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
目录
一、数据介绍及预处理
二、新增确诊病例变化趋势
4 R7 h  D( T! E5 n" i- i三、新增确诊病例全球地理分布
3 x8 ~0 J; c+ N% R0 V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

( s% Y0 S/ R+ v' f: Q字段名        含义
Province/State        省/州
Country/Region        国家/地区
( B8 V4 {4 n9 B, r* E3 o* HLat        纬度
Long        经度
7 ]5 D4 w2 n7 \. H* b1/22/20-12/7/20        每日累计确诊病例
: L9 p& ]% u# B4 L0 g9 M, e' R* k/ Z

: w4 r+ g, y4 I, `0 m

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)]
  2 q- `: e9 O: ]) |5 ^[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)]
  ! v( }8 ]$ ?- l! M8 U- F[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
  2 i  y0 o& U4 e, P! K- {3 pinspect_lag_data<-cbind(0,inspect_data[,1ncol(inspect_data)-1)])
  ( V# s' W$ ]7 mincrease_data<-inspect_data-inspect_lag_data
  " I7 U( k! e# ~% i
  + r! |3 O" m# s+ r* g4 a' t#合并数据,new_data为新增确诊人数数据
  4 M2 f8 o. I' I& inew_data<-cbind(information_data,increase_data)
  . K% G# B! x$ H2 V2 }) M$ h
  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
  . W( M8 i, w7 H7 a% X9 v6 Lchina<-new_data[new_data$`Country/Region`=='China',]
  1 B0 G, @# u: {china_increase<-data.frame(apply(china[,-c(1:4)],2,sum))
  colnames(china_increase)<-'increase_patient'
  ' ]3 ~$ m+ G  S+ A& ?7 J; x6 Jchina_increase$date<-as.Date(rownames(china_increase),format="%Y-%m-%d")
  * \& R& v3 U5 r  M7 f1 C
  9 q+ A& W5 t) n& S( @( [* ~ggplot(china_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
    _, c  a6 o% M& V  scale_x_date(date_breaks = "14 days")+  #设置横轴日期间隔为14天(注意:此时的date列必须为日期格式!)
    labs(x='日期',y='新增确诊人数',title='2020年1月22日-2020年12月7日中国新增确诊人数变化趋势图')+
    theme_economist()+  #使用经济学人绘图样(式ggthemes包)
    theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
          axis.title.x = element_blank(),
          axis.title.y = element_text(size=15),
          axis.text.x = element_text(angle = 90,size=15),
  7 z& _* `+ _5 G. w9 F" C        axis.text.y = element_text(size=15),
  ) k3 C4 n; g0 P( S& _/ ~3 x        legend.title=element_blank(),
          legend.text=element_text(size=15))
  1 S# d# D$ _! y& L/ |* ^
  1 C& u" `& o7 x. w. u                             
  2. 美国新增病例变化趋势
  % G1 t# Q4 Q5 i: {& q# {4 N! Kus<-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$date)
  ggplot(us_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
  ) h" n: v' S# G  n  scale_x_date(date_breaks = "14 days")+   #设置横轴日期间隔为14天
  * X5 y8 O. E. j- N" V4 i  labs(x='日期',y='新增确诊人数',title='2020年1月22日-2020年12月7日美国新增确诊人数变化趋势图')+
    theme_economist()+   #使用经济学人绘图样(式ggthemes包)
    theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
          axis.title.x = element_blank(),
  3 t! r! I0 B( _; Q+ n- w        axis.title.y = element_text(size=15),
  1 q1 D; S1 e/ M8 V2 p! L        axis.text.x = element_text(angle = 90,size=15),
  & C# v. E7 C5 [* N$ u        axis.text.y = element_text(size=15),
  1 e' ~/ c2 v& T* b        legend.title=element_blank(),
          legend.text=element_text(size=15))
  1 Q% L. R4 K+ f0 K; C* N
  
