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
. h0 n7 [$ t/ R一、数据介绍及预处理
1 U4 ^9 @- v7 x) E4 |二、新增确诊病例变化趋势
4 Y& N- `$ u+ p% f  F三、新增确诊病例全球地理分布
6 R+ g, J$ w# K1 g, d, c/ Q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
. q; l# D0 Q( O- m5 {; OProvince/State        省/州
Country/Region        国家/地区
Lat        纬度
Long        经度
1/22/20-12/7/20        每日累计确诊病例
1 X6 o- k+ G  e. ~4 i( p8 d- c
5 R, _( ~' A2 D
. ?+ K. m& O2 h. w
3 `" p8 b/ a/ z* H; U

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)]
  + V% X* {9 a2 `8 R: v* c# A  A. ][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)]
  + V& B' N3 e8 a; v/ g# J[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)]
  5 f* v& H# {1 f1 Q$ B: v* M+ z) d[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)])
  - W5 x+ A. J* ?increase_data<-inspect_data-inspect_lag_data
  4 W) s" M: }0 t. I6 ^2 g% m
  5 Q8 J/ S$ J& t6 G. k( e7 j#合并数据,new_data为新增确诊人数数据
  new_data<-cbind(information_data,increase_data)
  
  1. 中国新增确诊病例变化趋势
  ( C% s. ~, |  y  i9 h' {#合并所有省份新增确诊人数
  china<-new_data[new_data$`Country/Region`=='China',]
  china_increase<-data.frame(apply(china[,-c(1:4)],2,sum))
  6 y- O2 e; P; {/ ucolnames(china_increase)<-'increase_patient'
  3 _8 r2 t. \9 L7 ochina_increase$date<-as.Date(rownames(china_increase),format="%Y-%m-%d")
  
  ) k, e! h) Z0 O- M# w. W/ ~. @! gggplot(china_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
  7 i/ \: R& r8 w8 u' N  \% X  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!)
  ) H* E' Q: W: M* m+ }; T5 H  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')+
  : t, X$ Z; ?! [6 N* C  theme_economist()+  #使用经济学人绘图样(式ggthemes包)
  9 b. y% T3 w3 }2 F& [  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
  7 A; I0 U4 [9 J: G5 |        axis.title.x = element_blank(),
  ' G. l5 f4 ?$ d- e        axis.title.y = element_text(size=15),
          axis.text.x = element_text(angle = 90,size=15),
  ! P8 K( B) a) O9 T1 b& o        axis.text.y = element_text(size=15),
  1 v& ]# G$ v. H+ f* B! f        legend.title=element_blank(),
          legend.text=element_text(size=15))
  
                               
  0 c) E4 Y& Y$ C# R' R! c2 Y2. 美国新增病例变化趋势
  6 N# v$ y/ P4 j% x& _% Kus<-new_data[new_data$`Country/Region`=='United States',]
  1 n5 w1 T& w- I, J% zus_increase<-gather(us,key="date",value="increase_patient",'2020-01-22':'2020-12-07')
  & _2 H, D3 x0 Aus_increase$date<-as.Date(us_increase$date)
  ggplot(us_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
    scale_x_date(date_breaks = "14 days")+   #设置横轴日期间隔为14天
  2 T. |6 n5 L8 k' D+ e* ^! Y# D  labs(x='日期',y='新增确诊人数',title='2020年1月22日-2020年12月7日美国新增确诊人数变化趋势图')+
  5 u+ o# N0 t$ s  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(),
  5 w% ~, ^; E" S3 H        axis.title.y = element_text(size=15),
  7 W- D3 M  R# r0 x, o        axis.text.x = element_text(angle = 90,size=15),
  6 s! F6 H& E- T" J6 N% j        axis.text.y = element_text(size=15),
  6 _) Y( U& V5 m% m        legend.title=element_blank(),
  , o+ r1 j  C' U$ b. x; h1 w; J        legend.text=element_text(size=15))
  
