查看: 5659|回复: 0

可视化实例基于R语言的全球疫情可视化

字体大小: 正常放大

1178 主题	15 听众	1万积分

TA的每日心情

	开心 2023-7-31 10:17

签到天数: 198 天

[LV.7]常住居民III

自我介绍: 数学中国浅夏

电梯直达

1^#

发表于 2021-10-28 20:34 |只看该作者 |正序浏览

|招呼Ta 关注Ta

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
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
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
Country/Region 国家/地区
Lat 纬度
Long 经度
1/22/20-12/7/20 每日累计确诊病例

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)]/ T9 ]1 a; v( j: p. B7 E
[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)]
" ?0 c6 G) {* ^: ^[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- \  X1 H! s[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)]" M& x6 y, t( B$ W* U
[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' ^; W  c0 E3 G
inspect_lag_data<-cbind(0,inspect_data[,1ncol(inspect_data)-1)]); Y* X3 H3 P  u' @/ _
increase_data<-inspect_data-inspect_lag_data
  h0 V; s7 E# N) t
9 Q: m/ T; n' L# K$ \# z7 a#合并数据,new_data为新增确诊人数数据
1 n- P! E& f* o+ ?new_data<-cbind(information_data,increase_data)2 j4 [8 z! L' ]# O; R

' R- i5 J; _, \: T1. 中国新增确诊病例变化趋势% Q; K0 o3 [: `9 f$ ~* n
#合并所有省份新增确诊人数2 X0 w( [% L  F/ I5 o  i
china<-new_data[new_data$`Country/Region`=='China',]
' n* f, O5 [: tchina_increase<-data.frame(apply(china[,-c(1:4)],2,sum))0 W8 h/ x# G, Y8 r7 _& n8 N
colnames(china_increase)<-'increase_patient'
# \) ~0 G% i9 M* L! p- B5 t, S6 Lchina_increase$date<-as.Date(rownames(china_increase),format="%Y-%m-%d")
9 B" {$ }1 x2 L9 W+ _) i8 S  m# D' R* A6 [
ggplot(china_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+5 C8 W+ J/ u, [4 p+ g6 C, q
  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!)4 f& O: D  y, r; {9 ]! i
  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')+0 s, p3 [5 j/ J  _
  theme_economist()+  #使用经济学人绘图样(式ggthemes包)
9 b3 r: I' d/ u$ j  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),' L/ p) {3 k* W/ _/ E7 S. V
      axis.title.x = element_blank(),1 y9 B7 Y3 Z5 F# U5 w
      axis.title.y = element_text(size=15),
/ ^7 Q. e  t# d/ h9 \! g       axis.text.x = element_text(angle = 90,size=15),
$ O9 Z, L8 ]3 p* ?       axis.text.y = element_text(size=15),
# z3 ^# F$ ]' n       legend.title=element_blank(),
( j7 ^  ^" c& Q       legend.text=element_text(size=15))
, T/ b$ u4 J$ F4 x. y
  l  K6 D: J) _                            + k  i4 D0 `2 ]9 M: H" ?8 u
2. 美国新增病例变化趋势6 t4 |# ^+ A/ N6 A( G
us<-new_data[new_data$`Country/Region`=='United States',]1 N! X; L6 S1 n- U$ Y
us_increase<-gather(us,key="date",value="increase_patient",'2020-01-22':'2020-12-07'); U4 \( k! \! M; G# i
us_increase$date<-as.Date(us_increase$date)
! t5 u4 G+ j, \6 nggplot(us_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
0 z1 t/ N  ^* i$ G3 r# I! d. V  scale_x_date(date_breaks = "14 days")+ #设置横轴日期间隔为14天
/ c) k: h& X) K$ s& m: O  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 @/ j* a0 b2 N( v$ ^  theme_economist()+ #使用经济学人绘图样(式ggthemes包)
