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
一、数据介绍及预处理
二、新增确诊病例变化趋势
8 a; q% N: O6 x' e9 }8 o( k  j% v/ |三、新增确诊病例全球地理分布
! U: I8 T# X" V! T四、累计确诊病例动态变化图
一、数据介绍及预处理
1. 基本字段介绍
6 Z' d: G  D1 _2 e! e
字段名        含义
Province/State        省/州
8 X0 Y3 z' D2 t# GCountry/Region        国家/地区
: `  s: W$ i6 F4 \Lat        纬度
# {' `4 o* {; A( B. f9 I( M" aLong        经度
1/22/20-12/7/20        每日累计确诊病例

* k$ e7 R+ J6 S* _$ ]! g7 C# u) T
! ?! J+ ]8 i+ |" E: `% F% x
: r/ g! ]( {/ S

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)]
  3 A3 `6 F$ b8 _5 ]( U$ v7 `# K3 n, W! V[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)]
  4 @1 I; E7 n' _; d3 X7 t[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)]
  " w  V9 `1 }8 k/ J3 z: 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)]
  5 u5 d1 o1 h# R. d: i[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
  , a5 z0 c: q. Q: n3 z& x+ Minspect_lag_data<-cbind(0,inspect_data[,1ncol(inspect_data)-1)])
  increase_data<-inspect_data-inspect_lag_data
    W3 ]9 K: C4 e7 A) Q$ ]" P
  #合并数据,new_data为新增确诊人数数据
  2 k8 q7 |7 I- V. Q# U/ y. v# Tnew_data<-cbind(information_data,increase_data)
  - d3 w2 P( Z+ W& }
  $ [/ l9 v! a. l. V1. 中国新增确诊病例变化趋势
  #合并所有省份新增确诊人数
  7 R: Y0 j! R* I- m& ]china<-new_data[new_data$`Country/Region`=='China',]
  china_increase<-data.frame(apply(china[,-c(1:4)],2,sum))
  , O" m2 K, ^5 t/ l* Jcolnames(china_increase)<-'increase_patient'
  # @7 e0 k* V2 H  D+ echina_increase$date<-as.Date(rownames(china_increase),format="%Y-%m-%d")
  6 ?2 r! w4 i( H* k! v, \$ T. b
  ggplot(china_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
  % D. n- d" g5 D. q" g  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')+
  5 `3 h3 G! M: d- S9 ^, `8 F  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),
  6 B5 w& f$ p8 @- l' V) N        axis.title.x = element_blank(),
          axis.title.y = element_text(size=15),
  , c2 ~7 e* n: G* h- O0 B  E        axis.text.x = element_text(angle = 90,size=15),
  ! T! ?$ M4 v! \  ]        axis.text.y = element_text(size=15),
  . A$ z* m, p6 W) u        legend.title=element_blank(),
          legend.text=element_text(size=15))
  
                               
  2. 美国新增病例变化趋势
  1 M2 y& ]/ [5 rus<-new_data[new_data$`Country/Region`=='United States',]
  us_increase<-gather(us,key="date",value="increase_patient",'2020-01-22':'2020-12-07')
  * Q  V$ e4 W7 T" w( Nus_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')+
  . c) Q) t: L$ H+ P4 ~' ]  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),
  + ]6 h; p, f/ C, D& T3 u3 p        axis.title.x = element_blank(),
          axis.title.y = element_text(size=15),
          axis.text.x = element_text(angle = 90,size=15),
  , I/ ~$ S4 A4 _        axis.text.y = element_text(size=15),
          legend.title=element_blank(),
          legend.text=element_text(size=15))
  
