- 在线时间
- 514 小时
- 最后登录
- 2023-12-1
- 注册时间
- 2018-7-17
- 听众数
- 15
- 收听数
- 0
- 能力
- 0 分
- 体力
- 40031 点
- 威望
- 0 点
- 阅读权限
- 255
- 积分
- 12720
- 相册
- 0
- 日志
- 0
- 记录
- 0
- 帖子
- 1419
- 主题
- 1178
- 精华
- 0
- 分享
- 0
- 好友
- 15
TA的每日心情 | 开心 2023-7-31 10:17 |
---|
签到天数: 198 天 [LV.7]常住居民III
- 自我介绍
- 数学中国浅夏
 |
可视化实例基于R语言的全球疫情可视化
2 Y! D: z% q7 t; v! ~目录
! D' B( P; o- Q7 f4 [一、数据介绍及预处理
" L/ \9 }) H" N6 \& V0 _二、新增确诊病例变化趋势
9 {: W% Z( [2 E9 M, S$ i# K三、新增确诊病例全球地理分布& {5 E. A% I) J0 Q4 W% S
四、累计确诊病例动态变化图
/ _# T! o2 b* x: I$ l9 H) G& q一、数据介绍及预处理6 F l3 u8 A* m/ v/ O+ e
1. 基本字段介绍
% {; r+ U! l: M* @
/ W5 A3 q8 d- L/ I' Q; I字段名 含义
/ u* t/ v9 t" @4 ^: sProvince/State 省/州/ S6 {' b& }( L( C- @0 D: q
Country/Region 国家/地区
" o4 s- {. M1 p/ ALat 纬度
5 e( [7 Z1 _5 @ t1 P* JLong 经度. S4 r" `/ Z1 R6 G+ j
1/22/20-12/7/20 每日累计确诊病例3 _4 p- B: |' D3 {" t
/ h: {4 L2 G& N H* p![]()
4 z& d" \" O( w3 X9 R$ g
7 q! t( t3 j1 `2 E, E$ }" W( x: ~ t2. 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)]4 S; z/ S/ ]. a0 K3 d
[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)]
( U4 k8 U1 `+ L9 U[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)]
" u# d' w' K( C! a[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)]
5 T: b* |9 q) R( ~[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+ l3 d" p( A( @2 h& |, Q+ f
inspect_lag_data<-cbind(0,inspect_data[,1 ncol(inspect_data)-1)]). {: } l" u. t4 i$ L8 V' y; C
increase_data<-inspect_data-inspect_lag_data
5 f% z5 _5 P; s* a- B' w
, s. Y) `: `: ?: P! W0 a% |0 @#合并数据,new_data为新增确诊人数数据
2 L- i7 Z! }* c; O6 s* @3 cnew_data<-cbind(information_data,increase_data)
3 H$ z. O- a F7 L! }* R( E/ |7 I# n! f" }! U5 H2 ~( D
1. 中国新增确诊病例变化趋势
& b% X& h0 D- ? k, b7 r#合并所有省份新增确诊人数
- t! Q2 h9 o. ]% S& t: o7 j- u. Qchina<-new_data[new_data$`Country/Region`=='China',]
, U/ ~" Q2 p/ z- q0 a b4 k) achina_increase<-data.frame(apply(china[,-c(1:4)],2,sum))% k: M+ ]3 Z0 b! l. H2 J8 ~
colnames(china_increase)<-'increase_patient'
$ o) v2 y6 I. m/ e9 n/ B* L7 bchina_increase$date<-as.Date(rownames(china_increase),format="%Y-%m-%d")
& ^' M2 F% w" [1 O4 y9 S, Q: `
5 O4 Q( @$ g, m: H* Zggplot(china_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
, K# t5 ^* X% ]3 V F/ j. s& E7 q% q! V 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!)
