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
' G- S3 z( u# u% q' T' M二、新增确诊病例变化趋势
三、新增确诊病例全球地理分布
5 Z4 {' i9 a: t, q9 c8 m四、累计确诊病例动态变化图
$ a( O, R0 v% b一、数据介绍及预处理
" f. k) n; L5 a2 D$ q1. 基本字段介绍

字段名        含义
Province/State        省/州
Country/Region        国家/地区
" q& u. {" l6 q3 k! O/ Z3 zLat        纬度
Long        经度
1/22/20-12/7/20        每日累计确诊病例


1 Y- u& w' G  F3 r) f0 `
0 j, {  Y% x% Q2 u  p4 A& e/ J

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)]
  ) x5 M. G; D& P/ Y% T2 ][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 d9 u, X8 e) f5 u$ F* }+ f[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)]
  1 e1 u9 D/ g8 j$ @7 u$ u$ [8 ^[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
  ) p  E3 Y: P) d- h3 r
  #合并数据,new_data为新增确诊人数数据
  3 Y# g/ |, i* z3 D: `9 h- r: Q" a0 knew_data<-cbind(information_data,increase_data)
  : J. `4 U$ K& C  d; b  \) |
  5 ?( C8 \3 F, i8 ?- s8 i1. 中国新增确诊病例变化趋势
  5 d+ A& f: m; x& l0 Q7 p#合并所有省份新增确诊人数
  $ F; a0 w- m' ~, {china<-new_data[new_data$`Country/Region`=='China',]
  china_increase<-data.frame(apply(china[,-c(1:4)],2,sum))
  colnames(china_increase)<-'increase_patient'
  - S3 O5 ^! e) V2 }& Wchina_increase$date<-as.Date(rownames(china_increase),format="%Y-%m-%d")
  9 g) r1 m8 w$ L+ V: J
  2 I0 L; D! \( \0 vggplot(china_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
  7 w: k0 E; l- [+ _  h1 `0 k( t4 B  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')+
  & V, S( y" X, P( S/ X  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),
  / w. N. g5 n& |6 ~$ N1 `        axis.title.x = element_blank(),
  4 Y; L5 |6 H% D; I& F: ^) w5 Z        axis.title.y = element_text(size=15),
          axis.text.x = element_text(angle = 90,size=15),
          axis.text.y = element_text(size=15),
  ! {/ Y: }: K) }        legend.title=element_blank(),
  - `0 {% v5 o' G        legend.text=element_text(size=15))
  
                               
  2. 美国新增病例变化趋势
  8 t. j' d8 u0 w" xus<-new_data[new_data$`Country/Region`=='United States',]
  us_increase<-gather(us,key="date",value="increase_patient",'2020-01-22':'2020-12-07')
  2 D- g: N% }* o" o: N2 h4 V" eus_increase$date<-as.Date(us_increase$date)
  ( I0 E7 F6 j* p  h7 B3 u  J% \7 u; Kggplot(us_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
  7 i  k* l! \- J, \  scale_x_date(date_breaks = "14 days")+   #设置横轴日期间隔为14天
    labs(x='日期',y='新增确诊人数',title='2020年1月22日-2020年12月7日美国新增确诊人数变化趋势图')+
    theme_economist()+   #使用经济学人绘图样(式ggthemes包)
  & S. t$ V' l3 p: i3 M' m  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
          axis.title.x = element_blank(),
  $ ?: w: W0 e" [2 j7 f* \6 k4 @' b  R6 z        axis.title.y = element_text(size=15),
          axis.text.x = element_text(angle = 90,size=15),
  3 ^& ^3 X( J& _9 n# V        axis.text.y = element_text(size=15),
  % g; S: `5 f0 v, |( \        legend.title=element_blank(),
  " _# }' e3 S! ?6 P/ |7 ], J- b" N        legend.text=element_text(size=15))
  