  6 R8 W* t! P% ~2 \& Q, X3. 全球新增病例变化趋势
  total_increase<-data.frame(apply(new_data[,-c(1:4)],2,sum))
  colnames(total_increase)<-'increase_patient'
  7 t, R$ W/ X! Z5 m  v- Itotal_increase$date<-as.Date(rownames(total_increase),format="%Y-%m-%d")
  ggplot(total_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
  ' Q8 ]! N) z- T/ v  scale_x_date(date_breaks = "14 days")+
  + H6 l4 s. V( N; o  P  labs(x='日期',y='新增确诊人数',title='2020年1月22日-2020年12月7日全球新增确诊人数变化趋势图')+
    theme_economist()+
    scale_y_continuous(limits=c(0,8*10^5),      #考虑数字过大,以文本形式标注y轴标签
                       breaks=c(0,2*10^5,4*10^5,6*10^5,8*10^5),
  3 }! V* d: Q" D# Z' h. S                     labels=c("0","20万","40万","60万","80万"))+
    theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
  # ]) q/ `" _4 Q        axis.title.x = element_blank(),
  0 {, X+ _& d2 A9 k* O  |& X; E% Q        axis.title.y = element_text(size=15),
          axis.text.x = element_text(angle = 90,size=15),
  7 P: L9 v. W: ?2 |8 W& \# ~$ ^9 P        axis.text.y = element_text(size=15),
          legend.title=element_blank(),
  " C' M) ^4 ^7 Y2 i- [        legend.text=element_text(size=15))
  ! T: T' L/ m7 `  z
  ) v) X0 A/ @5 z3 k  S3 `
  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)+
  ! q+ W2 u) U* I& V  geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-01-22`),color="darkorange")+
    scale_size(range=c(2,9))+labs(title="2020年1月22日全球新增确诊人数分布")+
    theme_grey(base_size = 15)+
  " m& c3 \$ o) S8 \. q  theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
          legend.title=element_blank())
  6 `0 I0 q* [0 ^+ l5 F" @
  : w, \8 x, W. ]! B) P$ H* Eggplot()+mapworld+ylim(-60,90)+
    geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-11-22`),color="darkorange")+
  6 Y+ l; J6 }& x5 [  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())
  
  
  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

  
  $ n# a5 k0 D% r8 Q/ Y4 ~

  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))

  
  ) x6 H  x" o/ e! ^* Z- U! |+ F1 l0 k2. 五国（India、Brazil、Russia、Spain、Italy）累计确诊病例动态变化图
  5 R4 y$ v% S: U3 [8 i+ j9 Q' \cum_patient_time<-gather(data,key="date",value="increase_patient",'2020-01-22':'2020-12-07')
  8 g. O4 {% y2 n7 k$ scolnames(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"))
  five_country$date<-as.Date(five_country$date)
  . F: f5 D# a0 F0 k
  ggplot(five_country,
  0 N- x) S2 a' u. x- a$ g+ a7 X            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)+  
    scale_fill_brewer(palette='Set3')+  #使用Set3色系模板
  ; X$ ^, n4 W8 n$ a3 e! }  theme(legend.position="none",
  & |  B) D1 @8 m        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
          axis.text = element_blank(),  #删除刻度标签
  , ]$ t' q8 U! G5 {. u/ y( }        axis.ticks = element_blank(),  #删除刻度线
  # u* j! J5 d8 i2 L6 Q  )+
    coord_flip()+  
  2 c  k4 B, M& W( L  transition_manual(frames=date) +  #动态呈现
  ; H5 q! u" p  b  labs(title = paste('日期:', '{current_frame}'),x = '', y ='五国累计确诊病例增长')+  
  2 k& h" x' a$ e3 z0 Q9 D  theme(axis.title.x = element_text(size=15))+
  $ B* I. N$ G1 U# _; u$ |$ m3 H  ease_aes('linear')  
  ! ?& k- R! x/ c# `" S5 X. ], G
  4 T) N4 d2 w8 \2 S" e7 C" s' W1 Ranim_save(filename = "五国累计确诊病例增长动态图.gif")
  ! z+ y2 H  d: h* y
  
  % Z  O* U$ N0 A1 ^$ v# c