mchina_increase<-data.frame(apply(china[,-c(1:4)],2,sum))
  8 V) m! Y/ D" R$ i$ k( Ecolnames(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)+
    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!)
  # f! M! n+ u% e" J* s  |( R' y  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(),
    J4 M0 j. y% D% L& X        axis.title.y = element_text(size=15),
          axis.text.x = element_text(angle = 90,size=15),
  $ X3 F+ |$ J! |        axis.text.y = element_text(size=15),
          legend.title=element_blank(),
  , q/ L  i- M& ?8 H' N        legend.text=element_text(size=15))
    w4 r: o$ w0 h
                               
  2. 美国新增病例变化趋势
  us<-new_data[new_data$`Country/Region`=='United States',]
  us_increase<-gather(us,key="date",value="increase_patient",'2020-01-22':'2020-12-07')
  us_increase$date<-as.Date(us_increase$date)
  & ~/ Y, }, a6 L$ J0 ^6 Eggplot(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
  - V, t# _& C; p9 F2 D/ R5 k  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 }8 y8 e1 |) u  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
          axis.title.x = element_blank(),
          axis.title.y = element_text(size=15),
  . M5 u4 ?) w2 R) i% _        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 i6 w8 S7 _- v  A8 M: H. w0 X* L1 ~
  7 r/ N- u) Q- a5 x- R$ `/ `! P5 ]
  3. 全球新增病例变化趋势
  ' P* B, ~' s* d0 k/ s8 Ktotal_increase<-data.frame(apply(new_data[,-c(1:4)],2,sum))
  $ M3 @% ?& F0 U6 d: scolnames(total_increase)<-'increase_patient'
  $ G& b  Y  m# [0 J* Q% Jtotal_increase$date<-as.Date(rownames(total_increase),format="%Y-%m-%d")
  " ]8 ?: Z' I- K; l: k5 ?% N) Aggplot(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")+
    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()+
  9 @6 B( g% Q% Y+ Q& s7 G  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
    w# ~4 W; p- V- J3 C5 a% W8 X9 c0 ^                     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),
  3 i2 ], o( b8 b1 d0 L        axis.title.x = element_blank(),
  6 B  T! D: H/ P        axis.title.y = element_text(size=15),
          axis.text.x = element_text(angle = 90,size=15),
  6 z- f4 q) }4 C1 y* o        axis.text.y = element_text(size=15),
  4 E. b1 v5 a3 S        legend.title=element_blank(),
  5 F7 e+ \6 w+ _2 F0 W! r" Q7 ?/ a  j        legend.text=element_text(size=15))
    q% Z( S+ V) g2 p
  
  三、新增确诊病例全球地理分布
  mapworld<-borders("world",colour = "gray50",fill="white")
  ( @. M4 n' ]0 g  bggplot()+mapworld+ylim(-60,90)+
    geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-01-22`),color="darkorange")+
  ; l; z2 p1 y; r. u. e5 n8 i  scale_size(range=c(2,9))+labs(title="2020年1月22日全球新增确诊人数分布")+
    theme_grey(base_size = 15)+
  & P9 T) I* i* a) y  theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
          legend.title=element_blank())
  & c8 V' }9 J0 k) |% m
  ggplot()+mapworld+ylim(-60,90)+
    geom_point(aes(x=new_data$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")+
  8 E2 M" q; _8 r% }. R  theme_grey(base_size = 15)+
    theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
  ' F" b- w  \; S- S9 K' b        legend.title=element_blank())
  1 z/ B% e2 F; x7 Q& R  k
  
  : `" v/ I; G0 B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

  
  & f6 }" e- f' \2 X. r, N

  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))

  
  3 Q8 z! C- V4 l! d0 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')
  $ Z0 F  E" B: }: d" H# B2 h+ @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"))
  & l/ ?( e) z$ ~; dfive_country$date<-as.Date(five_country$date)
  & L( `: s: f& \  |! n
  ggplot(five_country,
  ' r3 A: K" w* q* t            aes(x=reorder(Country,increase_patient),y=increase_patient, fill=Country,frame=date)) +  
    geom_bar(stat= 'identity', position = 'dodge',show.legend = FALSE) +  
  , ?$ @3 K4 W( @  z  geom_text(aes(label=paste0(increase_patient)),col="black",hjust=-0.2)+  
  7 t& @4 ~( T5 k7 A; s) B  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),
  . D2 Q. K+ a( I" B4 U1 b0 }. _' C, `        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
    )+
    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')+  
    theme(axis.title.x = element_text(size=15))+
    ease_aes('linear')  
  
  8 G2 M6 b! l' Ranim_save(filename = "五国累计确诊病例增长动态图.gif")
  3 d6 |3 D/ b! X( l8 P
  # q& ~# O* ~% ~$ k& F" C$ w- x
  : ^4 {1 N, ]/ ^  p5 `
  ' ~/ o/ |$ K) i4 v* @4 [