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
7 W; U9 X. ^& y% x, Z目录
一、数据介绍及预处理
" S) u4 `1 l% {" K* V2 w( ?* j二、新增确诊病例变化趋势
4 c1 f: x; {' F$ D  r三、新增确诊病例全球地理分布
9 \% N+ V' R( H; _) U& B四、累计确诊病例动态变化图
3 }* w* _. H' v! G& d/ x一、数据介绍及预处理
1. 基本字段介绍

字段名        含义
Province/State        省/州
3 o( b8 z% u) V, @+ ECountry/Region        国家/地区
Lat        纬度
; d3 a6 c. b# |9 V/ LLong        经度
1/22/20-12/7/20        每日累计确诊病例

" {) N3 J0 ?, R$ ]

* q9 ~5 m  @. \  z! y0 x4 @

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)]
  2 q) r* D; r0 C& ?2 E% ^[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)]
  7 [1 I' h' c1 e5 T4 a" Y[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
  8 M# \9 f. w: \$ K  a
  " A5 Z7 L# `/ \, X; ^#合并数据,new_data为新增确诊人数数据
  % H7 l6 p% w, j  Q- X, ]; Snew_data<-cbind(information_data,increase_data)
  5 G2 w6 J, e! e# {
  1. 中国新增确诊病例变化趋势
  # A! E3 K+ d. U8 f8 A  K3 }: e#合并所有省份新增确诊人数
  china<-new_data[new_data$`Country/Region`=='China',]
  ( O" O# k' U& B, Nchina_increase<-data.frame(apply(china[,-c(1:4)],2,sum))
  * N# o) V  U0 |5 O( s. _9 Ccolnames(china_increase)<-'increase_patient'
  ' J* a" t1 L5 T9 ochina_increase$date<-as.Date(rownames(china_increase),format="%Y-%m-%d")
  
  6 ?0 p3 M0 s! G, v4 D7 N2 Qggplot(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!)
    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)
  4 v# i4 A! I1 o9 d, M7 @6 S. {0 g) i  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
  - g8 q& m: h* k, S        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),
          legend.title=element_blank(),
          legend.text=element_text(size=15))
  
                               
  : H! a, V& l6 k! J- D( s2. 美国新增病例变化趋势
  5 k1 t! Y# P5 t, f4 S5 G( \us<-new_data[new_data$`Country/Region`=='United States',]
  + z! X. ~" ?6 ^( D+ Ius_increase<-gather(us,key="date",value="increase_patient",'2020-01-22':'2020-12-07')
  # V0 D# L0 g8 q0 K5 `us_increase$date<-as.Date(us_increase$date)
  ggplot(us_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
  + u: D3 U' j* K8 j6 ~! x  scale_x_date(date_breaks = "14 days")+   #设置横轴日期间隔为14天
  5 a# I) T* I  }* E6 x' u5 ~  labs(x='日期',y='新增确诊人数',title='2020年1月22日-2020年12月7日美国新增确诊人数变化趋势图')+
    theme_economist()+   #使用经济学人绘图样(式ggthemes包)
  0 q2 U% ~( W- B  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
          axis.title.x = element_blank(),
  ) n4 g2 t. U$ f+ A0 j) [        axis.title.y = element_text(size=15),
  3 M% T% V8 y$ G3 V        axis.text.x = element_text(angle = 90,size=15),
          axis.text.y = element_text(size=15),
          legend.title=element_blank(),
  4 U/ V8 f# |. A5 ]        legend.text=element_text(size=15))
  
  
  3. 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'
    E4 G0 E4 H# O5 ftotal_increase$date<-as.Date(rownames(total_increase),format="%Y-%m-%d")
  ggplot(total_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
  + J/ `$ E6 v  }9 E  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()+
    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
    j. j- `0 C0 z' ]# f: {; x                     breaks=c(0,2*10^5,4*10^5,6*10^5,8*10^5),
  / p. C* a+ J( ?1 h6 F                     labels=c("0","20万","40万","60万","80万"))+
    theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
  & r  I* [7 p$ Y4 Q" K        axis.title.x = element_blank(),
          axis.title.y = element_text(size=15),
  / m7 z$ u  q+ V  Y* c        axis.text.x = element_text(angle = 90,size=15),
          axis.text.y = element_text(size=15),
  7 n: H5 b2 x/ E! ?        legend.title=element_blank(),
          legend.text=element_text(size=15))
  / k  ?/ s/ X0 q
  
  三、新增确诊病例全球地理分布
  9 I9 W# @5 O$ Y8 Y8 W4 emapworld<-borders("world",colour = "gray50",fill="white")
  / [0 B* v/ t3 Y; ?ggplot()+mapworld+ylim(-60,90)+
  ) o- g0 ]3 \( ?' X9 u  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)+
    theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
  " Y, u* |% t! L- j! L! l        legend.title=element_blank())
  
  ggplot()+mapworld+ylim(-60,90)+
  ; _6 I6 ^8 c$ v  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")+
    theme_grey(base_size = 15)+
  9 \; j( p! f. R; j8 v& R  theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
  ! P  B+ @* W  C# \' w        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

  
  1 l/ b+ R1 w1 b. Y

  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))

  
  ) F$ {: S: j9 q. K2. 五国（India、Brazil、Russia、Spain、Italy）累计确诊病例动态变化图
  1 c8 e' f+ f7 ?6 M) P7 Hcum_patient_time<-gather(data,key="date",value="increase_patient",'2020-01-22':'2020-12-07')
  6 T: L. ^+ C8 f7 l5 ncolnames(cum_patient_time)<-c("rovince","Country","Lat","Long","date","increase_patient")
  ! ?3 i" V+ E2 a: o1 u/ F$ D5 afive_country<-subset(cum_patient_time,Country %in% c("India","Brazil","Russia","Spain","Italy"))
  five_country$date<-as.Date(five_country$date)
  4 d2 x+ ^) _, s* z4 l7 r
  3 }3 n. W2 q8 w! @8 vggplot(five_country,
              aes(x=reorder(Country,increase_patient),y=increase_patient, fill=Country,frame=date)) +  
  # v! ^3 w% g; M, I! n: i8 o  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
  8 L" c+ X$ o- K) C7 B7 n  theme(legend.position="none",
  - @' C" k, ]7 d; k7 r        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
  % E( K9 _. o( ?; Z1 ~        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')+  
    |4 ]2 Y" \0 B" F; E# F# N  theme(axis.title.x = element_text(size=15))+
    ease_aes('linear')  
  
  * a# y' N9 D4 S/ ~2 zanim_save(filename = "五国累计确诊病例增长动态图.gif")
  
  / i) S. I+ ~! O! v
  7 m3 e% Y  u  x/ c* \
  

/ F) n6 {1 _( v# e+ I, n