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
3 n4 l# Z& S) J. w* H8 R6 Y) L一、数据介绍及预处理
二、新增确诊病例变化趋势
: Y" [6 B( k" d三、新增确诊病例全球地理分布
) S! k2 Z6 _9 V5 g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
3 x7 ~( P2 l% X1 n% OCountry/Region        国家/地区
5 x3 R6 Z" P1 x8 ]* TLat        纬度
+ j( Y3 F! `) V& o2 E+ `Long        经度
1/22/20-12/7/20        每日累计确诊病例

; i6 G% Q7 V/ b6 S5 n7 I3 P, e
: u' Z2 H) G1 F7 w$ ?* n0 J3 _( l. K+ ^

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)]
  ( o8 w* x5 z& q" a8 m: m% Q[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)]
  4 \1 J8 _3 ]8 k* F$ A+ O5 S4 C[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)]
  - U3 r8 I) @9 h* r9 L. s* l) S[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
  ' g4 w% ~/ c. oinspect_lag_data<-cbind(0,inspect_data[,1ncol(inspect_data)-1)])
  3 F* |/ i3 p: S( b* bincrease_data<-inspect_data-inspect_lag_data
  
  ; q$ Y0 O8 u9 Z# \; `7 l4 L5 w#合并数据,new_data为新增确诊人数数据
  new_data<-cbind(information_data,increase_data)
  % R8 h1 _% ~" Q1 h+ A% X" X
  7 O1 l. @: [) k& J. d1. 中国新增确诊病例变化趋势
  #合并所有省份新增确诊人数
  6 w7 F; e4 _  _% r1 ]china<-new_data[new_data$`Country/Region`=='China',]
  china_increase<-data.frame(apply(china[,-c(1:4)],2,sum))
  ' |8 a  l# J2 N7 z% n+ \' `colnames(china_increase)<-'increase_patient'
  china_increase$date<-as.Date(rownames(china_increase),format="%Y-%m-%d")
  - z" e, y& R6 B* S1 d+ @+ A
  # G; `% C& M1 @0 F6 `ggplot(china_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
  - R2 I) c8 l, @: k& R! a% \  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')+
  7 v9 E( u; A5 K* @0 T2 u0 G- ~' z/ r  theme_economist()+  #使用经济学人绘图样(式ggthemes包)
  , l" {  t4 m* M) X  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
  , F& z) P7 v% v6 m( V1 u! ]        axis.title.x = element_blank(),
          axis.title.y = element_text(size=15),
          axis.text.x = element_text(angle = 90,size=15),
  ( D# T/ b& o. R6 y$ ]# B+ a        axis.text.y = element_text(size=15),
  1 J  }0 T  b7 ]; |0 F/ K        legend.title=element_blank(),
          legend.text=element_text(size=15))
  
  ) L4 z8 S7 N( k" y                             
  * m: O! q. R; S4 Q2. 美国新增病例变化趋势
  - p4 @, S8 @4 ]) M# B  Qus<-new_data[new_data$`Country/Region`=='United States',]
  us_increase<-gather(us,key="date",value="increase_patient",'2020-01-22':'2020-12-07')
  ' @" F8 K& l2 R# U: h9 R* [us_increase$date<-as.Date(us_increase$date)
  # Y9 c$ V4 F/ n/ k( j- Yggplot(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
  & f4 f- {9 @" h, i1 T, Y. z/ 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)
    theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
  " w' N, T3 f/ |( ^0 L        axis.title.x = element_blank(),
  1 b( l0 J# I2 ~# x6 J. ?        axis.title.y = element_text(size=15),
          axis.text.x = element_text(angle = 90,size=15),
          axis.text.y = element_text(size=15),
  & ^  I: i/ e. b7 |  i        legend.title=element_blank(),
          legend.text=element_text(size=15))
  
