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
' {2 U7 f5 R# L5 l3 @% Q1 o5 U目录
( x2 H* P3 b/ X一、数据介绍及预处理
二、新增确诊病例变化趋势
% _( E$ ~& y! |2 @( ^& _4 ^# f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

! t, `' C3 `( Y字段名        含义
Province/State        省/州
6 a) V0 F* Y& |3 [- UCountry/Region        国家/地区
% S. f  ?; \0 w7 l. x" ]- M: W& `Lat        纬度
% `0 u8 F& _6 d6 T: G% oLong        经度
& ?% g6 @3 P: b9 L- I* U) U1/22/20-12/7/20        每日累计确诊病例

& ?, b2 k6 W2 |; M. ]; i
4 g6 g& S6 M6 i, N4 y$ a# c( f
3 u, g0 o5 {& }8 x8 g

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)]
  ( F4 [  z- f! k% C) W, b[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)]
  . [' L1 {% Y% O# ?[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)]
  ) N3 _' B; z' V6 o' j& a  T% E9 J6 E[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)]
  / l1 [& [$ d( m" h+ [1 W; y8 n+ _[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
  0 J, q2 ^% m# j1 l( ninspect_lag_data<-cbind(0,inspect_data[,1ncol(inspect_data)-1)])
  increase_data<-inspect_data-inspect_lag_data
  . T7 q  l- U! I6 o; r
  # }- b' M# f4 W) y2 D#合并数据,new_data为新增确诊人数数据
  $ ]4 ?" h' X1 a: S3 g/ Hnew_data<-cbind(information_data,increase_data)
  
  ! }+ @% s5 o1 |1 ]1. 中国新增确诊病例变化趋势
  ; U( {- E; c, n2 L1 o. Z5 ^#合并所有省份新增确诊人数
  + x2 `3 K- ?  T2 b* b2 rchina<-new_data[new_data$`Country/Region`=='China',]
  . f# G( \2 ?! d# z7 ]3 W% Wchina_increase<-data.frame(apply(china[,-c(1:4)],2,sum))
  colnames(china_increase)<-'increase_patient'
  ; R. F  l$ s' v) H" r- D# q& vchina_increase$date<-as.Date(rownames(china_increase),format="%Y-%m-%d")
  4 s% h; u% F. C+ `
  9 [& Q" X  @9 t+ fggplot(china_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
  . L- r+ d# {' B0 g6 e  scale_x_date(date_breaks = "14 days")+  #设置横轴日期间隔为14天(注意:此时的date列必须为日期格式!)
  7 o& @$ X, g  L3 [/ ?6 _- a2 w0 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')+
    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),
  9 y' D* r5 \' Z8 \, Y- R! l9 p        axis.title.x = element_blank(),
  % |# U+ I+ q. R0 D  O        axis.title.y = element_text(size=15),
          axis.text.x = element_text(angle = 90,size=15),
  ' j: _/ h3 x7 S8 B' {' D7 k        axis.text.y = element_text(size=15),
  & V* `5 p: x! P* \! c4 c) V        legend.title=element_blank(),
          legend.text=element_text(size=15))
  
                               
  : W: P- ^' H( P4 A/ V2. 美国新增病例变化趋势
  , d) K  z# t6 @2 h3 ]' Jus<-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$date)
  ggplot(us_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
    scale_x_date(date_breaks = "14 days")+   #设置横轴日期间隔为14天
  5 S) \4 v0 I6 w) Z( G2 B  labs(x='日期',y='新增确诊人数',title='2020年1月22日-2020年12月7日美国新增确诊人数变化趋势图')+
    theme_economist()+   #使用经济学人绘图样(式ggthemes包)
    theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
          axis.title.x = element_blank(),
  * _6 e$ o! |/ b4 U  @0 k/ v        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(),
  / D* T5 g9 F' p  J& Q        legend.text=element_text(size=15))
  
