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
: N9 o: P* Z+ m3 a* r. b! W. S一、数据介绍及预处理
二、新增确诊病例变化趋势
2 f. G& M) D* N: E9 G6 h& J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
6 e4 J( l6 j6 F) i6 P0 ?一、数据介绍及预处理
& \, `1 U4 t5 m, @2 ?  P% X1 Q1. 基本字段介绍

字段名        含义
Province/State        省/州
Country/Region        国家/地区
" M. I( {9 [6 a" j. JLat        纬度
  f$ m* a3 B+ g7 c; b2 HLong        经度
1/22/20-12/7/20        每日累计确诊病例

* A4 \6 Z8 l2 n

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)]
  [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)]
  3 x2 _2 u- D- p7 b! P! g2 x9 z; g[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
  3 b7 L+ j& H: I* Zinspect_lag_data<-cbind(0,inspect_data[,1ncol(inspect_data)-1)])
  increase_data<-inspect_data-inspect_lag_data
  ; Z" B& R; z$ n: ~$ O% h
  #合并数据,new_data为新增确诊人数数据
  new_data<-cbind(information_data,increase_data)
  
  1 @0 L5 U9 |, S  @) L  w( y5 Z" i1. 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$`Country/Region`=='China',]
  china_increase<-data.frame(apply(china[,-c(1:4)],2,sum))
  # ^3 p: u" f4 W; F+ wcolnames(china_increase)<-'increase_patient'
  china_increase$date<-as.Date(rownames(china_increase),format="%Y-%m-%d")
  . w7 H9 F+ o# M9 B" w+ T1 [
  6 @) a) \4 B6 b2 A% s! j2 ?8 v! nggplot(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!)
  6 S6 Z% J7 k2 s3 c9 ?  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')+
  ( @6 W7 f/ I% |- W: g4 I7 m1 ^  theme_economist()+  #使用经济学人绘图样(式ggthemes包)
  * G# e' w5 |- y  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
  / V% I& H6 {/ x        axis.title.x = element_blank(),
          axis.title.y = element_text(size=15),
          axis.text.x = element_text(angle = 90,size=15),
  * n4 v& E2 H8 I2 W) m        axis.text.y = element_text(size=15),
  . N$ \  L: i. P/ ~. D) P" R        legend.title=element_blank(),
          legend.text=element_text(size=15))
  + G  G1 k& E! _8 I
  ; P6 y9 C( v. L+ [3 M; R                             
  2. 美国新增病例变化趋势
  us<-new_data[new_data$`Country/Region`=='United States',]
  : D0 R& i2 K9 y# B- W: {5 tus_increase<-gather(us,key="date",value="increase_patient",'2020-01-22':'2020-12-07')
  & F2 H) R: S8 V7 v+ ?5 k/ c5 T4 {6 Sus_increase$date<-as.Date(us_increase$date)
  3 K3 B, t+ |7 j8 F0 u9 ^  rggplot(us_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
  1 k7 D" x7 Q+ W8 A8 c* v( t  scale_x_date(date_breaks = "14 days")+   #设置横轴日期间隔为14天
  4 R1 |8 I* o" X/ V! G  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)
  7 d" e, Q1 D2 K  ~, M8 u5 G6 t  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
  ' F- e( @9 ]+ v' ?- A+ l) L2 p        axis.title.x = element_blank(),
          axis.title.y = element_text(size=15),
  6 E8 c  l. t9 j' A9 G+ C: ]        axis.text.x = element_text(angle = 90,size=15),
  9 H3 M) f0 n' {4 t- _% r+ {        axis.text.y = element_text(size=15),
          legend.title=element_blank(),
  ( T* p) q! D2 q. a. B5 t3 m/ E        legend.text=element_text(size=15))
  
