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
2 L( S' W) B% b6 [0 N) Y) Q( P( J一、数据介绍及预处理
2 Q7 }9 ?/ w- C6 b3 e( T. t, {二、新增确诊病例变化趋势
! V+ p5 z/ |/ s9 K$ i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
一、数据介绍及预处理
1. 基本字段介绍
8 K6 v4 v2 \) w  ^% S" h) l
7 p, v0 i& o& r9 g字段名        含义
# i; F7 r5 f9 ], WProvince/State        省/州
2 @0 ?3 I, S! ~: d$ dCountry/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

  D# g5 p" U' s, X! \( J: h; k
) O9 P( p- p; H# Z3 I6 }
! e5 H0 D  [. |( F/ f8 p

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)]
  . m  U3 v; K# K; ^  G; i) F[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)]
  9 e  z+ G& B7 a$ I[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
  inspect_lag_data<-cbind(0,inspect_data[,1ncol(inspect_data)-1)])
  increase_data<-inspect_data-inspect_lag_data
  
  #合并数据,new_data为新增确诊人数数据
  3 @+ d9 w# |% l, |1 z* _( @# O. lnew_data<-cbind(information_data,increase_data)
  5 a% z! a3 I1 b, A, n! `6 w) s  Q
  # s& c! B+ ~1 T/ Q7 L1. 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 Y" n: X. S/ h# Cchina<-new_data[new_data$`Country/Region`=='China',]
  $ Z' r% h: @0 P& N. F  w0 ~china_increase<-data.frame(apply(china[,-c(1:4)],2,sum))
  colnames(china_increase)<-'increase_patient'
  $ l7 A" V+ w9 Q2 Jchina_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)+
  ( i. i; G- M/ Q: R  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!)
  / f4 X' L7 A8 b5 m  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)
  . I; p1 `7 g/ v- ^* Y, m  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
  7 ^6 S, O% f" ~% A2 S" S        axis.title.x = element_blank(),
  0 o2 `0 L9 A7 o& Q3 Q( y        axis.title.y = element_text(size=15),
  8 m1 L7 P4 E! D. J6 U+ P        axis.text.x = element_text(angle = 90,size=15),
  7 c8 ?  I: C, `- O$ \( {        axis.text.y = element_text(size=15),
  2 ~: f) Z  _5 c: a3 j3 W* F& h# Q        legend.title=element_blank(),
  : ~4 K$ k( `0 W  G        legend.text=element_text(size=15))
  $ L+ h' ~! f" M, k4 C0 \1 Q1 p- j
                               
  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$date)
  ggplot(us_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
    scale_x_date(date_breaks = "14 days")+   #设置横轴日期间隔为14天
  : [% C: E4 e8 y  labs(x='日期',y='新增确诊人数',title='2020年1月22日-2020年12月7日美国新增确诊人数变化趋势图')+
  2 y( u4 e" {0 U, `6 N9 E7 E9 X  theme_economist()+   #使用经济学人绘图样(式ggthemes包)
    theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
          axis.title.x = element_blank(),
          axis.title.y = element_text(size=15),
  / c' s1 e# t2 E# }3 \9 e        axis.text.x = element_text(angle = 90,size=15),
  ) K% o  t. B! l, q8 U% m0 M. ~( U3 n( W        axis.text.y = element_text(size=15),
  4 a3 }1 O0 T& E3 X3 c        legend.title=element_blank(),
          legend.text=element_text(size=15))
  ; Q$ t1 I1 l' C: D! d5 H' t8 c
    r) p' a8 e* ]7 u& r+ v) m+ M
  3. 全球新增病例变化趋势
  total_increase<-data.frame(apply(new_data[,-c(1:4)],2,sum))
  $ m- _+ P' T7 S" Y7 F0 U' O0 fcolnames(total_increase)<-'increase_patient'
  total_increase$date<-as.Date(rownames(total_increase),format="%Y-%m-%d")
  % f4 Y: y9 {+ ?9 j; Hggplot(total_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
    scale_x_date(date_breaks = "14 days")+
    labs(x='日期',y='新增确诊人数',title='2020年1月22日-2020年12月7日全球新增确诊人数变化趋势图')+
    theme_economist()+
  ' I- R+ [$ {! M7 R0 ^  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),
          axis.text.y = element_text(size=15),
  " G* C1 C& X5 q- n- S        legend.title=element_blank(),
  " u$ F: j  J# a2 W4 _        legend.text=element_text(size=15))
  
  
  三、新增确诊病例全球地理分布
  mapworld<-borders("world",colour = "gray50",fill="white")
  9 H. n" ~: y- J% q  \ggplot()+mapworld+ylim(-60,90)+
    geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-01-22`),color="darkorange")+
  ' f- d0 ]2 a) ^1 g5 V  scale_size(range=c(2,9))+labs(title="2020年1月22日全球新增确诊人数分布")+
  & x1 n  b  Q+ f% |0 V  theme_grey(base_size = 15)+
    \' t3 z# C. d; ?4 K3 R& u  theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
          legend.title=element_blank())
  ; K1 g4 H! M" Q! |1 a
  9 E5 v( U1 S: V+ o! T1 t) ?  a3 n" y# @ggplot()+mapworld+ylim(-60,90)+
  8 M( A/ D2 h1 |9 h) F  geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-11-22`),color="darkorange")+
  7 D: q' e% C) p1 _  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 z: |# g- t8 K4 a3 ^1 G8 H  theme_grey(base_size = 15)+
    theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
  ( g3 N% I7 Q; _+ ?. p! r6 s        legend.title=element_blank())
  1 o! J" H$ f. V' K. a0 w! }* F8 F
  
  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

  
  

  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
  ! H+ \2 H( {, C/ S& n; bcum_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")
  2 s. U: X7 O2 O+ k: v3 h4 cfive_country<-subset(cum_patient_time,Country %in% c("India","Brazil","Russia","Spain","Italy"))
  five_country$date<-as.Date(five_country$date)
  3 U! d* ]8 c6 P2 s( q7 ~" f5 x
  ggplot(five_country,
              aes(x=reorder(Country,increase_patient),y=increase_patient, fill=Country,frame=date)) +  
    geom_bar(stat= 'identity', position = 'dodge',show.legend = FALSE) +  
  ) o6 q; X( }. E4 `6 W  geom_text(aes(label=paste0(increase_patient)),col="black",hjust=-0.2)+  
    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
          axis.text = element_blank(),  #删除刻度标签
  . i+ M8 P5 O3 Z5 }( y2 X        axis.ticks = element_blank(),  #删除刻度线
  9 l& P+ y6 I8 l  a" D. A6 g  )+
  . c2 h1 O) M# Y5 _( ~: S  coord_flip()+  
    transition_manual(frames=date) +  #动态呈现
  : s* s0 w' X7 p  C4 I  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))+
  ( q0 ~: M" e) V9 Z5 V  ease_aes('linear')  
  
  anim_save(filename = "五国累计确诊病例增长动态图.gif")
  
  7 c9 i1 u) o/ N9 A3 i/ |0 D
  1 `) d" F+ Z2 k, H5 s& [
  

# m& P7 L2 U( o% d  b! e, y