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
4 ]8 ?2 T6 f. B- f一、数据介绍及预处理
9 o0 H. n  z9 W3 \  H9 D7 y4 m二、新增确诊病例变化趋势
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

字段名        含义
Province/State        省/州
Country/Region        国家/地区
# @' @# P3 Y9 }Lat        纬度
Long        经度
+ c5 u$ D' S  f1/22/20-12/7/20        每日累计确诊病例



+ w2 _8 L' |: @8 B$ J: [

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)]
  " }/ h4 B- U  _- c[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
  2 e8 X3 B) j/ ]; |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
  new_data<-cbind(information_data,increase_data)
  
  1. 中国新增确诊病例变化趋势
  $ P: C8 T. I% ?#合并所有省份新增确诊人数
  / b: a9 S/ K& \; @# xchina<-new_data[new_data$`Country/Region`=='China',]
  : Q% g' K6 s" |. M% ]7 \china_increase<-data.frame(apply(china[,-c(1:4)],2,sum))
  ' D/ d5 f' f8 jcolnames(china_increase)<-'increase_patient'
  china_increase$date<-as.Date(rownames(china_increase),format="%Y-%m-%d")
  9 l3 q6 N" a' u" l& g( d" b6 j
  ggplot(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!)
  + Q3 R! l" ~, W8 R. Y( a  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),
  : j$ L6 }; t# V( }9 ?. C- P        axis.text.x = element_text(angle = 90,size=15),
          axis.text.y = element_text(size=15),
  . E# m6 _7 n0 x" q4 m$ H" _+ V; H        legend.title=element_blank(),
  8 y$ V; {! Y3 D% O        legend.text=element_text(size=15))
  
                               
  3 X; M# |% l: I1 x2. 美国新增病例变化趋势
  / C; y9 S4 a) m/ e+ qus<-new_data[new_data$`Country/Region`=='United States',]
  % l6 q7 g$ n* {, Q7 n) u) {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)+
  9 b8 {' @+ l) H+ x+ [5 m  scale_x_date(date_breaks = "14 days")+   #设置横轴日期间隔为14天
  3 b, l; _& i1 q  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)
  & v0 d9 n8 }5 W5 X  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
          axis.title.x = element_blank(),
  2 e$ D. s4 y* t% l        axis.title.y = element_text(size=15),
  + L* H3 m" R5 y4 n+ t5 a; b$ I6 O" q        axis.text.x = element_text(angle = 90,size=15),
          axis.text.y = element_text(size=15),
  + j3 U# S: n6 w! D: r& }2 c        legend.title=element_blank(),
    x; l5 Z9 e: S- a5 U. d        legend.text=element_text(size=15))
  
  / [: y2 s0 K" u2 u
  1 O3 {+ U6 J4 v% ?3. 全球新增病例变化趋势
  9 B$ Q$ q# a+ c0 M" Z. @total_increase<-data.frame(apply(new_data[,-c(1:4)],2,sum))
  colnames(total_increase)<-'increase_patient'
  0 O1 a: X9 |0 }$ o: Z9 V4 Z' @total_increase$date<-as.Date(rownames(total_increase),format="%Y-%m-%d")
    T3 x$ F( F4 d4 N! N& nggplot(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()+
    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),
  : w7 y/ G( v$ a4 ~: n                     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(),
  0 G; `1 p( f; n        axis.title.y = element_text(size=15),
  ; ^$ q/ a, K7 t- ^0 O& q) @) S        axis.text.x = element_text(angle = 90,size=15),
          axis.text.y = element_text(size=15),
  / A6 g; D9 n- m        legend.title=element_blank(),
          legend.text=element_text(size=15))
    \! K* h! W& C! o" m/ l7 R7 {+ r
  # `' K# k, Y1 O* I
  7 }& W3 B" C) ~7 U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)+
    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")+
  % f; j+ Q* D# r' U, ]; S6 \  theme_grey(base_size = 15)+
    theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
          legend.title=element_blank())
  
  : Z) P! c) V$ }$ r# ?. iggplot()+mapworld+ylim(-60,90)+
  # k. ?3 q2 x* w1 ]2 |  geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-11-22`),color="darkorange")+
    scale_size(range=c(2,9))+labs(title="2020年11月22日全球新增确诊人数分布")+
  2 r! C4 _  W. B$ h; n. F  theme_grey(base_size = 15)+
  / u7 N: |5 J- E  theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
  ( l% |5 ?9 K1 @6 X8 f& [. K  {" ^        legend.title=element_blank())
    G" A* j! r7 z; r# ^) ~* ^- I
  0 o" }. j! J8 b* K6 x
  4 n2 Z' o/ V( q4 n' Z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))

  
  7 q, y3 \+ d3 `7 V8 a: x( Z) Q2. 五国（India、Brazil、Russia、Spain、Italy）累计确诊病例动态变化图
  cum_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"))
  five_country$date<-as.Date(five_country$date)
  
  ! U; S  `5 o( N$ r1 f6 t& U( \ggplot(five_country,
              aes(x=reorder(Country,increase_patient),y=increase_patient, fill=Country,frame=date)) +  
  6 I( V5 y) p" Y- M& R' [! P  geom_bar(stat= 'identity', position = 'dodge',show.legend = FALSE) +  
    geom_text(aes(label=paste0(increase_patient)),col="black",hjust=-0.2)+  
  9 F, s* l8 Y% ^  scale_fill_brewer(palette='Set3')+  #使用Set3色系模板
  : K" f  }% Z& A4 p/ U, `7 j  theme(legend.position="none",
  ; b' t* ^) e9 I9 G9 N1 r# H        panel.background=element_rect(fill='transparent'),
  8 K7 K5 U# O& w6 i3 r; P        axis.text.y=element_text(angle=0,colour="black",size=12,hjust=1),
  : Y  _/ x3 y6 |% W; ]/ A        panel.grid =element_blank(),  #删除网格线
  , Z8 M( d9 \( U1 s6 u        axis.text = element_blank(),  #删除刻度标签
  ( Y7 k- _, m7 D        axis.ticks = element_blank(),  #删除刻度线
    )+
  : g! [" h0 a+ X# B7 ]8 |  coord_flip()+  
  2 ~! A+ b, W0 ]! A% z& r: c* R( t  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))+
    ease_aes('linear')  
  6 p  f) w% ^0 h" i; w
  + ^9 u; j& N& I3 [  }anim_save(filename = "五国累计确诊病例增长动态图.gif")
  
  1 b: A+ {9 I8 ]3 o" I  h8 `  w
  
  : J, g: W/ a: m) |9 b; I* b

1 i) p2 d* v, q4 I