  
  4 ]6 f  J, N- G, \. O9 Q; v3. 全球新增病例变化趋势
  & O+ b# n1 @( V, mtotal_increase<-data.frame(apply(new_data[,-c(1:4)],2,sum))
  ; H; J( Q7 x, Ecolnames(total_increase)<-'increase_patient'
  ( S2 w+ D. {$ Ctotal_increase$date<-as.Date(rownames(total_increase),format="%Y-%m-%d")
  % g, ?. f4 I- y* {3 p: jggplot(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),
  2 N  m/ c; k. L                     labels=c("0","20万","40万","60万","80万"))+
    theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
  3 \) |6 `2 D1 q        axis.title.x = element_blank(),
  - h! t; _5 {8 u# G. i        axis.title.y = element_text(size=15),
          axis.text.x = element_text(angle = 90,size=15),
          axis.text.y = element_text(size=15),
          legend.title=element_blank(),
  0 x" D- k# w' k/ D! G        legend.text=element_text(size=15))
  / Q+ ~, v. Q! h! G
  
  三、新增确诊病例全球地理分布
  " O0 k$ o0 J1 i  W8 ^mapworld<-borders("world",colour = "gray50",fill="white")
  1 P9 u  x7 {* Y! S8 H2 I4 J( x+ D$ s7 V: Bggplot()+mapworld+ylim(-60,90)+
  : \+ `/ [3 L/ P, B" F/ t+ ~  geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-01-22`),color="darkorange")+
    scale_size(range=c(2,9))+labs(title="2020年1月22日全球新增确诊人数分布")+
  # W. [- r- O/ @  Q/ G  theme_grey(base_size = 15)+
    theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
  9 N4 {6 a  R0 J; n) A        legend.title=element_blank())
  , J7 m7 v1 L$ \3 P* }. V
  3 U$ O  m( ]; [* r  @9 ^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")+
  7 [# ]. Y8 r- X  ^  u! M  theme_grey(base_size = 15)+
  8 h* p+ V* o9 H' H. J' ]  theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
  6 a, ]5 n) J* t- Q( c# I0 u+ x        legend.title=element_blank())
  
  
    j4 \  Z- E1 j9 b! J. o" `) F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))

  
  $ `( _5 `& q7 y2 \+ j2. 五国（India、Brazil、Russia、Spain、Italy）累计确诊病例动态变化图
  1 T/ m- B1 T2 ^  a- Y  y& r' L, zcum_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"))
  five_country$date<-as.Date(five_country$date)
  5 o  k6 z  ]  C9 L5 i9 M7 n
  1 I) N9 Q9 G$ aggplot(five_country,
  % m, _! S- ^# N            aes(x=reorder(Country,increase_patient),y=increase_patient, fill=Country,frame=date)) +  
  : n* r& \0 ?8 j5 n" _6 p* ~8 @$ w  geom_bar(stat= 'identity', position = 'dodge',show.legend = FALSE) +  
  1 o/ n' m& |5 J  geom_text(aes(label=paste0(increase_patient)),col="black",hjust=-0.2)+  
    scale_fill_brewer(palette='Set3')+  #使用Set3色系模板
  / z: O- b  \3 T3 I4 o  theme(legend.position="none",
          panel.background=element_rect(fill='transparent'),
  4 |6 v1 h. K! m# E0 M8 w: }. `5 G& \        axis.text.y=element_text(angle=0,colour="black",size=12,hjust=1),
  ; V! _( R2 b, y; }2 P. N5 J5 J% O# a        panel.grid =element_blank(),  #删除网格线
  5 v( O4 n7 F: K4 `) J$ m( j        axis.text = element_blank(),  #删除刻度标签
          axis.ticks = element_blank(),  #删除刻度线
  & e- |) {% N1 i  )+
    coord_flip()+  
  # T3 b$ }/ j. s+ n2 I/ W  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')+  
  6 g: z1 p" `! C' i8 t$ C  theme(axis.title.x = element_text(size=15))+
  ; z3 {; E' @8 i' C! K, |, S3 T  ease_aes('linear')  
  
  anim_save(filename = "五国累计确诊病例增长动态图.gif")
  
  . t+ k9 ?# L. w# }* E8 e
  - I% e3 `3 j% \
  

, Q: W& h, ?( d, t, |+ m
# j* c# @6 V  W: {" D