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
6 g9 s! Q5 `5 d# v4 G$ j目录
8 L/ S2 Q9 n) e5 L一、数据介绍及预处理
二、新增确诊病例变化趋势
6 x- O; o1 M" R4 \- e# N: L三、新增确诊病例全球地理分布
, d; p! j  T! E1 w  W0 `4 @四、累计确诊病例动态变化图
2 n1 }3 u: d. l* r一、数据介绍及预处理
1. 基本字段介绍

字段名        含义
Province/State        省/州
' n" C! C- _/ Z$ E4 DCountry/Region        国家/地区
Lat        纬度
0 B* S; S, t# p- Q* P# @Long        经度
1/22/20-12/7/20        每日累计确诊病例
+ m3 A6 _# \! B0 p9 }& B3 c; _


# z7 ?/ x! j0 t, z5 c

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)]
  4 P& P- Z& j! M  a  p9 p[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)]
  6 p- T( ?: g  g# [3 w% w; F[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)]
  ; b& H0 O) l! b- R, C  q[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
  
  2 v# z2 h" M2 a3 J#合并数据,new_data为新增确诊人数数据
  4 y# W( J7 O3 dnew_data<-cbind(information_data,increase_data)
  # _5 S4 Q/ @8 D' W8 K2 }
  1. 中国新增确诊病例变化趋势
  0 Q0 A3 q6 H$ s/ n0 c! t#合并所有省份新增确诊人数
  china<-new_data[new_data$`Country/Region`=='China',]
  china_increase<-data.frame(apply(china[,-c(1:4)],2,sum))
  2 X! y/ p7 p2 ~colnames(china_increase)<-'increase_patient'
  4 T- B3 r9 ?9 E0 e. Nchina_increase$date<-as.Date(rownames(china_increase),format="%Y-%m-%d")
  8 X; W5 g7 H. `& p. \- I
  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!)
  " H1 |  L6 s) y$ @, \  r  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)
  % A' Q1 H! W: [: F7 r: s( J; I  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
          axis.title.x = element_blank(),
  / n6 K  v, D" N        axis.title.y = element_text(size=15),
  ( _& |: f% r* b        axis.text.x = element_text(angle = 90,size=15),
  1 ^* \# P" Y5 u0 X        axis.text.y = element_text(size=15),
  - P, N3 ^1 D- n$ W0 j        legend.title=element_blank(),
          legend.text=element_text(size=15))
  3 {4 G+ w3 S) N* ^. I4 K
  6 `2 t* q1 ]5 Q% t% F8 X                             
    i  R( H7 G7 x3 ^, R  x2. 美国新增病例变化趋势
  , B+ p9 U/ f' f4 z& b0 }% uus<-new_data[new_data$`Country/Region`=='United States',]
  + U/ I/ h# f& j- D/ k( [1 F$ P1 Lus_increase<-gather(us,key="date",value="increase_patient",'2020-01-22':'2020-12-07')
  ! m/ f# z3 c/ t; Q, \% L2 {us_increase$date<-as.Date(us_increase$date)
  0 P$ e' [" h5 ^* z% \5 ^4 f, P( R/ W3 p4 cggplot(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
  9 m9 K. W0 \. h" a/ n% j  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')+
  9 i" Z" c& R. }6 R4 i5 y  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(),
  3 D; ]; H9 A) n% {0 n+ c7 S% L        axis.title.y = element_text(size=15),
  & D9 T# u: |$ T, P7 f7 b        axis.text.x = element_text(angle = 90,size=15),
  $ j7 S3 }' G& i; ^: t        axis.text.y = element_text(size=15),
          legend.title=element_blank(),
  # q# T: W0 J; t  J9 V/ n! r/ v4 B        legend.text=element_text(size=15))
  
