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
一、数据介绍及预处理
1 H8 J$ k  ]! J! ?3 Q二、新增确诊病例变化趋势
三、新增确诊病例全球地理分布
  J: ?( E3 L6 e9 g2 u0 m+ a四、累计确诊病例动态变化图
- [: h  x) N, `) K. a: j2 E一、数据介绍及预处理
1. 基本字段介绍

字段名        含义
( [  J$ e1 C4 wProvince/State        省/州
Country/Region        国家/地区
Lat        纬度
4 n7 T% z) R2 V) J& sLong        经度
& ?" R% Q& H7 ?1/22/20-12/7/20        每日累计确诊病例
1 x5 N* O0 S! {$ k2 d

1 F* K6 N8 d6 g, A- w
% w( W- c, n& 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)]
  [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)]
  [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
  $ u# a3 B1 C4 J* @inspect_lag_data<-cbind(0,inspect_data[,1ncol(inspect_data)-1)])
  ; B. h' E4 {2 y: a6 }' `, X  Rincrease_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)
  
  3 b0 \) C+ c' y$ G, T& d1. 中国新增确诊病例变化趋势
  * X: J5 W3 z& n0 c0 D) H* b( {. F9 U#合并所有省份新增确诊人数
  4 M" X# h8 d2 H  u8 Fchina<-new_data[new_data$`Country/Region`=='China',]
  7 ^& ^4 P- d8 t, R$ dchina_increase<-data.frame(apply(china[,-c(1:4)],2,sum))
  colnames(china_increase)<-'increase_patient'
  : v1 [( J. i' f2 _china_increase$date<-as.Date(rownames(china_increase),format="%Y-%m-%d")
  
  ) Z7 f6 K: Z' R6 H/ _1 T7 zggplot(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),
  ) \8 P, C% o( {6 W( I1 H: A        axis.title.x = element_blank(),
          axis.title.y = element_text(size=15),
          axis.text.x = element_text(angle = 90,size=15),
  ) i1 `7 n: f/ f; f3 m        axis.text.y = element_text(size=15),
          legend.title=element_blank(),
  4 x+ [2 X8 [- t# S- |5 l  J( C+ l        legend.text=element_text(size=15))
  7 L7 l6 y/ r$ \8 |5 Y
                               
  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$date)
  ggplot(us_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
    scale_x_date(date_breaks = "14 days")+   #设置横轴日期间隔为14天
    labs(x='日期',y='新增确诊人数',title='2020年1月22日-2020年12月7日美国新增确诊人数变化趋势图')+
    theme_economist()+   #使用经济学人绘图样(式ggthemes包)
    theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
          axis.title.x = element_blank(),
          axis.title.y = element_text(size=15),
  / x* H2 J0 _& G6 |  W* Q        axis.text.x = element_text(angle = 90,size=15),
  3 w+ M$ k3 `; E+ O& R        axis.text.y = element_text(size=15),
  ' S/ X4 v* a' t% P- S7 J. A' A        legend.title=element_blank(),
  ! t+ i8 M7 |. f0 d/ J6 z: q6 l9 ^        legend.text=element_text(size=15))
  , `3 e6 t2 V" d1 f( x
  
  8 L3 y: F5 X3 r, P! j% Y+ @# f3. 全球新增病例变化趋势
  total_increase<-data.frame(apply(new_data[,-c(1:4)],2,sum))
  colnames(total_increase)<-'increase_patient'
  total_increase$date<-as.Date(rownames(total_increase),format="%Y-%m-%d")
  ggplot(total_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
    scale_x_date(date_breaks = "14 days")+
    labs(x='日期',y='新增确诊人数',title='2020年1月22日-2020年12月7日全球新增确诊人数变化趋势图')+
    theme_economist()+
  3 `& b6 q! d" U  scale_y_continuous(limits=c(0,8*10^5),      #考虑数字过大,以文本形式标注y轴标签
                       breaks=c(0,2*10^5,4*10^5,6*10^5,8*10^5),
  : `* P1 {! H( n0 y: f0 T) m: ]; n                     labels=c("0","20万","40万","60万","80万"))+
    theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
  / m2 {1 W- b! l+ T        axis.title.x = element_blank(),
  * \/ n7 ?  [# G9 P. V7 b! J        axis.title.y = element_text(size=15),
  . a* d. |0 m& H        axis.text.x = element_text(angle = 90,size=15),
          axis.text.y = element_text(size=15),
          legend.title=element_blank(),
  ( ?7 P0 n$ B. T6 X; B% {        legend.text=element_text(size=15))
  
  
  - k& B1 Y* J, D8 O1 y0 T3 f三、新增确诊病例全球地理分布
  mapworld<-borders("world",colour = "gray50",fill="white")
  . p6 P! S( i" kggplot()+mapworld+ylim(-60,90)+
    geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-01-22`),color="darkorange")+
  # `, x" J  ~2 E- e& f  scale_size(range=c(2,9))+labs(title="2020年1月22日全球新增确诊人数分布")+
  - A% L0 |4 y) N# q) x; g" x8 v! [  theme_grey(base_size = 15)+
    theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
  : G/ C- e! D- ]) V        legend.title=element_blank())
  + F# |+ {- m- L# C, S# x6 u
  6 p' m) T0 z7 {" C" Oggplot()+mapworld+ylim(-60,90)+
  4 q/ [4 G& U3 _. ^; T, B: E  geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-11-22`),color="darkorange")+
  7 Q; O- Z" A5 |6 ~  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)+
  6 ^# o# U; ~& U: l3 D! K  theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
          legend.title=element_blank())
  : a, c4 t. G/ u& C1 N5 m7 T
  
  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

  
  ! q6 j" O5 r0 y2 ]% O# N

  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")
  1 f) n, m9 M/ ]% vfive_country<-subset(cum_patient_time,Country %in% c("India","Brazil","Russia","Spain","Italy"))
  five_country$date<-as.Date(five_country$date)
  
  ( z2 H% Q: U9 kggplot(five_country,
  7 U( k8 R: S2 M5 S% E6 O            aes(x=reorder(Country,increase_patient),y=increase_patient, fill=Country,frame=date)) +  
  % x  }$ W# D8 g( r  geom_bar(stat= 'identity', position = 'dodge',show.legend = FALSE) +  
  6 E  N' r2 y2 q4 W7 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
  : U( F  \0 s4 Z9 U. C( e1 ]9 x  theme(legend.position="none",
          panel.background=element_rect(fill='transparent'),
  1 U6 m( Q% t8 w  R/ L        axis.text.y=element_text(angle=0,colour="black",size=12,hjust=1),
  $ w$ j4 _5 ]( U        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
  5 J# @5 P' z+ E$ U  )+
    coord_flip()+  
  6 U$ L' q2 e( W  transition_manual(frames=date) +  #动态呈现
  . G6 r2 R6 o7 J% U: W  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')  
  
  anim_save(filename = "五国累计确诊病例增长动态图.gif")
  
  0 K6 w9 `1 j5 }) g0 U" H' C4 e& b