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
9 w" f" m9 u1 J& J$ |0 `一、数据介绍及预处理
二、新增确诊病例变化趋势
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
) k* `" H4 D+ ~/ o- Z" p一、数据介绍及预处理
( r; R5 B  d! e' F" n3 @1. 基本字段介绍

字段名        含义
0 L  F& I) H! g5 W9 X# ?Province/State        省/州
) R. d2 h% [8 m5 u3 ?# z( ?Country/Region        国家/地区
Lat        纬度
Long        经度
6 E4 A1 v1 t& }* S: ~  _1/22/20-12/7/20        每日累计确诊病例



7 \. K# u+ Z, ?6 z. ?* a. Z) p# P

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)]
  / ^  U/ Q8 r" W5 c: z[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)]
  - V( g4 ]/ Z$ j4 k[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)]
  [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
  : y& y, q8 v3 linspect_lag_data<-cbind(0,inspect_data[,1ncol(inspect_data)-1)])
  increase_data<-inspect_data-inspect_lag_data
  
  ( X  d: T5 S7 \# n* }; k/ T' a#合并数据,new_data为新增确诊人数数据
  new_data<-cbind(information_data,increase_data)
  1 {- P, H! [$ h7 ?
  1. 中国新增确诊病例变化趋势
  7 B% N) K8 Y- f( @6 y& A2 j/ J#合并所有省份新增确诊人数
  china<-new_data[new_data$`Country/Region`=='China',]
  china_increase<-data.frame(apply(china[,-c(1:4)],2,sum))
  / f( |: N. w* lcolnames(china_increase)<-'increase_patient'
  china_increase$date<-as.Date(rownames(china_increase),format="%Y-%m-%d")
  
  + R" N' k8 ^! [& V/ ~, [ggplot(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')+
    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),
          axis.title.x = element_blank(),
          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(),
          legend.text=element_text(size=15))
  
  ! I3 c1 w! T% ?7 D4 _( T                             
  * R" w5 Z- D) |. c8 }) `% S2. 美国新增病例变化趋势
  us<-new_data[new_data$`Country/Region`=='United States',]
  . d3 K- B4 {" b- G" i! aus_increase<-gather(us,key="date",value="increase_patient",'2020-01-22':'2020-12-07')
  us_increase$date<-as.Date(us_increase$date)
  ggplot(us_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
  ; ]; B; y. \& O2 L. W! i, h  scale_x_date(date_breaks = "14 days")+   #设置横轴日期间隔为14天
  ; M3 ?4 W% x3 T, m7 j% I9 {  labs(x='日期',y='新增确诊人数',title='2020年1月22日-2020年12月7日美国新增确诊人数变化趋势图')+
    theme_economist()+   #使用经济学人绘图样(式ggthemes包)
    theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
          axis.title.x = element_blank(),
          axis.title.y = element_text(size=15),
  5 b3 Q5 S# ~% R: O, \0 ^        axis.text.x = element_text(angle = 90,size=15),
          axis.text.y = element_text(size=15),
  8 R' ?4 `  e+ ^  w2 @( S) J" `# B        legend.title=element_blank(),
          legend.text=element_text(size=15))
  + d8 \6 I8 Q5 h1 \: T7 ]
  . \$ w2 C  n, z# b
  1 H6 Q7 j+ Z  ?! u* I7 F3. 全球新增病例变化趋势
  total_increase<-data.frame(apply(new_data[,-c(1:4)],2,sum))
  + P0 D( s+ |/ m2 O, qcolnames(total_increase)<-'increase_patient'
  : l5 `, L# R+ p0 Ptotal_increase$date<-as.Date(rownames(total_increase),format="%Y-%m-%d")
  : |) P7 A4 s% c/ N+ Eggplot(total_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
  / N8 p5 E/ T+ ^+ M4 ?1 y% Z2 s) ^  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()+
  8 c# A5 M# l7 J# [3 T  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
  # b( H/ f$ H. M) E& G                     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 H3 L+ e4 G( ^! ^        axis.title.y = element_text(size=15),
          axis.text.x = element_text(angle = 90,size=15),
          axis.text.y = element_text(size=15),
  6 `4 W! J* V3 E' x' ^        legend.title=element_blank(),
          legend.text=element_text(size=15))
  
  
  + \$ i# A, h2 p, Q6 {6 j  L0 V三、新增确诊病例全球地理分布
  mapworld<-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$`2020-01-22`),color="darkorange")+
    scale_size(range=c(2,9))+labs(title="2020年1月22日全球新增确诊人数分布")+
    theme_grey(base_size = 15)+
    theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
  9 A2 u3 h+ ~; G* j        legend.title=element_blank())
  0 \3 H# C: M0 y9 y
  ggplot()+mapworld+ylim(-60,90)+
    geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-11-22`),color="darkorange")+
  + A( X- k2 g: u+ P7 V  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),
  . Y8 X& O& H2 E        legend.title=element_blank())
  - M9 h, Z! s- q& D# ]
  
  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))

  
  2. 五国（India、Brazil、Russia、Spain、Italy）累计确诊病例动态变化图
  % z! ?/ r% H* \7 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")
  . r; i6 z: S, Jfive_country<-subset(cum_patient_time,Country %in% c("India","Brazil","Russia","Spain","Italy"))
  * V2 a- b4 J" S" }3 Z. P2 b4 Nfive_country$date<-as.Date(five_country$date)
  
  4 l! e; r$ t$ V; hggplot(five_country,
              aes(x=reorder(Country,increase_patient),y=increase_patient, fill=Country,frame=date)) +  
    geom_bar(stat= 'identity', position = 'dodge',show.legend = FALSE) +  
  , d9 m5 ?8 S1 B2 x  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% f5 v# y* Q1 v; a0 G7 K  theme(legend.position="none",
  ! r& _' j1 b% z" C6 P$ s        panel.background=element_rect(fill='transparent'),
          axis.text.y=element_text(angle=0,colour="black",size=12,hjust=1),
  ' L1 e/ ^8 F* M' \+ j  I        panel.grid =element_blank(),  #删除网格线
  9 N. @2 e9 I# X8 Q        axis.text = element_blank(),  #删除刻度标签
  / c7 {$ ~1 C' V: t, W" F        axis.ticks = element_blank(),  #删除刻度线
    )+
    coord_flip()+  
  1 N% a* ?# C% o/ Q  d  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))+
  6 P3 w! _3 x3 T6 ~' O9 V  ease_aes('linear')  
  
  . }/ H' _8 T7 s! A0 j6 F$ Z0 E  `, xanim_save(filename = "五国累计确诊病例增长动态图.gif")
  - \2 L5 {* b! Z; ?0 B
  
  
  # Y5 `' E8 a4 q1 G2 A

' v1 }; b/ Q/ [7 S0 h% A
' F1 q1 K/ a( E