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
& p5 k8 K6 ^$ i/ w. P) h目录
一、数据介绍及预处理
二、新增确诊病例变化趋势
  i( J% A3 ~& ^+ |8 k3 z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
8 N( m* U% @! z/ [8 l. z一、数据介绍及预处理
1. 基本字段介绍
3 N, d% i- L7 {0 ?/ A& v' B
' Z% B7 j' J6 W- P, Y+ z2 z字段名        含义
" s4 z# e  }6 C4 ~Province/State        省/州
Country/Region        国家/地区
Lat        纬度
Long        经度
( t# \5 }- P3 }9 H1 |1/22/20-12/7/20        每日累计确诊病例
0 V. H6 @8 `, e& x5 |  a
7 q# m! n* j3 `- x" \- S/ D( A

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)]
  $ p$ ]3 |# V6 z6 e; C* c[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)]
  , J# c* k: X2 ^! e% R[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)]
  ; f: t4 z) k) w+ C( G0 Y[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
  ) V- F  j6 U" s' x4 hinspect_lag_data<-cbind(0,inspect_data[,1ncol(inspect_data)-1)])
  increase_data<-inspect_data-inspect_lag_data
  
  ) H6 c/ r( @( \#合并数据,new_data为新增确诊人数数据
  new_data<-cbind(information_data,increase_data)
  % E  z# V1 T/ i* D: O2 Z
  1. 中国新增确诊病例变化趋势
  ' }' `0 ^0 ~. r6 P: k+ B#合并所有省份新增确诊人数
  china<-new_data[new_data$`Country/Region`=='China',]
  # }6 Z) w. u( k, ~1 |4 K8 {; e+ F* Lchina_increase<-data.frame(apply(china[,-c(1:4)],2,sum))
  colnames(china_increase)<-'increase_patient'
  china_increase$date<-as.Date(rownames(china_increase),format="%Y-%m-%d")
  4 j. N/ I7 B0 a2 x/ Z
  . ^8 [( b( s& ~* i& lggplot(china_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
  " h# |1 _$ C: R# ]( C' d  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)
  - q4 V" }; c% w9 \5 L  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
  . x0 B2 W' M' h2 k) C' [8 r$ S7 A        axis.title.x = element_blank(),
          axis.title.y = element_text(size=15),
          axis.text.x = element_text(angle = 90,size=15),
  7 u5 @7 u6 [4 k0 E$ P7 a/ s        axis.text.y = element_text(size=15),
  ' d0 k' v. o6 h0 r! j        legend.title=element_blank(),
  6 O% H8 N" T1 y0 i        legend.text=element_text(size=15))
  
                               
  ! H: B9 r. K" N4 `: r2. 美国新增病例变化趋势
  us<-new_data[new_data$`Country/Region`=='United States',]
  us_increase<-gather(us,key="date",value="increase_patient",'2020-01-22':'2020-12-07')
  * c! B2 x# p# o7 W: ius_increase$date<-as.Date(us_increase$date)
  & ]5 M! I. D7 M6 h7 aggplot(us_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
    h8 R( H5 y. D7 D0 T  m2 `1 Z$ W% @- v  scale_x_date(date_breaks = "14 days")+   #设置横轴日期间隔为14天
  8 o. Y& {' J# K3 t. m$ v* y4 `  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')+
  1 E( M: R. u$ u2 ?" g% C% X  theme_economist()+   #使用经济学人绘图样(式ggthemes包)
  0 e  B% N4 o/ b0 u1 D, _. M  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
  & F7 @  z, N5 C# |        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))
  , k( s: g! p: z
  
