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
' z1 X6 i2 Z0 H- H4 ~- ]目录
* G0 y$ V/ J) P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
; Z, Z6 F' b- c) j; e' ~! j+ _! L. [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
2 T% h+ o6 S7 Q- _; Q+ ]
7 o" s# w8 N: d" ?1 Q" `2 e字段名        含义
Province/State        省/州
9 \# S' T+ N  h/ F$ dCountry/Region        国家/地区
& i0 H8 m0 w+ }- H! l8 JLat        纬度
& b1 G5 B5 I; w5 O2 h4 g; H0 WLong        经度
( j: h/ P& c0 f$ G1/22/20-12/7/20        每日累计确诊病例

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 w3 w5 Z+ m8 y+ J- G[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
  ' r* q0 Z+ l. P9 v8 z( H5 Cinspect_lag_data<-cbind(0,inspect_data[,1ncol(inspect_data)-1)])
  ! }- }2 G2 w% h8 z0 H6 V! Uincrease_data<-inspect_data-inspect_lag_data
  2 w' n+ V% e: l  t
  #合并数据,new_data为新增确诊人数数据
  new_data<-cbind(information_data,increase_data)
  
  # e" r% }6 O! _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 I7 W  ?5 {3 e+ @china<-new_data[new_data$`Country/Region`=='China',]
  ( ?7 s) c* q4 F! h+ V" U4 Hchina_increase<-data.frame(apply(china[,-c(1:4)],2,sum))
  5 K6 V+ r6 @: A# I7 b7 _colnames(china_increase)<-'increase_patient'
  " K+ g! i- Q) Z1 gchina_increase$date<-as.Date(rownames(china_increase),format="%Y-%m-%d")
  $ ~" a0 d3 z0 X. n2 }3 j
  1 m- f/ o5 A- z) ?3 Iggplot(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!)
    C5 w7 O& b/ e2 [  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)
  ' n! Y* J5 \2 g+ s( L- E  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
          axis.title.x = element_blank(),
  ' D& z  e- ^% v  z; B0 y        axis.title.y = element_text(size=15),
    B& ^; J& q2 O1 D: g) g5 l6 K        axis.text.x = element_text(angle = 90,size=15),
          axis.text.y = element_text(size=15),
          legend.title=element_blank(),
  2 \9 d8 g  J* P5 L7 b) J        legend.text=element_text(size=15))
  5 Q2 ?9 E* }- |* p3 O6 \
  2 Y/ P4 u& i$ R) m                             
  * F: P1 `% g! y" P2. 美国新增病例变化趋势
  us<-new_data[new_data$`Country/Region`=='United States',]
  ! Y& E* I' ~% [: O9 ]1 g6 c1 q; ?us_increase<-gather(us,key="date",value="increase_patient",'2020-01-22':'2020-12-07')
  - S4 ], C% z& ?: n4 z4 \# I/ l9 bus_increase$date<-as.Date(us_increase$date)
  ggplot(us_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
  + R: W! U' n0 i; n& u; d/ m" S  scale_x_date(date_breaks = "14 days")+   #设置横轴日期间隔为14天
  / S5 s2 y0 h/ J) W5 y( t0 `  labs(x='日期',y='新增确诊人数',title='2020年1月22日-2020年12月7日美国新增确诊人数变化趋势图')+
  ; e0 t5 d& F1 f  O8 o( c  theme_economist()+   #使用经济学人绘图样(式ggthemes包)
  3 z8 I) B8 ?  R' X! p  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
          axis.title.x = element_blank(),
  - ]8 a& X, V* e$ R. U+ q        axis.title.y = element_text(size=15),
          axis.text.x = element_text(angle = 90,size=15),
  8 @" J9 [7 X% Z  B) T+ ]        axis.text.y = element_text(size=15),
          legend.title=element_blank(),
          legend.text=element_text(size=15))
  ( x; z$ e$ B- |+ _9 i
  & w) i0 d7 O! D" n0 R" z& h$ {
  . O3 v1 |8 y# S# D3. 全球新增病例变化趋势
  3 z7 Y+ Y' M& Gtotal_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")
  / v# |; E5 [' _9 i4 G8 T9 qggplot(total_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
  3 X% W6 C' p' ^7 z7 Q' y% v  i. G4 m  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')+
  % d: m" q+ u: d2 b- a  theme_economist()+
  1 E, Y4 s3 d8 o4 D5 i2 w7 G3 j  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
  9 j) {; Y: R! g7 @                     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"))+
  ) y+ P, S. i! R# P2 V7 f2 m% A) C  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
  ( b: o; _, r  T6 f" m        axis.title.x = element_blank(),
          axis.title.y = element_text(size=15),
          axis.text.x = element_text(angle = 90,size=15),
  ' Y0 H6 P# ^" O6 ]! b3 C9 g, f        axis.text.y = element_text(size=15),
  + \2 l8 _( z% ^% L        legend.title=element_blank(),
  7 S1 K! B( D% B: G! ?5 e2 `        legend.text=element_text(size=15))
  
