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
' d/ T* {' C2 [目录
) K/ M) D- e6 A. W" W( X0 O2 g一、数据介绍及预处理
二、新增确诊病例变化趋势
: w+ O! l% X* ^三、新增确诊病例全球地理分布
3 p$ P* U3 ~% [: K' x, T四、累计确诊病例动态变化图
一、数据介绍及预处理
: E6 a: }: G2 }1. 基本字段介绍
7 T3 x+ h* Z0 X+ N: Y, y$ I' i( I
字段名        含义
: H) P- \; [+ x; N( T( w6 sProvince/State        省/州
Country/Region        国家/地区
) x- m- E' e  n6 dLat        纬度
! i& S7 I3 A2 i2 z; Z& x8 HLong        经度
1/22/20-12/7/20        每日累计确诊病例
7 J; r' o  m+ {. W


, j* c; w2 e2 E" F2 _5 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)]
  - E& F2 |) |9 w3 F8 i7 d[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)]
  2 e6 [- V5 \4 {[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
  : \# \# `, n+ y2 e  c( Dinspect_lag_data<-cbind(0,inspect_data[,1ncol(inspect_data)-1)])
  3 U$ i6 P7 S% z3 A9 ~$ sincrease_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
  #合并所有省份新增确诊人数
  : C; x" _% S1 f2 v6 N% c3 Echina<-new_data[new_data$`Country/Region`=='China',]
  - V& A* [( u/ U; O8 e# Vchina_increase<-data.frame(apply(china[,-c(1:4)],2,sum))
  colnames(china_increase)<-'increase_patient'
  4 l2 R( B; @; t( [+ j8 o: gchina_increase$date<-as.Date(rownames(china_increase),format="%Y-%m-%d")
  
  + E7 T) _& U6 `2 [8 m3 B4 z0 Sggplot(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)
    theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
          axis.title.x = element_blank(),
  % c: {; M" o) ]# q- V& s        axis.title.y = element_text(size=15),
  1 P7 ?# j/ X7 m/ S+ [        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))
  6 K: X/ W3 r: z4 m
  : m. h1 r# I4 n! C                             
  + A' u, `$ I; J. w* |# Q5 r( R2. 美国新增病例变化趋势
  9 ^: I, _8 [5 b5 mus<-new_data[new_data$`Country/Region`=='United States',]
  us_increase<-gather(us,key="date",value="increase_patient",'2020-01-22':'2020-12-07')
  & A* p& _$ o2 ?1 {8 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)+
  7 v* I/ c  @+ d5 b( |1 h( w  scale_x_date(date_breaks = "14 days")+   #设置横轴日期间隔为14天
  7 L/ k7 W! k, @2 v9 A) O- M0 v  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')+
  " ]4 G9 W( R; M$ D9 Q  theme_economist()+   #使用经济学人绘图样(式ggthemes包)
  " {8 J5 G9 L5 m7 p  {  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
  ; O* q" s( C7 T2 I. `8 S; d% }        axis.title.x = element_blank(),
  5 h- s0 G' P; B0 H        axis.title.y = element_text(size=15),
          axis.text.x = element_text(angle = 90,size=15),
  ( |6 a2 i; |3 o4 I0 T* R/ Q        axis.text.y = element_text(size=15),
  3 I4 S  c/ X  G' p2 b0 c7 B9 w        legend.title=element_blank(),
  - l% W) b; ~) P; q3 n' C. w        legend.text=element_text(size=15))
  
  1 u0 M4 \& g* A( e) f
  3. 全球新增病例变化趋势
  total_increase<-data.frame(apply(new_data[,-c(1:4)],2,sum))
  # L* \1 y7 n8 X& h& F9 L3 vcolnames(total_increase)<-'increase_patient'
  5 c$ o, M# f8 U; Z: Ototal_increase$date<-as.Date(rownames(total_increase),format="%Y-%m-%d")
  ggplot(total_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
    _& Z. c5 y* |7 S  scale_x_date(date_breaks = "14 days")+
  . |4 F% s) t# r: p5 B3 m  labs(x='日期',y='新增确诊人数',title='2020年1月22日-2020年12月7日全球新增确诊人数变化趋势图')+
    theme_economist()+
  6 W! q- W2 r. ?  scale_y_continuous(limits=c(0,8*10^5),      #考虑数字过大,以文本形式标注y轴标签
  : F0 X2 p0 @+ g5 q% J                     breaks=c(0,2*10^5,4*10^5,6*10^5,8*10^5),
                       labels=c("0","20万","40万","60万","80万"))+
  4 R# T$ j0 G8 x; \% X  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
          axis.title.x = element_blank(),
  5 t& q6 P. `6 v/ E! A        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))
  $ E# Q' G8 q( \6 w
  
  & ^+ {# n$ P5 l三、新增确诊病例全球地理分布
  - D( Z6 {7 S. H! |+ _' z' Umapworld<-borders("world",colour = "gray50",fill="white")
  / x+ G. a0 \$ k" h: \6 fggplot()+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")+
  9 Q3 P& t5 }, q( Q  theme_grey(base_size = 15)+
    theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
  ( s( F, d7 ?8 e        legend.title=element_blank())
  
  ggplot()+mapworld+ylim(-60,90)+
  : D( m6 Z- _9 r( z; g  geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-11-22`),color="darkorange")+
  & y, _' N; `& F$ P; ^: K5 _( {  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())
  ( V; l( ^2 X7 g+ g$ S/ v+ D8 M% b; ]" X
  
  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

  
  # ~* e4 q0 I' b/ E4 w2 d1 Y! J

  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
  1 [- ~3 K4 p, g. Xcum_patient_time<-gather(data,key="date",value="increase_patient",'2020-01-22':'2020-12-07')
  $ Z! k7 m7 Z1 j0 @colnames(cum_patient_time)<-c("rovince","Country","Lat","Long","date","increase_patient")
  3 H5 J' |! r) n" dfive_country<-subset(cum_patient_time,Country %in% c("India","Brazil","Russia","Spain","Italy"))
  five_country$date<-as.Date(five_country$date)
  
  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) +  
  , I# j. `1 k  B2 `* `  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",
  8 j' l- C6 e( N8 S. _# f! }4 M        panel.background=element_rect(fill='transparent'),
  : }+ i' r/ h# D. f        axis.text.y=element_text(angle=0,colour="black",size=12,hjust=1),
  ) _! h% j6 J% [5 K        panel.grid =element_blank(),  #删除网格线
          axis.text = element_blank(),  #删除刻度标签
  - n% N; S7 `: Q0 j4 [6 f. N$ Y        axis.ticks = element_blank(),  #删除刻度线
  & \  c: J) \$ s, ?/ m5 k  )+
    coord_flip()+  
  / i; m  E8 I! o4 N$ {) F" e  transition_manual(frames=date) +  #动态呈现
  : m% V- t# l* `; W2 L# C1 E  labs(title = paste('日期:', '{current_frame}'),x = '', y ='五国累计确诊病例增长')+  
  ( [: z7 k( y* ?1 D  theme(axis.title.x = element_text(size=15))+
    Z( g+ ^9 |4 h! n  ease_aes('linear')  
  # h: t  s% w7 e; K9 q8 r9 _
  anim_save(filename = "五国累计确诊病例增长动态图.gif")
  
  3 D) U- ~9 F4 r
  6 j* g7 Y- B# J8 ]; l