  3. 全球新增病例变化趋势
  8 i' [. D: a2 d  O# Ototal_increase<-data.frame(apply(new_data[,-c(1:4)],2,sum))
  colnames(total_increase)<-'increase_patient'
  total_increase$date<-as.Date(rownames(total_increase),format="%Y-%m-%d")
  ggplot(total_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
    K; @( Q" l; T' z' f  scale_x_date(date_breaks = "14 days")+
    labs(x='日期',y='新增确诊人数',title='2020年1月22日-2020年12月7日全球新增确诊人数变化趋势图')+
    theme_economist()+
    scale_y_continuous(limits=c(0,8*10^5),      #考虑数字过大,以文本形式标注y轴标签
  : N0 `* N0 c1 o4 n                     breaks=c(0,2*10^5,4*10^5,6*10^5,8*10^5),
                       labels=c("0","20万","40万","60万","80万"))+
    theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
          axis.title.x = element_blank(),
  5 t0 m# A! `3 c$ F9 G$ {        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(),
  0 y3 m& {+ m9 I% z2 e! d        legend.text=element_text(size=15))
  ( Q6 q) U) Y! `  e2 P& T
  ) S2 V# g, t  D) R7 u
  三、新增确诊病例全球地理分布
  mapworld<-borders("world",colour = "gray50",fill="white")
  5 X  A5 `0 l! I$ l0 lggplot()+mapworld+ylim(-60,90)+
  + w" d( s; i# c  geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-01-22`),color="darkorange")+
  8 M( ]3 _: s7 e: k% r  scale_size(range=c(2,9))+labs(title="2020年1月22日全球新增确诊人数分布")+
  + s" K- N3 p0 t- d  theme_grey(base_size = 15)+
  1 W2 Y$ L9 `8 w& D  theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
  2 q/ Q0 A; v0 H/ Q* g        legend.title=element_blank())
  * _4 U4 o% Y6 y7 p. e, L% ?2 W! u
  2 ?: X' R. J* ?9 }, A6 n/ `/ v" hggplot()+mapworld+ylim(-60,90)+
  0 m" O" d+ F4 K) o3 D  geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-11-22`),color="darkorange")+
    scale_size(range=c(2,9))+labs(title="2020年11月22日全球新增确诊人数分布")+
  ) h0 G! Y4 w4 E& L$ q( c# Q  theme_grey(base_size = 15)+
  / e  E% x4 f" v4 v, V  theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
  ' q! h0 D( I/ X        legend.title=element_blank())
  
  
  ; u' o6 g* Q# f. z( v" y1 X9 I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

  
  . m- ?  h- ^; F: ]) S. D

  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 q2 C  z9 H+ }# x2. 五国（India、Brazil、Russia、Spain、Italy）累计确诊病例动态变化图
  3 u: \3 O6 ^1 B, D* l# tcum_patient_time<-gather(data,key="date",value="increase_patient",'2020-01-22':'2020-12-07')
  ; n! C6 g$ @  Icolnames(cum_patient_time)<-c("rovince","Country","Lat","Long","date","increase_patient")
  . P5 J- {8 q* F+ mfive_country<-subset(cum_patient_time,Country %in% c("India","Brazil","Russia","Spain","Italy"))
  five_country$date<-as.Date(five_country$date)
  * @5 r9 G: l( [5 V
  & T& y; t( G+ e1 O* Mggplot(five_country,
  8 R+ ~& k+ H+ j( ?4 ]! q3 s3 h            aes(x=reorder(Country,increase_patient),y=increase_patient, fill=Country,frame=date)) +  
    geom_bar(stat= 'identity', position = 'dodge',show.legend = FALSE) +  
  6 l. `# Y1 ]* [! B- U; X  geom_text(aes(label=paste0(increase_patient)),col="black",hjust=-0.2)+  
    scale_fill_brewer(palette='Set3')+  #使用Set3色系模板
  9 S- r- m$ a4 M2 n& `( E# Z7 \* G( W  theme(legend.position="none",
          panel.background=element_rect(fill='transparent'),
          axis.text.y=element_text(angle=0,colour="black",size=12,hjust=1),
  / a7 J' o" T0 z, J6 w0 O& ~        panel.grid =element_blank(),  #删除网格线
          axis.text = element_blank(),  #删除刻度标签
    E4 {& q/ J4 X- i8 E: f- e2 j' F        axis.ticks = element_blank(),  #删除刻度线
    )+
  5 ]5 l( N$ @! ^6 r  coord_flip()+  
    transition_manual(frames=date) +  #动态呈现
  ) o  z& n4 O+ P7 z  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))+
  ) ?  o0 O5 @. o  ease_aes('linear')  
  / b$ V+ k" p' U2 k$ {# N# A, g
  anim_save(filename = "五国累计确诊病例增长动态图.gif")
  
  ! l5 ]. P4 F2 J3 C; `