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
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
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
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
Country/Region        国家/地区
" o4 s- {. M1 p/ ALat        纬度
5 e( [7 Z1 _5 @  t1 P* JLong        经度
1/22/20-12/7/20        每日累计确诊病例

/ 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: ~  t

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)]
  ( 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
  inspect_lag_data<-cbind(0,inspect_data[,1ncol(inspect_data)-1)])
  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
  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))
  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)
    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(),
          legend.text=element_text(size=15))
  5 O& E8 K& s, d3 a6 ^" |
                               
  ! z' ]/ X  ?# l. r2. 美国新增病例变化趋势
  3 a, G. D% V( Rus<-new_data[new_data$`Country/Region`=='United States',]
  us_increase<-gather(us,key="date",value="increase_patient",'2020-01-22':'2020-12-07')
  us_increase$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)+
    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(),
  1 b5 g  y! H  M7 e& D        axis.title.y = element_text(size=15),
          axis.text.x = element_text(angle = 90,size=15),
          axis.text.y = element_text(size=15),
          legend.title=element_blank(),
    S1 V) d' w( {2 j0 x+ a+ j# N        legend.text=element_text(size=15))
  
  
  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))
  colnames(total_increase)<-'increase_patient'
  3 |0 b7 N: T7 \; Ftotal_increase$date<-as.Date(rownames(total_increase),format="%Y-%m-%d")
  ! C" y9 _0 Y8 T& C/ j  s! gggplot(total_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
  ' y2 W/ ?: L0 \. e5 @  f( c3 h  scale_x_date(date_breaks = "14 days")+
    labs(x='日期',y='新增确诊人数',title='2020年1月22日-2020年12月7日全球新增确诊人数变化趋势图')+
    theme_economist()+
    scale_y_continuous(limits=c(0,8*10^5),      #考虑数字过大,以文本形式标注y轴标签
                       breaks=c(0,2*10^5,4*10^5,6*10^5,8*10^5),
  1 T) R, l2 A6 L4 [+ I6 p                     labels=c("0","20万","40万","60万","80万"))+
    theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
  . {3 {: i! S/ t% O/ Y        axis.title.x = element_blank(),
          axis.title.y = element_text(size=15),
          axis.text.x = element_text(angle = 90,size=15),
  0 c8 ?0 `: M4 P4 R  I        axis.text.y = element_text(size=15),
  * W( E% b/ R1 k' Y: O4 _# V% D        legend.title=element_blank(),
          legend.text=element_text(size=15))
  # o1 ?2 Q+ l$ `/ 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
  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())
  
  8 v: L1 s; i' i9 Y" R/ K5 @ggplot()+mapworld+ylim(-60,90)+
    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())
  
  
  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

  
  

  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
  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"))
  five_country$date<-as.Date(five_country$date)
  : |% X; Z1 {2 M. u6 [
  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) +  
    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
    theme(legend.position="none",
          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),
          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! ?  )+
    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')+  
  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')  
  
  anim_save(filename = "五国累计确诊病例增长动态图.gif")
  
  " ]5 K1 ?2 E* g' S2 h  {
  ( b! b$ O- h$ S
  7 o, C/ c  H( F3 q0 D. x