5 R" s/ x+ d3 E. t; p  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
5 @4 M3 L* ~) C$ T7 h$ H6 a& i       axis.title.x = element_blank(),
- l; b; R" \8 P: y, o. X       axis.title.y = element_text(size=15),$ z/ }$ j/ _+ u; ^
      axis.text.x = element_text(angle = 90,size=15),
9 q% y% b. V8 j! u& P       axis.text.y = element_text(size=15),! N3 J7 K6 N9 E  p5 B0 B
      legend.title=element_blank(),
! h- A" k. |/ j( ]& U4 j7 ]       legend.text=element_text(size=15))
2 `, U; v. r6 g- N; Y7 ^* U* W2 `& Y6 ~( Z$ I$ X3 N. S
6 O) T2 m7 J4 V! t
3. 全球新增病例变化趋势
5 n3 x" V* a, E- \( E7 Ttotal_increase<-data.frame(apply(new_data[,-c(1:4)],2,sum))
" {6 }% x$ F0 N6 |; @3 g: Icolnames(total_increase)<-'increase_patient'
) u7 b2 T+ v( k  Itotal_increase$date<-as.Date(rownames(total_increase),format="%Y-%m-%d")2 Y9 f# L" K( b/ d! M3 g' }$ w8 y
ggplot(total_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
/ Z' @: h; M! N  scale_x_date(date_breaks = "14 days")+
. }: w" m' X% ^9 h, k' g: u7 R8 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')+4 b" [$ N9 N' J
  theme_economist()+
- M6 m' l7 p0 E# ~* m0 F! _6 H# k$ D  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( y* q9 q; S9 N1 R5 J4 j
                  breaks=c(0,2*10^5,4*10^5,6*10^5,8*10^5),
$ o! b/ a1 |$ k$ q$ K                   labels=c("0","20万","40万","60万","80万"))+
: G  h8 q0 l+ O+ F% x* _  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),# t' L  I$ H/ l$ r; u' v0 k: O
      axis.title.x = element_blank(),
, h' |; x' A) C+ O8 v; I       axis.title.y = element_text(size=15),
* N! j9 a" X* \" p       axis.text.x = element_text(angle = 90,size=15),  k" a" q* c  w  s+ F, C3 c
      axis.text.y = element_text(size=15),
4 P5 t( X0 d0 ?% ~       legend.title=element_blank(),
) t$ P+ M. f4 s) p       legend.text=element_text(size=15))
4 O( Y% P- c* V5 m6 l5 y  d5 B
0 r8 t) ^; i/ J8 j$ M! _6 w8 Z2 t! z% k' @! \8 a
三、新增确诊病例全球地理分布" W- e& n! F% Q0 X6 E
mapworld<-borders("world",colour = "gray50",fill="white") ' F9 \: X1 S5 z& Q3 t/ I: Z
ggplot()+mapworld+ylim(-60,90)+
( `# c7 w0 t' I+ C7 m8 ^1 d  geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-01-22`),color="darkorange")+
. C9 s4 b2 w  ]  scale_size(range=c(2,9))+labs(title="2020年1月22日全球新增确诊人数分布")+
/ r7 A; y  y5 s  theme_grey(base_size = 15)+
/ w+ i8 ]# i0 g9 F) f% \  theme(plot.title=element_text(face="plain",size=15,hjust=0.5),! g: U& P. ~, d
      legend.title=element_blank())( G8 W; ~4 s( j( Q& }% s: e4 i% t

2 R: N4 A. n  vggplot()+mapworld+ylim(-60,90)+
0 ~7 c# c* e) \  h- D  geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-11-22`),color="darkorange")+
) b. f& X  r1 ?8 ^7 [: U  scale_size(range=c(2,9))+labs(title="2020年11月22日全球新增确诊人数分布")+9 E6 l  E2 Z9 g9 D) v/ t# T) d
  theme_grey(base_size = 15)+: u7 {4 `7 `+ [$ C: J" R/ H& H% d2 M
  theme(plot.title=element_text(face="plain",size=15,hjust=0.5)," }$ v. ?7 o6 ~4 @8 H6 c9 M
      legend.title=element_blank())2 g. C$ n' [( P3 S

