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
, I" ~. u) A( C& b6 g( q. R. u一、数据介绍及预处理
二、新增确诊病例变化趋势
. h; ^4 t) l+ T三、新增确诊病例全球地理分布
/ X4 P2 ]2 |- g( |8 L" c四、累计确诊病例动态变化图
一、数据介绍及预处理
2 [" D7 E& l( Y2 S8 _, d1. 基本字段介绍
- {9 s" k; g3 d+ C( ~# V& g& r3 N
字段名        含义
) |9 y5 U* L. H3 W1 c0 T2 VProvince/State        省/州
8 W, n# t7 J5 j$ R+ M# OCountry/Region        国家/地区
: a1 k% ]. L7 O8 R' U8 V- QLat        纬度
5 G: z( ]# y9 A, \0 y9 |Long        经度
1/22/20-12/7/20        每日累计确诊病例


+ \  _1 N5 a% f" @- H, o5 z. x, R; k
+ U7 ?# T% d4 i8 q9 F

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)]
  , x# I* p& U- u% V[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)]
  9 e  g; e/ M' d& j[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
  
  #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
  , e- W0 S. J% m& w+ p9 g#合并所有省份新增确诊人数
  china<-new_data[new_data$`Country/Region`=='China',]
  ' C1 q5 Z7 ^: j# Schina_increase<-data.frame(apply(china[,-c(1:4)],2,sum))
  colnames(china_increase)<-'increase_patient'
  china_increase$date<-as.Date(rownames(china_increase),format="%Y-%m-%d")
  ; t( h8 [6 R4 Z3 \& n1 w( L+ a' v
  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!)
    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)
  . J# q5 u, W$ u3 U4 {4 c, U) t  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
  0 c7 z  B9 Y8 v) h& x/ ~* Q        axis.title.x = element_blank(),
          axis.title.y = element_text(size=15),
  " X: J- u) P  v7 ]7 X6 j+ d        axis.text.x = element_text(angle = 90,size=15),
  $ h, l; [: }# c        axis.text.y = element_text(size=15),
          legend.title=element_blank(),
  0 f" x; [3 z6 E2 L8 M& D/ ~. I: ]        legend.text=element_text(size=15))
  
  9 f- r8 ^7 y+ g1 O- Y                             
  ! }5 o6 c) N0 v, R4 c2. 美国新增病例变化趋势
  us<-new_data[new_data$`Country/Region`=='United States',]
  # {8 ?: l' ]+ S/ O! W# b. i5 hus_increase<-gather(us,key="date",value="increase_patient",'2020-01-22':'2020-12-07')
  us_increase$date<-as.Date(us_increase$date)
  ggplot(us_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
    scale_x_date(date_breaks = "14 days")+   #设置横轴日期间隔为14天
  , L, Q0 d( w+ W) g  labs(x='日期',y='新增确诊人数',title='2020年1月22日-2020年12月7日美国新增确诊人数变化趋势图')+
    theme_economist()+   #使用经济学人绘图样(式ggthemes包)
  6 k4 C8 `  v! s" _0 _  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
  1 `0 E9 B2 ?* m        axis.title.x = element_blank(),
          axis.title.y = element_text(size=15),
  " g; v+ p+ C& L1 Q        axis.text.x = element_text(angle = 90,size=15),
          axis.text.y = element_text(size=15),
  . Z2 a; a8 V% F5 M4 e/ P1 \# g5 H: A3 v        legend.title=element_blank(),
  ' x3 c$ K" m4 f+ B+ D; d        legend.text=element_text(size=15))
  
  ' |) H5 y* Z: d# q6 ~
  3. 全球新增病例变化趋势
  ; Y! W, u3 p- K6 E; ~5 Vtotal_increase<-data.frame(apply(new_data[,-c(1:4)],2,sum))
  , B" G3 e; y* ^$ P8 f; icolnames(total_increase)<-'increase_patient'
  total_increase$date<-as.Date(rownames(total_increase),format="%Y-%m-%d")
  ( o  y* j( M7 [6 sggplot(total_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
  0 m" W6 y9 k( ^; W( l8 M* H/ }  scale_x_date(date_breaks = "14 days")+
  % g* }- i# B$ ]( w. 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')+
  2 [7 @* N& E  {2 {  theme_economist()+
  + P' }3 F7 L8 o; M/ `  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),
  ! a2 E1 f5 ]% k% m                     labels=c("0","20万","40万","60万","80万"))+
  % I: x5 F$ i9 ^2 n' D" d5 F  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
  . U0 L  ?, K# f0 I3 J9 a9 O        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),
          legend.title=element_blank(),
          legend.text=element_text(size=15))
  ( B/ o' o8 P  e( _
  $ o- z% P4 q. @! b
  三、新增确诊病例全球地理分布
  mapworld<-borders("world",colour = "gray50",fill="white")
  / t; T: h& ~4 N% C9 o8 P+ eggplot()+mapworld+ylim(-60,90)+
  3 s: {! I- i, ?$ I( F8 v6 W  geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-01-22`),color="darkorange")+
    scale_size(range=c(2,9))+labs(title="2020年1月22日全球新增确诊人数分布")+
    theme_grey(base_size = 15)+
    theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
  7 L. }1 p5 g. s( [6 ^        legend.title=element_blank())
  . @1 N6 `) e+ Y
  - M/ t' C% ^+ _; x' _6 P, wggplot()+mapworld+ylim(-60,90)+
    geom_point(aes(x=new_data$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")+
    theme_grey(base_size = 15)+
    theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
  4 A: r% F) P% s        legend.title=element_blank())
  
  
    q( a& d6 @3 j& y. i+ P: |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

  
  ( a9 h5 P: l! E4 G

  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
  ) x" A) W8 y3 o  ncum_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")
  five_country<-subset(cum_patient_time,Country %in% c("India","Brazil","Russia","Spain","Italy"))
  $ ]' b3 L/ c2 Dfive_country$date<-as.Date(five_country$date)
  
  ggplot(five_country,
              aes(x=reorder(Country,increase_patient),y=increase_patient, fill=Country,frame=date)) +  
  7 |9 Y3 I7 v0 j" ~9 R  geom_bar(stat= 'identity', position = 'dodge',show.legend = FALSE) +  
    geom_text(aes(label=paste0(increase_patient)),col="black",hjust=-0.2)+  
    scale_fill_brewer(palette='Set3')+  #使用Set3色系模板
  6 t/ Z" X9 z- Y# K0 Z: V) n  theme(legend.position="none",
          panel.background=element_rect(fill='transparent'),
          axis.text.y=element_text(angle=0,colour="black",size=12,hjust=1),
          panel.grid =element_blank(),  #删除网格线
          axis.text = element_blank(),  #删除刻度标签
  5 L' K; z8 n8 t        axis.ticks = element_blank(),  #删除刻度线
  ; u* B# W6 r* D* c4 Y- Y  )+
    coord_flip()+  
  $ A+ {$ ]' T" ]* K8 K: |  transition_manual(frames=date) +  #动态呈现
  " W" X' X/ I/ X! b/ o  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")
  4 s4 f) E6 Q  H
  ; O8 _1 h& v6 \9 U- Z2 k; E* ?
  
  6 q$ O; k7 V: r  Z

" W& e; i1 `* R5 `$ {9 U