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
0 S* C' ^; |2 l  ^  N二、新增确诊病例变化趋势
三、新增确诊病例全球地理分布
3 B5 A! A8 B6 ?- A% r四、累计确诊病例动态变化图
一、数据介绍及预处理
0 u! f: \; i) F" ~8 {: F2 D1. 基本字段介绍
% f+ w, M; S5 C% y% m/ ?
字段名        含义
7 ~, |6 P) F+ \5 hProvince/State        省/州
Country/Region        国家/地区
Lat        纬度
2 G5 {( r+ e+ ?' N0 z& hLong        经度
1/22/20-12/7/20        每日累计确诊病例


( P0 O- |: w9 R! ?# 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)]
  * a5 w0 S  i' G0 O: d: N# v. e2 ^[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)]
  / R# V& Z( H9 ~6 k7 J$ J[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)]
  & d& P! T( o( V- T  ^  t4 N5 b[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
  . p: [; R* p( J3 u8 [5 @inspect_lag_data<-cbind(0,inspect_data[,1ncol(inspect_data)-1)])
  0 V+ K: p* I( l  W  j( Kincrease_data<-inspect_data-inspect_lag_data
  
  #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
  china<-new_data[new_data$`Country/Region`=='China',]
  ! @3 q8 h* F; `4 t2 hchina_increase<-data.frame(apply(china[,-c(1:4)],2,sum))
  5 ?. t9 J& ]0 s# b; C" `) }$ P- ~colnames(china_increase)<-'increase_patient'
  , V9 r+ Q; J: m0 Rchina_increase$date<-as.Date(rownames(china_increase),format="%Y-%m-%d")
    T' Y: b4 x% F  `% M5 [
  - b, {9 @& p+ \, n8 j3 r6 G$ X" mggplot(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')+
  % ]) f! j: ^+ B' Z  Y8 B  theme_economist()+  #使用经济学人绘图样(式ggthemes包)
  ; c  M! `8 a, a) z6 |- K) V. ^2 B  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
    J  y+ m1 q% }        axis.title.x = element_blank(),
          axis.title.y = element_text(size=15),
          axis.text.x = element_text(angle = 90,size=15),
  % f( C7 o6 T$ i3 P, O4 D/ c        axis.text.y = element_text(size=15),
          legend.title=element_blank(),
  6 O3 I$ h8 R" K4 b7 X        legend.text=element_text(size=15))
  % X& y6 C% j) x$ D3 w# U* M) z
                               