  4 ]4 q/ j4 H" g
  3. 全球新增病例变化趋势
  # c' O7 K' W! [* Jtotal_increase<-data.frame(apply(new_data[,-c(1:4)],2,sum))
  ( M0 T: f9 g# Ecolnames(total_increase)<-'increase_patient'
  . ^) x: }  ]2 j# @# Ktotal_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)+
    scale_x_date(date_breaks = "14 days")+
  : |# Q1 e+ W. v- [6 L. V  a  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
  4 B7 [; t0 y" R/ {6 d# m3 E                     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(),
  4 a6 E- [9 H1 j! C7 |, T. u        axis.title.y = element_text(size=15),
          axis.text.x = element_text(angle = 90,size=15),
          axis.text.y = element_text(size=15),
  : z) ^5 a# t+ ]! c7 Y' e        legend.title=element_blank(),
          legend.text=element_text(size=15))
  
  0 R( K, P& Q2 h) _9 g/ U7 N6 z
  ( K% m# K6 s( Y* J& W5 h三、新增确诊病例全球地理分布
  mapworld<-borders("world",colour = "gray50",fill="white")
  . w; p) l; v& c: w/ eggplot()+mapworld+ylim(-60,90)+
    b; x5 ]8 F" ~  geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-01-22`),color="darkorange")+
    scale_size(range=c(2,9))+labs(title="2020年1月22日全球新增确诊人数分布")+
  1 s( H: B# X: x0 M+ w  theme_grey(base_size = 15)+
  ; R5 T/ k* V" ]) w9 V1 _  theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
          legend.title=element_blank())
  2 [' y( {2 A6 K2 Q
  ggplot()+mapworld+ylim(-60,90)+
  * W" Q0 |2 s4 N  geom_point(aes(x=new_data$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)+
  7 s: E+ l0 r% O' M# c0 ^0 F/ R  theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
  - A# e( |9 V. b+ f9 c" ~4 |) z        legend.title=element_blank())
  $ }6 c0 v$ `. `) 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

  
  $ o' V* H, V$ y6 S0 R5 U, y+ X

  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))

  
  4 R: b) q$ `( }/ W" X; U2. 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')
  colnames(cum_patient_time)<-c("rovince","Country","Lat","Long","date","increase_patient")
  & N+ S6 L- g$ w6 v1 C! M$ o) Rfive_country<-subset(cum_patient_time,Country %in% c("India","Brazil","Russia","Spain","Italy"))
  7 C8 H9 Y1 X9 E/ Z# O6 Tfive_country$date<-as.Date(five_country$date)
  & \5 n+ b: _3 M/ z' ]* N! w
  3 Q% b' _* R8 g9 Hggplot(five_country,
  6 z6 o3 F: `% I/ @5 Y            aes(x=reorder(Country,increase_patient),y=increase_patient, fill=Country,frame=date)) +  
  " n: e5 c  x6 `) {  geom_bar(stat= 'identity', position = 'dodge',show.legend = FALSE) +  
  / r% g- [; f% J9 a* z8 V  geom_text(aes(label=paste0(increase_patient)),col="black",hjust=-0.2)+  
  4 B0 I7 O. P% H# C/ b) ^3 X9 i  scale_fill_brewer(palette='Set3')+  #使用Set3色系模板
  # ^1 }8 b5 m3 }! @; c5 z/ N9 N  theme(legend.position="none",
  5 t" Z5 F- B9 t$ |4 O& Z8 H  B* {        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
  7 v5 L$ B; P; j4 i& N6 B        axis.ticks = element_blank(),  #删除刻度线
  8 J0 X& F& j9 Z+ S  )+
    coord_flip()+  
  6 ^( ^# p( q2 Q; [3 _& A1 _" Y( D  transition_manual(frames=date) +  #动态呈现
  % y7 q# }5 q, u  labs(title = paste('日期:', '{current_frame}'),x = '', y ='五国累计确诊病例增长')+  
  2 n' O. `/ _) c  theme(axis.title.x = element_text(size=15))+
  9 j# v' q) R4 |# e* ?7 r  ease_aes('linear')  
  : G  D  M& \% J4 L( |% R0 H
  anim_save(filename = "五国累计确诊病例增长动态图.gif")
  
  4 S( @1 k* H8 X0 a( t
  
  

" s" w8 E2 g. h! {3 K, t- o6 ?" V