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
二、新增确诊病例变化趋势
) i/ q! G7 A8 {8 }9 a: Q6 {: n% `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
一、数据介绍及预处理
1. 基本字段介绍

字段名        含义
) \, v- X+ E- @1 T6 l, l' UProvince/State        省/州
7 b/ A7 t8 u. f# Q! h. `Country/Region        国家/地区
+ k3 I- H& s) Y2 g, K% P' X% y! FLat        纬度
Long        经度
  B9 I/ Q! f/ g' ^0 L0 K6 U1/22/20-12/7/20        每日累计确诊病例
) w3 u4 s+ g5 A, \- y% V2 f

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)]
  4 K1 ~# k9 G5 e- n5 D( G[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)]
  : n: u3 S) P2 _[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
  ( e2 I( T# c# C: T, J4 f2 u, p5 Cinspect_lag_data<-cbind(0,inspect_data[,1ncol(inspect_data)-1)])
  increase_data<-inspect_data-inspect_lag_data
  3 p2 ]. F# K/ {& P" w
  #合并数据,new_data为新增确诊人数数据
  new_data<-cbind(information_data,increase_data)
  ' a- N& m" R) q
  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$`Country/Region`=='China',]
  ) d7 E/ D) m( {& X& B' D8 Zchina_increase<-data.frame(apply(china[,-c(1:4)],2,sum))
  colnames(china_increase)<-'increase_patient'
  china_increase$date<-as.Date(rownames(china_increase),format="%Y-%m-%d")
  
  3 h4 j% O% A- b. @3 hggplot(china_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
  , h# \9 v) U7 @- C" W: n  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!)
  . D4 Y1 e' Q+ b# C( V2 d. Q  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')+
  ; b$ u6 Y) y# }  i* n  theme_economist()+  #使用经济学人绘图样(式ggthemes包)
  / ^0 [! [) H  v3 A1 q$ E* W3 H  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
  ! U+ s3 ^. E  G$ b" `) M/ j; Q        axis.title.x = element_blank(),
          axis.title.y = element_text(size=15),
  % @+ ~$ i, [" Q# \8 e0 m        axis.text.x = element_text(angle = 90,size=15),
  , P2 i  m* q$ H- [* P        axis.text.y = element_text(size=15),
  ; p- {4 S, u; Z) P* s2 ~- `        legend.title=element_blank(),
  0 _$ q; a% y4 a        legend.text=element_text(size=15))
  ) g# P$ \$ r% d6 n6 ~1 y
  ) H3 C/ h. y9 e( ]9 T) p8 C7 Z                             
  2. 美国新增病例变化趋势
  us<-new_data[new_data$`Country/Region`=='United States',]
  us_increase<-gather(us,key="date",value="increase_patient",'2020-01-22':'2020-12-07')
  : E& ]1 }+ ?  ^& _" _8 w" e. Hus_increase$date<-as.Date(us_increase$date)
  2 x/ B  h- ]3 Q8 X/ m0 Zggplot(us_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
  # {4 q  E: J8 k# A/ V9 ?  scale_x_date(date_breaks = "14 days")+   #设置横轴日期间隔为14天
  ! y8 k; i  S% k0 \; ?% F1 U  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)
  " a: ?: w: s8 s0 Q+ y2 @7 m  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
  ' J5 Y; m0 @2 M% C' j! x        axis.title.x = element_blank(),
          axis.title.y = element_text(size=15),
  $ d/ w1 Z3 I" X/ B        axis.text.x = element_text(angle = 90,size=15),
  & k- {9 U, F9 y0 y: N        axis.text.y = element_text(size=15),
  # I- F3 p9 S( V% Z& v        legend.title=element_blank(),
  ) Q- r/ a4 m0 n        legend.text=element_text(size=15))
  . q1 J& V9 ]7 K
  
  3. 全球新增病例变化趋势
  2 k; v. y$ q/ ?9 i0 M5 ototal_increase<-data.frame(apply(new_data[,-c(1:4)],2,sum))
  6 y* {9 M" U) h* q1 g6 qcolnames(total_increase)<-'increase_patient'
  ) _7 k  }" J3 ?2 S8 qtotal_increase$date<-as.Date(rownames(total_increase),format="%Y-%m-%d")
  ggplot(total_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
    scale_x_date(date_breaks = "14 days")+
  + s' E: `# x& o7 @" A  labs(x='日期',y='新增确诊人数',title='2020年1月22日-2020年12月7日全球新增确诊人数变化趋势图')+
  5 R& P$ E) s* b; s$ F# N+ D6 T  theme_economist()+
  : Q" [, u5 g9 T- M4 x: D  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
  8 Y, e7 A, y7 V* g: r                     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),
  # {* S; |; X# b- k        axis.title.x = element_blank(),
          axis.title.y = element_text(size=15),
  + s; M5 [) C9 Q        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))
  
  
  三、新增确诊病例全球地理分布
  mapworld<-borders("world",colour = "gray50",fill="white")
  : r, X3 R! l" h7 yggplot()+mapworld+ylim(-60,90)+
    Y5 s9 k# S  C: M* m9 j  geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-01-22`),color="darkorange")+
    scale_size(range=c(2,9))+labs(title="2020年1月22日全球新增确诊人数分布")+
  8 z2 _, Y2 T* D( w9 J" v  theme_grey(base_size = 15)+
    theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
          legend.title=element_blank())
  7 m# r4 _1 U& T% p) q& R
  ggplot()+mapworld+ylim(-60,90)+
  8 N5 }4 E( F- B4 \$ ~/ N  geom_point(aes(x=new_data$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())
  6 q2 v0 s! U7 v
  ) [# K. \8 j- C# q# |
  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))

  
  1 B- Y) Q" z3 E3 g$ c2. 五国（India、Brazil、Russia、Spain、Italy）累计确诊病例动态变化图
  " I. T4 v7 w# ~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"))
  5 a% k# _) x6 n. |five_country$date<-as.Date(five_country$date)
  
  ggplot(five_country,
  " e# l: P, R+ u9 m) ^+ V: u% G# v) h            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)+  
  ! a4 i- z. ~# `6 t6 P1 D  scale_fill_brewer(palette='Set3')+  #使用Set3色系模板
  - R: |7 y) \4 I  theme(legend.position="none",
          panel.background=element_rect(fill='transparent'),
    D' e# Z+ N7 I. M0 h        axis.text.y=element_text(angle=0,colour="black",size=12,hjust=1),
  0 R8 d& U  R( a3 V/ G        panel.grid =element_blank(),  #删除网格线
    g+ q6 ]- J6 T2 ^        axis.text = element_blank(),  #删除刻度标签
          axis.ticks = element_blank(),  #删除刻度线
    )+
  ; U: N: i/ [! r4 x& L  X: g  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')+  
    theme(axis.title.x = element_text(size=15))+
  ! R( S; i+ D1 x$ J; b  ease_aes('linear')  
  ! x. \) A4 V9 W6 W  o
  anim_save(filename = "五国累计确诊病例增长动态图.gif")