  0 x- Z4 h2 p& M1 L2. 美国新增病例变化趋势
    h" Q0 Y% b# W+ L& `# S4 Ous<-new_data[new_data$`Country/Region`=='United States',]
  us_increase<-gather(us,key="date",value="increase_patient",'2020-01-22':'2020-12-07')
  us_increase$date<-as.Date(us_increase$date)
  / Y- e  L2 W3 t0 ~ggplot(us_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
  4 \" t4 A. e. R$ y2 z' ?5 p  scale_x_date(date_breaks = "14 days")+   #设置横轴日期间隔为14天
  & a( p4 v$ l2 p+ V% c! c% M  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')+
  8 s: ~- ]) B; p$ V8 H  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),
  7 [3 N2 p4 o: u; @$ R, p        axis.title.x = element_blank(),
  . d8 g. a  s& Q7 f        axis.title.y = element_text(size=15),
  + k5 U1 z( ?( N/ k9 d        axis.text.x = element_text(angle = 90,size=15),
  : d8 `9 _. b8 V2 m7 q7 f" y        axis.text.y = element_text(size=15),
          legend.title=element_blank(),
          legend.text=element_text(size=15))
  5 y! M" R% {6 K2 s9 }; j  N, w
  1 c: V7 K1 |/ A& W
  $ j! o$ m2 v5 H: o: i. X3. 全球新增病例变化趋势
  total_increase<-data.frame(apply(new_data[,-c(1:4)],2,sum))
  ) w  f8 @9 k) a! C) D3 h, Qcolnames(total_increase)<-'increase_patient'
  . O- P; s6 @. X1 J. Ltotal_increase$date<-as.Date(rownames(total_increase),format="%Y-%m-%d")
  & |! {' Z0 x( z6 Qggplot(total_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
    scale_x_date(date_breaks = "14 days")+
    labs(x='日期',y='新增确诊人数',title='2020年1月22日-2020年12月7日全球新增确诊人数变化趋势图')+
    theme_economist()+
    scale_y_continuous(limits=c(0,8*10^5),      #考虑数字过大,以文本形式标注y轴标签
                       breaks=c(0,2*10^5,4*10^5,6*10^5,8*10^5),
  8 W: E1 y* a! _4 c+ V- S                     labels=c("0","20万","40万","60万","80万"))+
    theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
  ; \1 x) ?$ G1 N  k% `( i. `8 O        axis.title.x = element_blank(),
  0 s6 p& k7 T) a# ~/ w* E3 a$ R" U4 r        axis.title.y = element_text(size=15),
  * V3 u6 E- V! O1 X& t8 p6 Z6 F        axis.text.x = element_text(angle = 90,size=15),
          axis.text.y = element_text(size=15),
          legend.title=element_blank(),
          legend.text=element_text(size=15))
  ; a& r0 R: b+ T& A
  2 I) m9 i4 p: x: a& J
  三、新增确诊病例全球地理分布
  0 ~" ?, `$ [* Xmapworld<-borders("world",colour = "gray50",fill="white")
  ' N( \: L, B8 H: K* k& p% jggplot()+mapworld+ylim(-60,90)+
    geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-01-22`),color="darkorange")+
    ?. q6 a6 D: S' `  scale_size(range=c(2,9))+labs(title="2020年1月22日全球新增确诊人数分布")+
    theme_grey(base_size = 15)+
  4 q( y! i1 m: B4 d  theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
          legend.title=element_blank())
  ; B5 k: c* f& z0 X: ^7 T
  3 O; R8 o4 [- K; y7 b) xggplot()+mapworld+ylim(-60,90)+
    geom_point(aes(x=new_data$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)+
    theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
          legend.title=element_blank())
  
  ! h. D. A$ @/ X  E# R* 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

  
  

  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))

  
  3 ?4 Q! f) F8 r2. 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')
  ! ~# t- v! G9 qcolnames(cum_patient_time)<-c("rovince","Country","Lat","Long","date","increase_patient")
  ) Q# e/ u1 H% P& ^2 Z3 `five_country<-subset(cum_patient_time,Country %in% c("India","Brazil","Russia","Spain","Italy"))
  . `" F) \/ F0 Kfive_country$date<-as.Date(five_country$date)
  ! L2 a  n9 C7 Z0 h: V2 {% z1 J
  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) +  
  ) i: p% o: H8 b- z. Z! J4 ~) J, P0 g  geom_text(aes(label=paste0(increase_patient)),col="black",hjust=-0.2)+  
    scale_fill_brewer(palette='Set3')+  #使用Set3色系模板
    theme(legend.position="none",
          panel.background=element_rect(fill='transparent'),
          axis.text.y=element_text(angle=0,colour="black",size=12,hjust=1),
  + L5 E6 g( N6 u, Q, d        panel.grid =element_blank(),  #删除网格线
  ' q# K; }2 R/ n8 ]4 d        axis.text = element_blank(),  #删除刻度标签
          axis.ticks = element_blank(),  #删除刻度线
    )+
  7 r0 o* D" B7 ?- a  coord_flip()+  
    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')+  
  4 W6 l1 e/ r  d1 d4 X5 e5 K# W6 A. }  theme(axis.title.x = element_text(size=15))+
  % m; n* U% Z4 F2 L  ease_aes('linear')  
  . S" h/ q$ `% a) i3 _0 j4 @
  1 D* P  U- X4 X/ B& v5 C7 danim_save(filename = "五国累计确诊病例增长动态图.gif")
  
  
  
  3 y( s) y( e$ g6 _

0 p$ X  c+ p( n