  
  ! X+ M$ @% [+ i0 R7 o3. 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'
  total_increase$date<-as.Date(rownames(total_increase),format="%Y-%m-%d")
  9 f) u9 H" j5 Dggplot(total_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
    scale_x_date(date_breaks = "14 days")+
  ' @4 n( z8 l2 Q( n  labs(x='日期',y='新增确诊人数',title='2020年1月22日-2020年12月7日全球新增确诊人数变化趋势图')+
  8 ~8 D5 z! \0 m" ~9 h  I9 c  theme_economist()+
    scale_y_continuous(limits=c(0,8*10^5),      #考虑数字过大,以文本形式标注y轴标签
                       breaks=c(0,2*10^5,4*10^5,6*10^5,8*10^5),
    g8 x; g& L7 Q8 h; k9 K: ^                     labels=c("0","20万","40万","60万","80万"))+
  4 N3 d. |/ N! b  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
  . x. ^9 m! Y, m        axis.title.x = element_blank(),
          axis.title.y = element_text(size=15),
          axis.text.x = element_text(angle = 90,size=15),
  " K+ @7 ], p9 }) I        axis.text.y = element_text(size=15),
          legend.title=element_blank(),
  ' l& D$ l' M; W- A+ D8 P        legend.text=element_text(size=15))
  8 d0 p, q% O8 j/ V0 S2 n1 l$ q% l. \
  
  三、新增确诊病例全球地理分布
  mapworld<-borders("world",colour = "gray50",fill="white")
  ; \! f3 c8 m' a: q' _% [& ^+ Yggplot()+mapworld+ylim(-60,90)+
    geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-01-22`),color="darkorange")+
    z$ K1 O% P: N" f2 C7 z9 l1 d  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)+
  - c' _5 G( Z( g% G; J- M) b  theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
  - Y! ]6 \  F* f# V8 Y& l; X! ~        legend.title=element_blank())
  ! f* r4 t1 G+ l
  ggplot()+mapworld+ylim(-60,90)+
    geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-11-22`),color="darkorange")+
  1 q9 ^* g5 [% M  scale_size(range=c(2,9))+labs(title="2020年11月22日全球新增确诊人数分布")+
  4 w* C: `4 U& Q7 ?" |/ [' W  theme_grey(base_size = 15)+
  6 y* q" p* r. x/ `% E7 J+ e- f  theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
  : e7 g! M* P& T8 B7 M        legend.title=element_blank())
  
  ) U! V/ |$ N( }1 j: t6 }
  * Q/ Y& y9 Q5 @3 {$ E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

  
  9 B8 Z9 M- M3 G' B& L) 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
  - i. K9 T- s  Q- P# `9 }3 ocum_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")
  five_country<-subset(cum_patient_time,Country %in% c("India","Brazil","Russia","Spain","Italy"))
  - B8 z: ~( ~" H# N, ^# Qfive_country$date<-as.Date(five_country$date)
  5 \1 ^6 [; v+ I4 ?' f
  + v- z1 o$ X2 H9 t9 g/ C2 {8 z8 Hggplot(five_country,
              aes(x=reorder(Country,increase_patient),y=increase_patient, fill=Country,frame=date)) +  
  4 i4 F3 }2 K( U% |/ `3 l  geom_bar(stat= 'identity', position = 'dodge',show.legend = FALSE) +  
  4 _& y. e) ]' V! \. x2 e+ y7 K2 E  geom_text(aes(label=paste0(increase_patient)),col="black",hjust=-0.2)+  
  8 h) E+ L* q8 X! z# O. n  scale_fill_brewer(palette='Set3')+  #使用Set3色系模板
  9 c8 G6 Y1 T+ C  Z5 q  i  theme(legend.position="none",
  7 d3 |, C+ m; ~! ^& X        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
  3 x: ~8 u; W. ^        axis.text = element_blank(),  #删除刻度标签
  0 d3 t$ v, i) N        axis.ticks = element_blank(),  #删除刻度线
  2 i  a* f9 G# l' `: c8 T5 }) A5 i  )+
    coord_flip()+  
  ! J2 }# L$ \+ t7 A. |% |  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))+
  2 s4 \) M$ Y: x# c! S  ease_aes('linear')  
  1 o3 y/ E4 ]* }3 o
  3 }- ^; t/ k1 v  G* t9 wanim_save(filename = "五国累计确诊病例增长动态图.gif")
  
  
  $ L3 E/ L+ }- c6 j