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
/ ^- q) @9 u& C1 M! E% _  z目录
/ _' [" X/ n  c一、数据介绍及预处理
二、新增确诊病例变化趋势
2 F' `) o9 I8 r1 m1 T三、新增确诊病例全球地理分布
/ e( v; |2 ]; l5 h* s3 u5 {四、累计确诊病例动态变化图
/ {1 h" r+ E) K" i! U一、数据介绍及预处理
  ]0 S. L1 `6 g9 X6 e9 ^1. 基本字段介绍

字段名        含义
- a" l/ K" T  c7 O! P8 r6 _Province/State        省/州
Country/Region        国家/地区
# A( a1 q: Z3 t) }Lat        纬度
Long        经度
: U& \# U* G9 @2 E* S1/22/20-12/7/20        每日累计确诊病例
: G- X- |  v3 L6 O
1 k. c+ ~6 T& n" c' k0 j" @
) l3 D) ?' p1 a) ~0 ?

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)]
  5 M, m! s" H$ J! I- |[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
  
  ; c  n, D5 u) K#合并数据,new_data为新增确诊人数数据
  9 v7 M8 P( @, j# {1 hnew_data<-cbind(information_data,increase_data)
  
  ; ^4 f; d0 w* t2 p) N8 c4 c( K4 Q1. 中国新增确诊病例变化趋势
  #合并所有省份新增确诊人数
  5 L4 U% l- B( Q# }: l2 y8 b6 S" Z+ vchina<-new_data[new_data$`Country/Region`=='China',]
  ; u5 R, X( Y! _$ h, qchina_increase<-data.frame(apply(china[,-c(1:4)],2,sum))
  ; q5 q7 R/ P  Q/ Ucolnames(china_increase)<-'increase_patient'
  china_increase$date<-as.Date(rownames(china_increase),format="%Y-%m-%d")
  
  # _$ G2 k: K( [& B7 e6 uggplot(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!)
  3 Q* D2 l4 V' ]8 Y* Q( l+ e. `  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')+
  . ^" E1 k3 y" J+ I( r3 m9 m4 S  L6 X  theme_economist()+  #使用经济学人绘图样(式ggthemes包)
  / v$ ?. v3 G8 q9 u. C% J; e/ ~1 p  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
  * A2 \9 Z& g" s        axis.title.x = element_blank(),
  ( i  k0 g3 h& j8 U5 l3 {        axis.title.y = element_text(size=15),
  $ d: f+ ]2 g" w+ e. l        axis.text.x = element_text(angle = 90,size=15),
  " A9 n! M7 p/ [, I/ u        axis.text.y = element_text(size=15),
          legend.title=element_blank(),
          legend.text=element_text(size=15))
  " J7 ~  w/ J, O
  ! \' W9 A) _" ~% s: T3 J" h; |2 K                             
  2. 美国新增病例变化趋势
  us<-new_data[new_data$`Country/Region`=='United States',]
    `: S) @, i7 n; Rus_increase<-gather(us,key="date",value="increase_patient",'2020-01-22':'2020-12-07')
  us_increase$date<-as.Date(us_increase$date)
  ggplot(us_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
    scale_x_date(date_breaks = "14 days")+   #设置横轴日期间隔为14天
    labs(x='日期',y='新增确诊人数',title='2020年1月22日-2020年12月7日美国新增确诊人数变化趋势图')+
    theme_economist()+   #使用经济学人绘图样(式ggthemes包)
    theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
  & |$ @, c0 L  K3 {6 A8 H. S        axis.title.x = element_blank(),
  1 |0 p4 Y$ _$ F- U' X, I' ^- Y        axis.title.y = element_text(size=15),
  6 }: B  V' H, `( P9 M* Z' i        axis.text.x = element_text(angle = 90,size=15),
          axis.text.y = element_text(size=15),
  ( a1 `" k3 X. e# x$ }( H        legend.title=element_blank(),
          legend.text=element_text(size=15))
  ; E/ W, J4 f2 o
  