  5 B) \( [8 r+ y' q2 A* j5 g
  3. 全球新增病例变化趋势
  ' W& ]9 {0 F" g4 b- ~" f  ~+ _% Stotal_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")
  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")+
    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
  * x! V0 ~/ o! @( u5 W8 z' i7 ~                     breaks=c(0,2*10^5,4*10^5,6*10^5,8*10^5),
  $ ~, h" w6 A/ F# s                     labels=c("0","20万","40万","60万","80万"))+
    theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
  ' @8 P, t" i: m# V% Y        axis.title.x = element_blank(),
  - L0 r; |# Z$ F' R/ k4 e        axis.title.y = element_text(size=15),
          axis.text.x = element_text(angle = 90,size=15),
  ; z  r! H. C, I, l        axis.text.y = element_text(size=15),
          legend.title=element_blank(),
  4 \# N# ?0 g8 a8 Q' H, m        legend.text=element_text(size=15))
  * y* e8 Q5 a* d- R) a6 Z
  % n$ x2 k9 N6 z) N  N& I
  * i' ~* v1 W# M2 q三、新增确诊病例全球地理分布
  mapworld<-borders("world",colour = "gray50",fill="white")
  , ?0 e1 i& M5 N0 {ggplot()+mapworld+ylim(-60,90)+
  ! m/ e8 q9 V; u  M  E- c$ ?  geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-01-22`),color="darkorange")+
    scale_size(range=c(2,9))+labs(title="2020年1月22日全球新增确诊人数分布")+
    theme_grey(base_size = 15)+
    theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
          legend.title=element_blank())
  0 W6 N' k- k) d& G# a$ M
  ggplot()+mapworld+ylim(-60,90)+
    geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-11-22`),color="darkorange")+
    scale_size(range=c(2,9))+labs(title="2020年11月22日全球新增确诊人数分布")+
    theme_grey(base_size = 15)+
  % v- q+ O; ?' v; N' B  theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
          legend.title=element_blank())
  7 H4 E4 G* q, }2 r* {2 M" q
  % ~9 R/ `1 m3 c  C$ J+ V6 i. u
  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))

  
  7 Y: r* E8 O+ y( [/ _, q2. 五国（India、Brazil、Russia、Spain、Italy）累计确诊病例动态变化图
  , \3 {0 E8 O% N' s" _7 y4 c( L$ fcum_patient_time<-gather(data,key="date",value="increase_patient",'2020-01-22':'2020-12-07')
  4 j! Z7 I  f0 |" Vcolnames(cum_patient_time)<-c("rovince","Country","Lat","Long","date","increase_patient")
  " B0 O& v$ V: ~" r, `  Ufive_country<-subset(cum_patient_time,Country %in% c("India","Brazil","Russia","Spain","Italy"))
  ! q' B6 A1 n) e5 Y% Ifive_country$date<-as.Date(five_country$date)
  & t' ~4 d' b# a% f
  ggplot(five_country,
              aes(x=reorder(Country,increase_patient),y=increase_patient, fill=Country,frame=date)) +  
    geom_bar(stat= 'identity', position = 'dodge',show.legend = FALSE) +  
  " m: l# q: o& Y3 W* f0 g, R! f  geom_text(aes(label=paste0(increase_patient)),col="black",hjust=-0.2)+  
    scale_fill_brewer(palette='Set3')+  #使用Set3色系模板
  / @% }( [' J" ?1 X5 X5 R  theme(legend.position="none",
          panel.background=element_rect(fill='transparent'),
  + p4 ]; _  x! b# F; C2 \        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
  1 w% _* f! `( E% h; @# A        axis.ticks = element_blank(),  #删除刻度线
    )+
    coord_flip()+  
  8 I  Z% \1 w- P6 [+ B: Y  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')+  
  2 e7 |% L; o9 ?% N; y( A$ p* r  theme(axis.title.x = element_text(size=15))+
    ease_aes('linear')  
  
  6 `  k1 D  U- S4 \- ~7 Janim_save(filename = "五国累计确诊病例增长动态图.gif")
  0 r! j3 N9 y2 }& i: u2 n
  
  ) x5 b4 V. J. [( g$ J3 Y
  

$ g5 _6 D3 b- t