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
1 V: n! B' X# J目录
一、数据介绍及预处理
二、新增确诊病例变化趋势
三、新增确诊病例全球地理分布
- Z  s& W1 U! l/ z$ j: E" y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

# ~. A& w% r1 O字段名        含义
3 b# o1 L" }; u6 q& PProvince/State        省/州
, c% C7 [' l( m' {+ m- {Country/Region        国家/地区
+ I2 Q0 [3 b, G$ ~4 KLat        纬度
Long        经度
; n# f  P4 n( N" e1 e( m. K4 k1/22/20-12/7/20        每日累计确诊病例
1 o# I& E* b# V5 |8 i* ~1 b8 |

! f; t, I. A! u( x! B9 q
% w! P  N4 g9 d' J

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)]
  1 F  M8 t5 h- @4 F5 i[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)]
  " F- _1 r, R0 T# b9 Y, v2 t- \( x[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
  ) [# r) j2 O' Y% zinspect_lag_data<-cbind(0,inspect_data[,1ncol(inspect_data)-1)])
  * Z" }1 l, n; f2 ?increase_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
  1 p5 u: |( m5 V  F$ q6 g9 @#合并所有省份新增确诊人数
  ; }7 @% K3 x4 f7 L) h& X8 [china<-new_data[new_data$`Country/Region`=='China',]
  china_increase<-data.frame(apply(china[,-c(1:4)],2,sum))
  colnames(china_increase)<-'increase_patient'
  2 H; R6 ^0 {; p) x* ?& k% Gchina_increase$date<-as.Date(rownames(china_increase),format="%Y-%m-%d")
  
  ggplot(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!)
  8 Q7 p8 L( r. R* O2 T! C' k/ k  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')+
  4 P+ Q1 l6 P; D9 S, l/ M  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),
  ( d& E: `2 U0 F  f+ F+ v, s        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),
  8 x) p9 M8 O( u- q' W        legend.title=element_blank(),
          legend.text=element_text(size=15))
  
                               
  " m& `, _* [) ]) e2. 美国新增病例变化趋势
  4 f: ?5 f  i! N# a3 G! {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
  $ ~5 x* u9 d) \  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')+
  , B) c: K5 {+ O3 s  theme_economist()+   #使用经济学人绘图样(式ggthemes包)
  ' V3 B; N) [4 d& S9 v4 r* R0 ]" n  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
  ! T; j" ^$ _3 |3 y% f' |        axis.title.x = element_blank(),
  $ y$ T. @5 Y1 c2 \  g9 P9 C        axis.title.y = element_text(size=15),
  * C, J1 M2 h1 I+ M+ o9 I6 [, |, Q' [        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))
  ) u0 F( J% p" A& K& d, T$ ~3 T; N
  
  3. 全球新增病例变化趋势
  total_increase<-data.frame(apply(new_data[,-c(1:4)],2,sum))
  : W9 u+ k- D7 X* l0 J6 Q8 ecolnames(total_increase)<-'increase_patient'
  ) M, t; m" d7 J0 b& F: Ptotal_increase$date<-as.Date(rownames(total_increase),format="%Y-%m-%d")
  ggplot(total_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
  + l& _( q0 y" A  G  scale_x_date(date_breaks = "14 days")+
  7 X; b7 X' y, d+ x' }  x9 Q  labs(x='日期',y='新增确诊人数',title='2020年1月22日-2020年12月7日全球新增确诊人数变化趋势图')+
    theme_economist()+
  , k( ?! _" J+ s  scale_y_continuous(limits=c(0,8*10^5),      #考虑数字过大,以文本形式标注y轴标签
                       breaks=c(0,2*10^5,4*10^5,6*10^5,8*10^5),
                       labels=c("0","20万","40万","60万","80万"))+
    theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
          axis.title.x = element_blank(),
          axis.title.y = element_text(size=15),
          axis.text.x = element_text(angle = 90,size=15),
  % O( o; D3 W- W6 B! @, j        axis.text.y = element_text(size=15),
  & X9 |) t. Q8 `& Q        legend.title=element_blank(),
  * N. y9 l' C2 b  I% `        legend.text=element_text(size=15))
  0 B. s# G1 r: `( B1 @/ g5 H) J
  6 X9 T* G' s! b
  三、新增确诊病例全球地理分布
  mapworld<-borders("world",colour = "gray50",fill="white")
  / J! K4 \1 W0 j6 U2 e0 u, M0 {. ]ggplot()+mapworld+ylim(-60,90)+
  ) m! a; d0 `7 P* e3 V. U& K  geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-01-22`),color="darkorange")+
    g: ~7 p3 ]6 X0 o0 z0 p" P6 o  scale_size(range=c(2,9))+labs(title="2020年1月22日全球新增确诊人数分布")+
    theme_grey(base_size = 15)+
  - F# v: A* O2 m& |  theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
  : X6 [) J& ~  K0 I, ], W        legend.title=element_blank())
  ( B# O' s, y7 d* A
  ggplot()+mapworld+ylim(-60,90)+
    geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-11-22`),color="darkorange")+
  ' C3 w: W2 `! q0 Y  scale_size(range=c(2,9))+labs(title="2020年11月22日全球新增确诊人数分布")+
  ( I, A! S# P" b4 _  theme_grey(base_size = 15)+
    theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
          legend.title=element_blank())
  
  
  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

  
  4 v& E+ v2 ^) A

  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
  " w8 x# I8 d2 A% m. k; b" Vcum_patient_time<-gather(data,key="date",value="increase_patient",'2020-01-22':'2020-12-07')
  " Y) e2 j6 t# w7 kcolnames(cum_patient_time)<-c("rovince","Country","Lat","Long","date","increase_patient")
  + y; w: [  Q" `4 {+ hfive_country<-subset(cum_patient_time,Country %in% c("India","Brazil","Russia","Spain","Italy"))
  : \/ u8 r) K1 n# ^$ Q4 [' Y7 Gfive_country$date<-as.Date(five_country$date)
  + \! w6 Y/ s- [7 ~) c* ^" r3 N
  8 y3 y* f$ r+ G$ O' M% Iggplot(five_country,
              aes(x=reorder(Country,increase_patient),y=increase_patient, fill=Country,frame=date)) +  
    geom_bar(stat= 'identity', position = 'dodge',show.legend = FALSE) +  
  - |  k8 K  s3 i, u/ ]( d% o" `  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",
          panel.background=element_rect(fill='transparent'),
  0 g) a; A  D1 D- A" E        axis.text.y=element_text(angle=0,colour="black",size=12,hjust=1),
  : B/ i6 Q: V3 g        panel.grid =element_blank(),  #删除网格线
          axis.text = element_blank(),  #删除刻度标签
  3 ]$ @; s: G6 K5 K+ `6 h, r& G. m0 s        axis.ticks = element_blank(),  #删除刻度线
    )+
  7 a/ i) t7 y1 k5 \# e  coord_flip()+  
    transition_manual(frames=date) +  #动态呈现
  $ R. H7 `1 }8 B- r  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')  
  
  - ^* o! C' v* C# F+ Uanim_save(filename = "五国累计确诊病例增长动态图.gif")
  
  9 }. N. n$ y+ L