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 m3 }# J( S2 e/ j% S目录
: K9 W/ z9 M, S- `% w* {一、数据介绍及预处理
7 X, y  I: A: C* j二、新增确诊病例变化趋势
三、新增确诊病例全球地理分布
7 J* Y3 j; k6 z5 R四、累计确诊病例动态变化图
! H8 N6 P* B1 d; P一、数据介绍及预处理
1. 基本字段介绍
, o" J' L. P+ D) B' F' ^
0 [. {) N1 D+ V, m7 W9 ?" A4 |字段名        含义
7 m1 F7 u5 f5 S: U6 c, B2 a. K& S& RProvince/State        省/州
7 q/ v" R5 A% v2 \( W% X/ {1 LCountry/Region        国家/地区
Lat        纬度
- E2 A* l) y# @9 O1 H" H/ eLong        经度
$ V! R" E! Z$ V2 y1/22/20-12/7/20        每日累计确诊病例

( x, `) i3 A6 e( C5 K
( X" ]% E- X' `% D3 G% [( T
) j' l4 ^  x9 X

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)]
  / `  a# e! U3 s# @% d% g[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)]
  & b& [  X1 O0 S9 h[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
  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
  * h" \- o* k3 Y. b5 O. Rnew_data<-cbind(information_data,increase_data)
  
  . G* _6 z- q/ S8 D1. 中国新增确诊病例变化趋势
  ( X8 R, I! o, n9 S" S; u8 C#合并所有省份新增确诊人数
  china<-new_data[new_data$`Country/Region`=='China',]
  3 {; O! k3 t: J% J9 C$ Zchina_increase<-data.frame(apply(china[,-c(1:4)],2,sum))
  colnames(china_increase)<-'increase_patient'
  + b& v, P+ O$ o' U2 d9 ychina_increase$date<-as.Date(rownames(china_increase),format="%Y-%m-%d")
  
  2 ?' |. w" \- M. b3 rggplot(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!)
  7 n8 ?1 ?! }$ O; h0 r7 n  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)
  ; z4 r8 B$ U% o, m; k  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
  3 w( z& V" ~! p  K& }& t        axis.title.x = element_blank(),
  % Z: |9 _; }; x8 q        axis.title.y = element_text(size=15),
  / r, Y$ M: `4 m7 R, @0 x) b        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))
  ( r. T  J2 t# _0 X
                               
  2. 美国新增病例变化趋势
  us<-new_data[new_data$`Country/Region`=='United States',]
  us_increase<-gather(us,key="date",value="increase_patient",'2020-01-22':'2020-12-07')
  us_increase$date<-as.Date(us_increase$date)
  * ?- c2 w4 z4 Z9 Pggplot(us_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
    scale_x_date(date_breaks = "14 days")+   #设置横轴日期间隔为14天
  ! ~0 q* r" x0 G/ P7 K! Z  labs(x='日期',y='新增确诊人数',title='2020年1月22日-2020年12月7日美国新增确诊人数变化趋势图')+
    theme_economist()+   #使用经济学人绘图样(式ggthemes包)
  ! Q% |( {! S. c; p9 H" _  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
  ; s9 j6 s& y/ h$ W. F8 h! u- R        axis.title.x = element_blank(),
  ' M5 ]3 {# J4 b3 X" ^" T        axis.title.y = element_text(size=15),
  4 A2 Z5 `1 M/ D2 T& n- ]        axis.text.x = element_text(angle = 90,size=15),
  $ y" o: Q2 b5 A5 Q% O: D        axis.text.y = element_text(size=15),
          legend.title=element_blank(),
          legend.text=element_text(size=15))
  
  4 O) v( I9 @" a" F, ^
  9 J  q( K7 i' g8 Y7 Y; \7 C. V1 O' R3. 全球新增病例变化趋势
  total_increase<-data.frame(apply(new_data[,-c(1:4)],2,sum))
  4 y5 x! z) H% \; D- w; E/ f* o: T/ Lcolnames(total_increase)<-'increase_patient'
  6 U% s4 F/ Y  r* x. b& ntotal_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)+
  0 c: V, p0 k( m* x, x/ ~( `( V+ x  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
  3 w7 ^  c, T4 R6 K- `                     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(),
  4 v# F. O8 G: |' \. T0 `- C" B( c        axis.title.y = element_text(size=15),
  ) O( C3 k' f# F; z        axis.text.x = element_text(angle = 90,size=15),
          axis.text.y = element_text(size=15),
  $ Z; j/ ]# y8 f7 f        legend.title=element_blank(),
  ) D7 w* E% e* U& G& j8 G: M        legend.text=element_text(size=15))
  
  
  三、新增确诊病例全球地理分布
  mapworld<-borders("world",colour = "gray50",fill="white")
  ! ]! g. R7 I7 X" O* U7 zggplot()+mapworld+ylim(-60,90)+
  4 n$ N* }5 A& a; A" ^9 {' {- R- L  geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-01-22`),color="darkorange")+
  ; l0 h: ]* @6 ^1 ~  scale_size(range=c(2,9))+labs(title="2020年1月22日全球新增确诊人数分布")+
  , m9 V$ U9 l4 [* F  theme_grey(base_size = 15)+
    V! n/ h8 T. l0 j0 J  theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
  1 ^: D# R6 d3 x8 E% q6 z6 C0 y        legend.title=element_blank())
  
  5 l8 R) U9 U7 U1 H4 Lggplot()+mapworld+ylim(-60,90)+
    geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-11-22`),color="darkorange")+
    scale_size(range=c(2,9))+labs(title="2020年11月22日全球新增确诊人数分布")+
  3 P$ r1 H* E$ @9 \+ U; n; b, a  theme_grey(base_size = 15)+
    theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
  % E" b! Y; h6 J( @2 i' E        legend.title=element_blank())
  
  
  ( X" s' f3 m& y# i& [) }* Y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

  
    j) q' P, ?+ v- \

  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))

  
  : d, I! q7 e& s4 X- F2. 五国（India、Brazil、Russia、Spain、Italy）累计确诊病例动态变化图
  + {; s* N5 P/ B9 u6 m% u: ^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)
  
  : E* F6 T1 }) x% k7 r% h4 A2 Wggplot(five_country,
  3 ?. v- @$ q) X: t2 Q            aes(x=reorder(Country,increase_patient),y=increase_patient, fill=Country,frame=date)) +  
  : ^8 ^# |! u6 ^* D: v7 G  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
    theme(legend.position="none",
  0 a% o6 Y* V2 s# n* `: ?# z! C2 p( [        panel.background=element_rect(fill='transparent'),
  $ I0 q; k+ b7 j  W, i. q        axis.text.y=element_text(angle=0,colour="black",size=12,hjust=1),
  - p2 v& u- [% B, t" ~9 }        panel.grid =element_blank(),  #删除网格线
          axis.text = element_blank(),  #删除刻度标签
          axis.ticks = element_blank(),  #删除刻度线
    )+
  : G7 Y5 k# Y( I+ V; ]- X( |( o  coord_flip()+  
    transition_manual(frames=date) +  #动态呈现
  5 Q" b6 A6 _! F3 a* `& j  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))+
  6 D8 v- G3 t. i# @, Y  ease_aes('linear')  
  ( V: b& l5 x6 @& |
  anim_save(filename = "五国累计确诊病例增长动态图.gif")
  " S0 U2 q: T" f9 |, y$ w% X
  
  
  

0 H/ v; ?, w$ ?2 n6 L4 H& j' J