  4 u% V3 ^: c# b  D6 A" n8 o
  ) a2 L; d( q# m3. 全球新增病例变化趋势
  ; K" I) H. f8 d& Jtotal_increase<-data.frame(apply(new_data[,-c(1:4)],2,sum))
  1 `5 g4 z! z' F# i6 J: O( `& a6 x# hcolnames(total_increase)<-'increase_patient'
  & J; c5 ?/ K  u& j' Q7 ?+ itotal_increase$date<-as.Date(rownames(total_increase),format="%Y-%m-%d")
  5 G8 q0 Q/ y4 }ggplot(total_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
    scale_x_date(date_breaks = "14 days")+
    labs(x='日期',y='新增确诊人数',title='2020年1月22日-2020年12月7日全球新增确诊人数变化趋势图')+
    theme_economist()+
  6 \- `* v. f3 U. G( q* T+ z% c5 T2 G  scale_y_continuous(limits=c(0,8*10^5),      #考虑数字过大,以文本形式标注y轴标签
                       breaks=c(0,2*10^5,4*10^5,6*10^5,8*10^5),
                       labels=c("0","20万","40万","60万","80万"))+
    theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
          axis.title.x = element_blank(),
  8 @& |4 w4 b1 R. B( m  w, I7 d        axis.title.y = element_text(size=15),
          axis.text.x = element_text(angle = 90,size=15),
          axis.text.y = element_text(size=15),
  . U0 W4 Q# P( Y6 ~        legend.title=element_blank(),
  % N" D& t& f, s9 Q$ q5 n        legend.text=element_text(size=15))
  
  # J8 O/ o) O+ _: w  V* v8 Z, c
  1 k2 x. J, K( o9 ?7 L3 {" R三、新增确诊病例全球地理分布
  4 u) |3 A: }/ {2 [" R6 [# xmapworld<-borders("world",colour = "gray50",fill="white")
  ggplot()+mapworld+ylim(-60,90)+
    geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-01-22`),color="darkorange")+
    scale_size(range=c(2,9))+labs(title="2020年1月22日全球新增确诊人数分布")+
  : T( [7 |4 U- o( T  theme_grey(base_size = 15)+
    theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
  ; T, U5 }  a$ Q+ c3 q, T6 \9 R1 R        legend.title=element_blank())
  
  ggplot()+mapworld+ylim(-60,90)+
  " x: F/ _8 d1 x, W  geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-11-22`),color="darkorange")+
    scale_size(range=c(2,9))+labs(title="2020年11月22日全球新增确诊人数分布")+
    theme_grey(base_size = 15)+
  ' @  A0 l) B$ _0 f% d1 L4 K* [  theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
          legend.title=element_blank())
  
  3 g1 O! x1 n" s
  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

  
  ' i) F& E7 ~+ t9 N* H

  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))

  
  " @( h  W$ K" j$ w  T! h6 t2. 五国（India、Brazil、Russia、Spain、Italy）累计确诊病例动态变化图
  - |. _: ]& _. w: M1 Z* |: A; p3 tcum_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")
  ; Y# v% c: E( O/ _five_country<-subset(cum_patient_time,Country %in% c("India","Brazil","Russia","Spain","Italy"))
  five_country$date<-as.Date(five_country$date)
  . i: H+ K$ O0 M; @- e/ w
  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) +  
    geom_text(aes(label=paste0(increase_patient)),col="black",hjust=-0.2)+  
    scale_fill_brewer(palette='Set3')+  #使用Set3色系模板
  " h# J( X& \( i, J' Y  theme(legend.position="none",
  8 e+ c+ V9 y4 r' x6 @% I+ H        panel.background=element_rect(fill='transparent'),
  9 C! ?8 M' a9 I  @! d" K; z& q8 s- {        axis.text.y=element_text(angle=0,colour="black",size=12,hjust=1),
  ' ?: ^- |  q# l' q4 m        panel.grid =element_blank(),  #删除网格线
          axis.text = element_blank(),  #删除刻度标签
  * n$ F- b3 L7 K9 p        axis.ticks = element_blank(),  #删除刻度线
  # X' c8 u; K2 g& t" h  )+
  % F8 G' S- C; ?& V1 \1 ]: Z' R  coord_flip()+  
  ) z4 r/ u: z1 U8 g* X3 o  transition_manual(frames=date) +  #动态呈现
  6 H, M1 M0 L  g! K8 V  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))+
  6 E9 c0 ^4 @3 E7 I) O4 Q  k  ease_aes('linear')  
  
  anim_save(filename = "五国累计确诊病例增长动态图.gif")
  
  
  
  3 m( B* h( s+ G/ Q" j

! o. E0 |4 ^% w+ X6 J$ _9 B0 s
3 i! _: d/ l  d0 K! H4 k