D' A$ d$ X% E; 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')+
* d) q3 Z' V1 l) m1 y% I( k8 a theme_economist()+ #使用经济学人绘图样(式ggthemes包); d7 n! K1 z# r1 u4 R* j
theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
7 m4 p3 Y* m5 s$ |, D3 F. }8 n axis.title.x = element_blank(),
2 {8 q( H/ Z6 B- T, h. d& J, u axis.title.y = element_text(size=15),
) ~( I. N6 j- c# }2 p& O axis.text.x = element_text(angle = 90,size=15),
! E, z u' m9 o/ ], G/ D" A axis.text.y = element_text(size=15),
( l- x: f' f1 S legend.title=element_blank(),* Y4 y) D. U" v3 h5 r, J
legend.text=element_text(size=15))
5 O& E8 K& s, d3 a6 ^" |8 B0 c: ]! x9 m9 |. w
![]()
! z' ]/ X ?# l. r2. 美国新增病例变化趋势
3 a, G. D% V( Rus<-new_data[new_data$`Country/Region`=='United States',]9 d" Q8 O. h z: X
us_increase<-gather(us,key="date",value="increase_patient",'2020-01-22':'2020-12-07')4 j& T. F2 [( K' z: }
us_increase$date<-as.Date(us_increase$date)
+ C; O! Q; i2 q7 B& Zggplot(us_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+3 G) u e+ @$ I3 d
scale_x_date(date_breaks = "14 days")+ #设置横轴日期间隔为14天6 a7 ^: K ]4 k
labs(x='日期',y='新增确诊人数',title='2020年1月22日-2020年12月7日美国新增确诊人数变化趋势图')+7 \2 G9 S' A- U. A+ G( {! ]
theme_economist()+ #使用经济学人绘图样(式ggthemes包)! r, J% J! b/ k8 v7 ~/ |/ J
theme(plot.title = element_text(face="plain",size=15,hjust=0.5),; h% l0 z o5 ?8 F/ f
axis.title.x = element_blank(),
1 b5 g y! H M7 e& D axis.title.y = element_text(size=15),5 u$ b1 h, ~9 r# u8 I; t6 O, z
axis.text.x = element_text(angle = 90,size=15),& s, j/ @6 K8 [+ ~% z
axis.text.y = element_text(size=15),/ ~7 M- d) A3 t' s
legend.title=element_blank(),
S1 V) d' w( {2 j0 x+ a+ j# N legend.text=element_text(size=15)); N* d* g/ `1 @' I" w
3 S( T2 g! b( S; b9 i) b
4 \3 I" Z8 U" \" v: G t# H
3. 全球新增病例变化趋势
+ G( A, W; _2 X7 F. J/ y. w! o' mtotal_increase<-data.frame(apply(new_data[,-c(1:4)],2,sum))) L) S/ j+ _, C5 l! s
colnames(total_increase)<-'increase_patient'
3 |0 b7 N: T7 \; Ftotal_increase$date<-as.Date(rownames(total_increase),format="%Y-%m-%d")
! C" y9 _0 Y8 T& C/ j s! gggplot(total_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
' y2 W/ ?: L0 \. e5 @ f( c3 h scale_x_date(date_breaks = "14 days")+7 B, T9 r! [8 r& e8 T/ I, s
labs(x='日期',y='新增确诊人数',title='2020年1月22日-2020年12月7日全球新增确诊人数变化趋势图')+8 B8 V$ u2 ^( u% X, A4 S. ~$ @
theme_economist()+; E' {- Y, C5 Q- h0 \- u0 R
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- G0 A% R( R* ]5 F" \7 f/ _
breaks=c(0,2*10^5,4*10^5,6*10^5,8*10^5),
1 T) R, l2 A6 L4 [+ I6 p labels=c("0","20万","40万","60万","80万"))+' y: i! b7 b4 H* B! V! F% u ]- k
theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
. {3 {: i! S/ t% O/ Y axis.title.x = element_blank(),- y6 f- y4 ]) G5 C( V$ P% ]
axis.title.y = element_text(size=15),7 p' e6 j4 q; f4 e# O
axis.text.x = element_text(angle = 90,size=15),
0 c8 ?0 `: M4 P4 R I axis.text.y = element_text(size=15),
* W( E% b/ R1 k' Y: O4 _# V% D legend.title=element_blank(),9 m6 {; }) P% \+ s; P' H
legend.text=element_text(size=15))
# o1 ?2 Q+ l$ `/ a9 z4 ~$ R# c
' u. H9 p* `3 m& ~7 o. ?' D![]()
( D+ B4 x+ s. ?三、新增确诊病例全球地理分布2 S7 }. r8 P1 e