  
  . X8 v2 Q; [, U3 t7 g5 T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)+
  0 Z8 Z: F9 J( m' a- [& o  geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-01-22`),color="darkorange")+
  ! r7 L0 R: q" [: R2 j2 U  scale_size(range=c(2,9))+labs(title="2020年1月22日全球新增确诊人数分布")+
  % F3 U+ q: M; @' I, l# e9 L  l  theme_grey(base_size = 15)+
  $ P5 Y/ [! l# Q' Y8 K  theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
          legend.title=element_blank())
  
  ggplot()+mapworld+ylim(-60,90)+
  9 ?/ ]! |% e5 I" T, \0 {* @  geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-11-22`),color="darkorange")+
  8 w- @+ h$ }* f3 T/ m. A  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)+
  % F3 h, G' u" A* }  theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
  " K7 O2 p- w$ ]' Z7 D        legend.title=element_blank())
  
  * U5 i8 `* ^9 ?
  ; Q) h0 Q: U. C) |  I; g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

  
  3 A) c/ Y$ N+ T2 R

  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
  / _! U0 h, b/ Jcum_patient_time<-gather(data,key="date",value="increase_patient",'2020-01-22':'2020-12-07')
  colnames(cum_patient_time)<-c("rovince","Country","Lat","Long","date","increase_patient")
  6 P; B6 l5 i) d8 a) }five_country<-subset(cum_patient_time,Country %in% c("India","Brazil","Russia","Spain","Italy"))
  6 l6 s4 m' A- N. Y, j% Y0 }( Zfive_country$date<-as.Date(five_country$date)
  $ B6 o) N! D4 \) H% b' U
  ggplot(five_country,
              aes(x=reorder(Country,increase_patient),y=increase_patient, fill=Country,frame=date)) +  
  & }, ]2 E9 b1 O4 F  X: X- _  geom_bar(stat= 'identity', position = 'dodge',show.legend = FALSE) +  
    geom_text(aes(label=paste0(increase_patient)),col="black",hjust=-0.2)+  
  . t% d/ {& S" n- j  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),
          panel.grid =element_blank(),  #删除网格线
  9 G  Y6 ~: J6 `, J% n2 H        axis.text = element_blank(),  #删除刻度标签
  9 b; {. i% F& ?: V1 n& r5 D: w. O        axis.ticks = element_blank(),  #删除刻度线
    )+
  5 `" j9 P' q% y& r' f! U6 Y  coord_flip()+  
  - V5 N' ^0 h4 {4 z, }* _1 w  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')+  
  ( C0 q: \" Y* v% u% U  theme(axis.title.x = element_text(size=15))+
    ease_aes('linear')  
  
  ( n' @/ Z' Y% J1 g3 y* ?7 f) K! o8 Danim_save(filename = "五国累计确诊病例增长动态图.gif")
  8 |# e) N+ b" q4 a7 x/ p  ]
  
  
  

& j! e' l1 f! j1 S  ?6 L, k3 e
. R' t* r- K( j6 q6 e