  
  + N8 ]4 q, S: P$ q+ g9 i3. 全球新增病例变化趋势
  5 X( ~; h6 m- z9 z1 rtotal_increase<-data.frame(apply(new_data[,-c(1:4)],2,sum))
  3 \" r  X$ h' n  ~0 [4 Fcolnames(total_increase)<-'increase_patient'
  6 ~) v$ z  q9 L) H1 J3 Gtotal_increase$date<-as.Date(rownames(total_increase),format="%Y-%m-%d")
  ggplot(total_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
  + C7 k( E9 J6 S8 b: k  scale_x_date(date_breaks = "14 days")+
    s3 f3 W4 s2 R/ Z/ d: W8 n  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),
  3 b5 K, A3 p+ h6 ?' j* A! I% B                     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),
  3 D2 ?9 O7 G2 W+ \$ e' S/ C! G        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))
  1 o; n2 a7 P5 I' U
  
  , T8 a* `! o0 W' R6 H& [三、新增确诊病例全球地理分布
  1 {; \  a  L3 h& O) h1 ^% imapworld<-borders("world",colour = "gray50",fill="white")
  ( e+ r+ h+ N/ n& ?2 i1 g$ g4 Kggplot()+mapworld+ylim(-60,90)+
  . ?5 x) w- C9 j& G" X  geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-01-22`),color="darkorange")+
  . j& n. Q* J) C" m, [  scale_size(range=c(2,9))+labs(title="2020年1月22日全球新增确诊人数分布")+
    theme_grey(base_size = 15)+
  ' t: ^: P/ G) o' {  theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
  7 c. g7 s, V( N$ t/ |        legend.title=element_blank())
  ' @% [/ N$ [# g' \/ h7 }
  ; F) q, `6 E, ]+ m- V' M9 S( nggplot()+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")+
  ) G. k5 Y& x# F5 {  theme_grey(base_size = 15)+
    theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
          legend.title=element_blank())
  
  : n- Z8 m0 E: 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

  
  / y4 F. u8 X  y! l8 S

  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))

  
  2. 五国（India、Brazil、Russia、Spain、Italy）累计确诊病例动态变化图
  & e# U% v# I& Lcum_patient_time<-gather(data,key="date",value="increase_patient",'2020-01-22':'2020-12-07')
  6 M& Q% l  j( g1 ?: v8 A$ Mcolnames(cum_patient_time)<-c("rovince","Country","Lat","Long","date","increase_patient")
  + J3 w# C1 n$ o- [3 Qfive_country<-subset(cum_patient_time,Country %in% c("India","Brazil","Russia","Spain","Italy"))
  five_country$date<-as.Date(five_country$date)
  - j% p) B) C3 g# |
  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)+  
  . V' l6 n4 J+ [& f) }2 ?  scale_fill_brewer(palette='Set3')+  #使用Set3色系模板
  + x8 D7 U1 Y' [0 I8 j! `& q9 P  theme(legend.position="none",
  + E1 K5 a" H& c) u$ y* R4 x# L& R        panel.background=element_rect(fill='transparent'),
          axis.text.y=element_text(angle=0,colour="black",size=12,hjust=1),
          panel.grid =element_blank(),  #删除网格线
          axis.text = element_blank(),  #删除刻度标签
  ; e3 r9 {6 L7 M0 u% ^0 S        axis.ticks = element_blank(),  #删除刻度线
  ) v/ I7 o! @& v  )+
  ) J. b& G* e1 O) R+ W( i  coord_flip()+  
  + k+ `3 C( i9 Y! t/ v! z  transition_manual(frames=date) +  #动态呈现
  - T8 j) |& f8 t( i& ^  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))+
  % w  C1 `+ Q' Q9 e4 t$ o  ease_aes('linear')  
  4 m, c/ H. K3 H6 X
  - }5 H; y  x, J& I+ S( ~3 v9 Ianim_save(filename = "五国累计确诊病例增长动态图.gif")
  
  9 L/ D& Q9 Z7 ?( v
  + ^" O5 ~+ C/ m/ h
  : a! t1 U0 r5 a0 _- m' q6 y; o0 O

7 K! J+ P) T$ A# b