mapworld<-borders("world",colour = "gray50",fill="white")
5 `/ {6 T& @4 @" F8 _3 M; kggplot()+mapworld+ylim(-60,90)+
1 ^" b/ Z) G* y7 x geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-01-22`),color="darkorange")+
; ?9 p% ` `' m" p; L" o/ G4 t scale_size(range=c(2,9))+labs(title="2020年1月22日全球新增确诊人数分布")+
( ~, w6 C, P7 y9 S theme_grey(base_size = 15)+
* d* b- n y, W7 U theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
, H/ J- m, {( H" z; B1 B legend.title=element_blank()) R, I- D6 |3 B6 |$ o1 I; b
8 v: L1 s; i' i9 Y" R/ K5 @ggplot()+mapworld+ylim(-60,90)+4 z) [# U6 L% G
geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-11-22`),color="darkorange")+
* k6 M6 S( F4 F& E8 y- \ scale_size(range=c(2,9))+labs(title="2020年11月22日全球新增确诊人数分布")+
+ R/ f, n, \3 b6 B0 m theme_grey(base_size = 15)+
; B% n* X g: _1 a theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
& R5 E' M9 Y: E( O0 G% q# X' y legend.title=element_blank())2 K) N; V2 X1 ~; H& j5 r" \
; ]1 B+ T( ^ I5 \9 n1 o0 l
![]() ![]()
4 H4 Y' d5 ]( F+ O四、累计确诊病例动态变化图1. 至12月7日全球累计病例确诊人数前十国家 2 i1 \. u8 b# G1 w/ H% d
cum_patient<-data[c("Country/Region","2020-12-07")] cum_patient<-cum_patient[order(cum_patient$`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)) ![]()
! ]# q5 I0 ]1 ~9 o0 V2. 五国(India、Brazil、Russia、Spain、Italy)累计确诊病例动态变化图! b& r( ~. [+ C, ]
cum_patient_time<-gather(data,key="date",value="increase_patient",'2020-01-22':'2020-12-07')
- E. z! m$ ~; D% S: r( j- L0 `9 j. fcolnames(cum_patient_time)<-c(" rovince","Country","Lat","Long","date","increase_patient")
. b7 J- b9 P ]2 l- yfive_country<-subset(cum_patient_time,Country %in% c("India","Brazil","Russia","Spain","Italy"))4 P& g9 M3 e# i$ S; a" g8 y+ `0 W/ N: Y
five_country$date<-as.Date(five_country$date)
: |% X; Z1 {2 M. u6 [- Y: R! t8 x* F; Q8 x8 J/ ~) ^
ggplot(five_country,
1 b6 e Z/ [1 ]- k }2 ? aes(x=reorder(Country,increase_patient),y=increase_patient, fill=Country,frame=date)) +
* p6 C2 H L# |& R, J; j geom_bar(stat= 'identity', position = 'dodge',show.legend = FALSE) + " s8 J8 Q9 V& F; _$ ~ }
geom_text(aes(label=paste0(increase_patient)),col="black",hjust=-0.2)+
2 R6 e0 O" @9 i9 y scale_fill_brewer(palette='Set3')+ #使用Set3色系模板# j9 ^. T B2 J& U6 P6 U
theme(legend.position="none",& L4 z; s3 G6 O$ f
panel.background=element_rect(fill='transparent'),
* i) F+ K/ U5 B2 H axis.text.y=element_text(angle=0,colour="black",size=12,hjust=1),2 Y9 j$ k8 e: p9 \
panel.grid =element_blank(), #删除网格线
# Z9 D, l; `) x6 | axis.text = element_blank(), #删除刻度标签
, k( d# \- V. ^, ? axis.ticks = element_blank(), #删除刻度线
( u/ [* O6 x& Q; U# v! ? )+9 z$ Q! p0 R9 s- }2 j
coord_flip()+ $ j/ W% A2 ^0 j3 s1 J) l
transition_manual(frames=date) + #动态呈现( o* I7 I0 Y V9 G
labs(title = paste('日期:', '{current_frame}'),x = '', y ='五国累计确诊病例增长')+
8 C1 M; q6 f+ `* c2 s theme(axis.title.x = element_text(size=15))+
6 Y- a5 n! i" \4 i2 c0 ] ease_aes('linear') 3 n, @' @" w0 }9 h7 b
& ?( d g4 @; [: f/ g5 e" y
anim_save(filename = "五国累计确诊病例增长动态图.gif")7 O5 W8 q3 t5 N1 g! ~; b* |+ x
" ]5 K1 ?2 E* g' S2 h {![]()
( b! b$ O- h$ S
7 o, C/ c H( F3 q0 D. x - H& d6 X1 w/ H; b$ U
5 A8 J1 t- {8 ~* {( t
|
zan
|