1 B# s  p8 Z- V) k* d5 B% ?$ w, C. `/ [* F. k% G
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

* [8 b* J) [$ G( i: O4 b
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$count/10^4,0)),"万")
ggplot(cum_patient,aes(x=country,y=count))+
geom_bar(stat = "identity", width = 0.75,fill="#f68060")+
  coord_flip()+  #横向
  xlab("")+
  geom_text(aes(label = labels, vjust = 0.5, hjust = -0.15))+
  labs(title='至2020年12月7日累计确诊病例前十的国家')+
  theme(plot.title = element_text(face="plain",size=15,hjust=0.5))+
  scale_y_continuous(limits=c(0, 1.8*10^7))
' ^! g; T$ p5 k; U% I
2. 五国（India、Brazil、Russia、Spain、Italy）累计确诊病例动态变化图' `3 [# N7 _' A6 L1 s
cum_patient_time<-gather(data,key="date",value="increase_patient",'2020-01-22':'2020-12-07')3 q; ]! L( D. e3 j) x2 v- }
colnames(cum_patient_time)<-c("rovince","Country","Lat","Long","date","increase_patient")
7 \4 v- [, D* W& |, n' mfive_country<-subset(cum_patient_time,Country %in% c("India","Brazil","Russia","Spain","Italy"))" K: z4 n+ g+ R; n# B. ?
five_country$date<-as.Date(five_country$date)
1 g/ C/ P' Z2 y2 V2 N/ [
3 k2 [9 F. J1 f. x. vggplot(five_country,
7 v* `5 V7 W4 q" I          aes(x=reorder(Country,increase_patient),y=increase_patient, fill=Country,frame=date)) +  1 _7 p0 [. ]: k
  geom_bar(stat= 'identity', position = 'dodge',show.legend = FALSE) +
# T% |0 a* k$ V5 B; s! {, ]9 d; |  geom_text(aes(label=paste0(increase_patient)),col="black",hjust=-0.2)+  & [3 N' D8 B/ M$ [8 i
  scale_fill_brewer(palette='Set3')+  #使用Set3色系模板7 `5 J& B8 |2 `, w5 y1 Z
  theme(legend.position="none",) h7 E2 T) E7 B5 x  L
      panel.background=element_rect(fill='transparent'),& c) {, {7 F% T) L& \; ?* N
      axis.text.y=element_text(angle=0,colour="black",size=12,hjust=1),
' g6 z/ F5 u. y2 C       panel.grid =element_blank(),  #删除网格线: c% E1 _" W6 s! X
      axis.text = element_blank(),  #删除刻度标签2 }! j  T5 H. W- g" H+ T
      axis.ticks = element_blank(),  #删除刻度线; m& I( e* V0 I5 |
  )+
1 B) z% g1 M+ n0 P( J* r. I  coord_flip()+
9 y- W% o4 i" |! [& F* G  transition_manual(frames=date) +  #动态呈现# [" @$ M; l- {- n% \7 H6 ?7 Y, T
  labs(title = paste('日期:', '{current_frame}'),x = '', y ='五国累计确诊病例增长')+
9 z6 J+ U7 c6 b$ q  theme(axis.title.x = element_text(size=15))+/ f) N! t  Q  |: {4 b* V
  ease_aes('linear')
9 q/ t, j7 J5 Y9 P: H* M
+ t0 k/ e  m0 r$ t0 x1 o' X+ O5 nanim_save(filename = "五国累计确诊病例增长动态图.gif")
6 A; n. c0 q3 e6 o
+ V/ l, M/ \( x" e" _7 K' T
" Y& n8 X# ~+ x$ A3 X7 g. o
3 |( w  a, I2 X' i8 I8 n