  6 G  g2 x- F: Q7 r2 h8 v
  3. 全球新增病例变化趋势
  1 W4 x! z3 g8 K; q. Ctotal_increase<-data.frame(apply(new_data[,-c(1:4)],2,sum))
  colnames(total_increase)<-'increase_patient'
  total_increase$date<-as.Date(rownames(total_increase),format="%Y-%m-%d")
  ggplot(total_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
  ' d' V5 Q. g1 N/ a5 G. M  scale_x_date(date_breaks = "14 days")+
    labs(x='日期',y='新增确诊人数',title='2020年1月22日-2020年12月7日全球新增确诊人数变化趋势图')+
  + M3 V7 r7 ^% }9 a  theme_economist()+
    scale_y_continuous(limits=c(0,8*10^5),      #考虑数字过大,以文本形式标注y轴标签
  ( Q5 |+ S+ i1 y! `  a                     breaks=c(0,2*10^5,4*10^5,6*10^5,8*10^5),
  & q2 N- K/ s' Q7 b5 i8 m. b                     labels=c("0","20万","40万","60万","80万"))+
    theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
          axis.title.x = element_blank(),
          axis.title.y = element_text(size=15),
          axis.text.x = element_text(angle = 90,size=15),
  ' V$ e  W, g6 Q+ i        axis.text.y = element_text(size=15),
  + E/ z3 d; h3 {& O5 A        legend.title=element_blank(),
  4 L8 S/ Q8 |8 e" C% |  }; {        legend.text=element_text(size=15))
  3 H" O, j% e2 R7 {6 J0 c* Y5 f4 L
  
  4 f) R) ?1 ?4 d三、新增确诊病例全球地理分布
  mapworld<-borders("world",colour = "gray50",fill="white")
  : j; u' s7 Z" h" p- \4 k0 Rggplot()+mapworld+ylim(-60,90)+
    geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-01-22`),color="darkorange")+
    scale_size(range=c(2,9))+labs(title="2020年1月22日全球新增确诊人数分布")+
  7 G6 _5 s( ]( o$ e' B  I  theme_grey(base_size = 15)+
    theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
  8 k( s( D1 Q7 V* O7 E# q% |+ B. E$ n        legend.title=element_blank())
  
  ' M6 k4 f' k3 a! S7 w* C4 eggplot()+mapworld+ylim(-60,90)+
    geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-11-22`),color="darkorange")+
  / j6 \5 h: d7 P+ G% n9 v/ P+ y! V  scale_size(range=c(2,9))+labs(title="2020年11月22日全球新增确诊人数分布")+
  3 R: v- \2 I8 Z" b4 j. z) o  theme_grey(base_size = 15)+
  8 i2 k1 o. e! J$ F# h  theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
          legend.title=element_blank())
  
  # m' \) z+ ]4 p9 v3 q+ e4 K8 q
  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
  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")
  4 I& N8 U* y% {five_country<-subset(cum_patient_time,Country %in% c("India","Brazil","Russia","Spain","Italy"))
  3 J! x  O4 Y0 }8 X3 Vfive_country$date<-as.Date(five_country$date)
  
  ggplot(five_country,
              aes(x=reorder(Country,increase_patient),y=increase_patient, fill=Country,frame=date)) +  
  ; \& Y+ F3 m/ x+ q& K+ W! X  geom_bar(stat= 'identity', position = 'dodge',show.legend = FALSE) +  
  8 Q, s5 ^+ b- r7 {% ~- J# O  geom_text(aes(label=paste0(increase_patient)),col="black",hjust=-0.2)+  
  : g% t2 @7 t1 ^) p1 T3 G4 x5 x% x* H  scale_fill_brewer(palette='Set3')+  #使用Set3色系模板
  " ]( N; c! @+ e$ n% n* s' a% f  theme(legend.position="none",
  $ n; a' r# k, V  u4 o( t4 a        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
  / V' W% p- [2 {) ]2 A$ w        axis.text = element_blank(),  #删除刻度标签
          axis.ticks = element_blank(),  #删除刻度线
  8 r! c+ _" ~- k+ y4 l, q  )+
  : p; j, f' x, S/ A9 J9 R  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')+  
  # l- J% e0 l9 Y3 q& X" m) A  theme(axis.title.x = element_text(size=15))+
    ease_aes('linear')  
  ( N: l' l& w6 n; j5 N
  anim_save(filename = "五国累计确诊病例增长动态图.gif")
  
  7 W/ H  F- ?4 \) U9 D7 I
  
  # n5 u* _5 G$ c4 t# E

4 _, A, k4 {3 M' p& H# d) }