  7 h: b" ~: F5 I. r& q3. 全球新增病例变化趋势
  7 D% N  A( U4 ~total_increase<-data.frame(apply(new_data[,-c(1:4)],2,sum))
  colnames(total_increase)<-'increase_patient'
  total_increase$date<-as.Date(rownames(total_increase),format="%Y-%m-%d")
  & B' m$ m% F5 L9 \/ b5 [ggplot(total_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
  ( v" `8 Q: g8 P  u' {1 g  scale_x_date(date_breaks = "14 days")+
  ) g. i1 `; V8 D% W  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()+
  0 f8 b# e8 _0 D8 j6 b  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
  ( P9 @) c# M* H' a5 L( Y                     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"))+
  ( H- T8 d7 R7 H' f% X  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
          axis.title.x = element_blank(),
  0 h: G/ O0 n: Q; Z. z1 f' _( A/ m        axis.title.y = element_text(size=15),
          axis.text.x = element_text(angle = 90,size=15),
          axis.text.y = element_text(size=15),
  ) h* Z) o% C5 h# C- U; E: n        legend.title=element_blank(),
          legend.text=element_text(size=15))
  
  : ~7 W# D8 T  }! B- }# G4 O0 i
  三、新增确诊病例全球地理分布
  mapworld<-borders("world",colour = "gray50",fill="white")
  ) {0 w$ A* q8 T  cggplot()+mapworld+ylim(-60,90)+
    geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-01-22`),color="darkorange")+
    scale_size(range=c(2,9))+labs(title="2020年1月22日全球新增确诊人数分布")+
    theme_grey(base_size = 15)+
  6 s7 s! x7 o/ N8 }$ H4 U. A9 }  theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
    `$ q$ s4 r7 c: z8 s! F        legend.title=element_blank())
  
  1 M8 w# s) R6 \ggplot()+mapworld+ylim(-60,90)+
  # D$ U7 }0 P  [  f4 V0 v) R  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")+
  # A8 I5 H8 Y  F  F4 ~( A9 t; p+ |  theme_grey(base_size = 15)+
  5 j) L" Z2 C* J; ^  theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
          legend.title=element_blank())
  : ]9 R" J; h) o7 H4 Q
  
  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

  
  

  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))

  
  8 w) R2 N+ \' S* Z0 I& z2. 五国（India、Brazil、Russia、Spain、Italy）累计确诊病例动态变化图
  # |. Y; l1 }) p6 \; S6 a/ xcum_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")
  5 r& f( E: i& e2 g; a3 I) W* h+ ]five_country<-subset(cum_patient_time,Country %in% c("India","Brazil","Russia","Spain","Italy"))
  five_country$date<-as.Date(five_country$date)
  , f9 Q$ O6 y4 e( A, H6 t
  ggplot(five_country,
  . o3 U8 ^4 R. M( P: b            aes(x=reorder(Country,increase_patient),y=increase_patient, fill=Country,frame=date)) +  
  5 m0 F4 K/ A& {, o3 a  geom_bar(stat= 'identity', position = 'dodge',show.legend = FALSE) +  
    geom_text(aes(label=paste0(increase_patient)),col="black",hjust=-0.2)+  
  . @6 c6 J, k: V' {  scale_fill_brewer(palette='Set3')+  #使用Set3色系模板
  , [/ A6 A( q1 U0 g2 U  J$ n  i  theme(legend.position="none",
  ( U8 t0 j& H4 O. a8 A% s3 G        panel.background=element_rect(fill='transparent'),
  ( J# {1 N" p. ~! O        axis.text.y=element_text(angle=0,colour="black",size=12,hjust=1),
  9 A2 ]0 T' j6 R        panel.grid =element_blank(),  #删除网格线
          axis.text = element_blank(),  #删除刻度标签
    r4 Q. o: O; h& M3 U        axis.ticks = element_blank(),  #删除刻度线
    )+
  + L7 D& v0 G" C. g5 O8 {  coord_flip()+  
    transition_manual(frames=date) +  #动态呈现
    labs(title = paste('日期:', '{current_frame}'),x = '', y ='五国累计确诊病例增长')+  
  * z8 R% F. T, D7 g( Q8 i7 A  theme(axis.title.x = element_text(size=15))+
    ease_aes('linear')  
  4 ~. M$ w: t5 x$ ^0 i# j% J& t
  9 g  j# L9 c  w$ h! ^; ^! j6 danim_save(filename = "五国累计确诊病例增长动态图.gif")
  
  " b) I0 z( c- c# M
    d* Q& \, ~0 z# E" h: V. L
  ' v4 Q9 |! k- }. l: w# o

$ ~6 F% C# q( c% y' `
! h9 T# m: h$ J6 L  }