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
4 H8 g$ Q0 b6 c7 W目录
一、数据介绍及预处理
二、新增确诊病例变化趋势
; ^* b. W' s- L. o. s三、新增确诊病例全球地理分布
! X2 [. S, S, H+ D四、累计确诊病例动态变化图
0 W$ D; W4 n" {1 r' [' \& A0 `" I一、数据介绍及预处理
1. 基本字段介绍

字段名        含义
- u3 L( l; K" f( s# iProvince/State        省/州
$ {* I( L8 l6 |/ a  ]$ R9 |9 HCountry/Region        国家/地区
Lat        纬度
3 q. Z4 T- R# `; Q) _! XLong        经度
1/22/20-12/7/20        每日累计确诊病例


' s( J2 H: h7 B

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)]
  & q3 i( Z0 L2 O" ^. X* 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)]
  [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)]
  [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)]
  [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
  $ N6 m: p: R$ Q" V: N0 S
  : o( Z+ s. D, j$ U: s' Y. h; l#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
  #合并所有省份新增确诊人数
  : R+ r/ }2 p3 Y* [: ~/ A: @china<-new_data[new_data$`Country/Region`=='China',]
  china_increase<-data.frame(apply(china[,-c(1:4)],2,sum))
  colnames(china_increase)<-'increase_patient'
  ' C( ]: D# h% Nchina_increase$date<-as.Date(rownames(china_increase),format="%Y-%m-%d")
  
  ( f4 Q8 H( Z# v, N5 ~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)
  , D8 A# c" C; H  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
  8 B! B: w# R. e/ K8 i        axis.title.x = element_blank(),
          axis.title.y = element_text(size=15),
  , t8 }1 |$ t, S$ `        axis.text.x = element_text(angle = 90,size=15),
          axis.text.y = element_text(size=15),
  * K4 P' t6 X" m( {        legend.title=element_blank(),
  6 [$ P4 q4 R# d& G' |# E3 r        legend.text=element_text(size=15))
  ! g' ~4 F- f8 Z! i. K
                               
  2. 美国新增病例变化趋势
  ! A, ^( }5 @' O, V) K  Gus<-new_data[new_data$`Country/Region`=='United States',]
  us_increase<-gather(us,key="date",value="increase_patient",'2020-01-22':'2020-12-07')
  # Z1 s; Q2 y) Q1 A  f. \; L  b2 hus_increase$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
  6 {7 a8 F" Q/ k: ?4 K6 o( G0 ~  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')+
  0 n. \  W8 l4 l  theme_economist()+   #使用经济学人绘图样(式ggthemes包)
  ) J) L# P6 B8 o2 T  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
          axis.title.x = element_blank(),
  # P7 r+ Q( ]1 \. v/ a# L        axis.title.y = element_text(size=15),
  ; `, g5 e! u+ f2 G7 `( H        axis.text.x = element_text(angle = 90,size=15),
          axis.text.y = element_text(size=15),
          legend.title=element_blank(),
  9 o" g& C0 {6 x- x9 |        legend.text=element_text(size=15))
  
  
  3. 全球新增病例变化趋势
  total_increase<-data.frame(apply(new_data[,-c(1:4)],2,sum))
  4 h/ t1 o" {0 ?# C# z; wcolnames(total_increase)<-'increase_patient'
  1 z4 ]2 c' l9 i9 Q4 _: Ototal_increase$date<-as.Date(rownames(total_increase),format="%Y-%m-%d")
  - M* F/ f3 G  Z; r8 W9 _/ Tggplot(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")+
  , s, i+ h+ u. S( U/ p2 s7 u4 }  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),
  ' u% a7 N; v6 a2 ~' _* G% l                     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(),
          axis.title.y = element_text(size=15),
          axis.text.x = element_text(angle = 90,size=15),
  - F: W/ U. ^! q0 G" j# R        axis.text.y = element_text(size=15),
  * p0 z6 H* R5 N1 k3 |+ c5 b        legend.title=element_blank(),
          legend.text=element_text(size=15))
  7 w" E" a, M' ^) e
  
  三、新增确诊病例全球地理分布
  mapworld<-borders("world",colour = "gray50",fill="white")
  % ^2 K( h) `) [  n- {ggplot()+mapworld+ylim(-60,90)+
    geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-01-22`),color="darkorange")+
  0 G; l# ?. s# O( \  scale_size(range=c(2,9))+labs(title="2020年1月22日全球新增确诊人数分布")+
  : G& d' }/ z+ ~7 [& r7 |  theme_grey(base_size = 15)+
    theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
  , C& |, {. [9 [2 x; ~        legend.title=element_blank())
  
  * Q& ]! F5 e% p& i9 ]- Jggplot()+mapworld+ylim(-60,90)+
    geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-11-22`),color="darkorange")+
  9 p: [' W. o. z  scale_size(range=c(2,9))+labs(title="2020年11月22日全球新增确诊人数分布")+
  6 a: d2 g& z  M( d2 i  theme_grey(base_size = 15)+
    theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
  % V: e; R6 T# O0 L! v: n& e. D) f7 a, _        legend.title=element_blank())
  % q/ _! T7 |# g$ r4 L4 B
  
  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

  
  3 U. p4 I5 L3 z/ }8 x# D

  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))

  
  8 L8 U; C* K% J2 T. ^  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")
  five_country<-subset(cum_patient_time,Country %in% c("India","Brazil","Russia","Spain","Italy"))
  " U1 h0 h1 y+ W! H6 r6 Sfive_country$date<-as.Date(five_country$date)
  
  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) +  
  0 h& ]6 u( M' ~" z5 @3 o- t  geom_text(aes(label=paste0(increase_patient)),col="black",hjust=-0.2)+  
    scale_fill_brewer(palette='Set3')+  #使用Set3色系模板
  3 C7 Z/ N+ e& e' I4 e7 J  theme(legend.position="none",
  + _* o- l# P9 `5 @4 g% M  x        panel.background=element_rect(fill='transparent'),
          axis.text.y=element_text(angle=0,colour="black",size=12,hjust=1),
  * b- `. v, r! b. z        panel.grid =element_blank(),  #删除网格线
          axis.text = element_blank(),  #删除刻度标签
  5 P& t- P# x4 C* s$ E0 {        axis.ticks = element_blank(),  #删除刻度线
    )+
  7 C0 ]& P* j" j6 C$ I. ^7 n  coord_flip()+  
  & U( C+ t, E% {; 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')+  
    theme(axis.title.x = element_text(size=15))+
  4 y4 x9 B1 q% r0 D1 K: s0 G6 [8 Z  ease_aes('linear')  
  
  anim_save(filename = "五国累计确诊病例增长动态图.gif")
  
  
  4 }# T& O; ^0 I4 C$ M: z
  ! f/ a# x8 Z- R' l+ o/ o

5 P& }" j6 i' {- @- l) |: \( K