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
% ~: n& z- G, |& J# B一、数据介绍及预处理
& Y5 x# ]  |0 x2 X; w7 G! a二、新增确诊病例变化趋势
三、新增确诊病例全球地理分布
  h$ G6 g% E5 u8 U, @1 g四、累计确诊病例动态变化图
2 [5 G( o# M& w一、数据介绍及预处理
- Y! m8 [: }: T' {/ r1. 基本字段介绍

字段名        含义
Province/State        省/州
+ |  u- E: f5 e. \1 D) j  K/ FCountry/Region        国家/地区
9 `8 ]/ l5 r7 k# l( H5 ]! pLat        纬度
Long        经度
) U0 s" i5 F+ T4 p; Z9 ?1/22/20-12/7/20        每日累计确诊病例

! P5 n5 H8 k5 y+ G
6 ~1 K' W0 r3 p  K+ X0 n/ _
6 r$ T9 Y& n* O3 J5 C: 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)]
  [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)]
  ( n2 ]0 {) M! ?4 j6 ^# 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)]
  [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
  inspect_lag_data<-cbind(0,inspect_data[,1ncol(inspect_data)-1)])
  increase_data<-inspect_data-inspect_lag_data
  ) q( ]$ }7 ^4 T: v6 p$ j6 y7 g
  , V: c% m3 m3 j5 [0 {' _! x8 g$ o#合并数据,new_data为新增确诊人数数据
  8 D+ j$ \# A( M2 a" ^& W# J/ @new_data<-cbind(information_data,increase_data)
  + {2 z2 B& |' `: m- x4 E3 [
  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$`Country/Region`=='China',]
  0 }" N' @% x: R$ Y; rchina_increase<-data.frame(apply(china[,-c(1:4)],2,sum))
  & G, i4 V3 W  w9 K# n$ v' ucolnames(china_increase)<-'increase_patient'
    W3 H1 U+ e1 ~china_increase$date<-as.Date(rownames(china_increase),format="%Y-%m-%d")
  
  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')+
  7 Z! G' _! }+ |0 `+ Y- Y) a6 x  theme_economist()+  #使用经济学人绘图样(式ggthemes包)
  ( w$ m, c9 A4 H5 @5 a: q  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
          axis.title.x = element_blank(),
  6 p% H& j# m( O! ^1 \  ^$ _        axis.title.y = element_text(size=15),
  4 S/ {( \2 G8 i/ d- @        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))
  ! w, l3 c$ ^) i' u
                               
  2. 美国新增病例变化趋势
  4 Q1 Y, Y' f3 F( _1 g5 xus<-new_data[new_data$`Country/Region`=='United States',]
  us_increase<-gather(us,key="date",value="increase_patient",'2020-01-22':'2020-12-07')
  , J- j& R0 z8 }us_increase$date<-as.Date(us_increase$date)
  4 y. A7 j& }9 K) Pggplot(us_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
    scale_x_date(date_breaks = "14 days")+   #设置横轴日期间隔为14天
  / D, [8 p9 }$ Y  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')+
  5 r' _( n4 N. }* u# j0 t: ]3 ^  theme_economist()+   #使用经济学人绘图样(式ggthemes包)
  4 b2 G1 E% l7 M1 r  u: R/ N  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
    t; @) I# @0 U$ D1 p' u; e& g: C        axis.title.x = element_blank(),
  4 t( L0 e9 ?' @6 B2 ^" x9 p        axis.title.y = element_text(size=15),
          axis.text.x = element_text(angle = 90,size=15),
          axis.text.y = element_text(size=15),
  1 M& n% h: N2 h* a        legend.title=element_blank(),
          legend.text=element_text(size=15))
  
  6 g. z  n: u- ?! a% ?' v
  3. 全球新增病例变化趋势
  " R9 B% C7 P% h  a: x4 I2 xtotal_increase<-data.frame(apply(new_data[,-c(1:4)],2,sum))
  colnames(total_increase)<-'increase_patient'
  # q5 n6 C: _. [) y  l. Jtotal_increase$date<-as.Date(rownames(total_increase),format="%Y-%m-%d")
  ggplot(total_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
  . `7 b1 L: l4 @+ J" X  scale_x_date(date_breaks = "14 days")+
    labs(x='日期',y='新增确诊人数',title='2020年1月22日-2020年12月7日全球新增确诊人数变化趋势图')+
  - M+ Q  P0 i8 h% p1 B  theme_economist()+
  - M$ m0 n$ Y7 E- [0 Z2 m  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),
                       labels=c("0","20万","40万","60万","80万"))+
  9 W1 n5 s, @% M# n. r. _' ?  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
  3 Y" }7 ^& R3 G( h        axis.title.x = element_blank(),
  1 {1 D0 g5 p- x- q# c( d' ~) T        axis.title.y = element_text(size=15),
          axis.text.x = element_text(angle = 90,size=15),
  7 M% \5 r9 h4 @. Y6 x: Q        axis.text.y = element_text(size=15),
  - J" u' u3 B3 U7 x        legend.title=element_blank(),
          legend.text=element_text(size=15))
  # P, g2 m1 b+ b
  
  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)+
  : l$ ]6 l' n. b$ Q" P5 w+ n  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")+
  % c4 {1 [. _5 `# l3 x1 k  theme_grey(base_size = 15)+
  " j, A) n0 J5 y0 q+ T7 \  theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
  ; B/ g# T. v" a. H        legend.title=element_blank())
  
  ! D  b* k: o& o. hggplot()+mapworld+ylim(-60,90)+
    geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-11-22`),color="darkorange")+
    scale_size(range=c(2,9))+labs(title="2020年11月22日全球新增确诊人数分布")+
  7 u$ P7 y1 e6 }6 ?  theme_grey(base_size = 15)+
  ! _* Z; t; D; C2 z; v5 n  t  theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
          legend.title=element_blank())
  . d" M+ c7 b, ?8 i+ i
  
  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

  
  1 i' @& B7 j( J5 f2 I( N) z( u& V+ l* T* q

  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
  cum_patient_time<-gather(data,key="date",value="increase_patient",'2020-01-22':'2020-12-07')
  : w/ ~, {8 r) c# Y2 [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"))
  - Q% Q) t! C( Sfive_country$date<-as.Date(five_country$date)
  / q+ O; I! p, U; G$ \4 M
  ggplot(five_country,
  $ h" u7 P# p* U: w6 @  x            aes(x=reorder(Country,increase_patient),y=increase_patient, fill=Country,frame=date)) +  
  3 n/ V- Q4 S# y' T( h9 Q6 l  geom_bar(stat= 'identity', position = 'dodge',show.legend = FALSE) +  
  $ N2 N1 O, i4 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
  # r1 Z/ w9 R$ S# R  theme(legend.position="none",
          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
          axis.ticks = element_blank(),  #删除刻度线
  " b! P% p% T) \% i2 \- j  )+
    coord_flip()+  
  " A/ u$ o! h& g2 H* L  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')+  
  / N" V! W( w+ V  d$ a  theme(axis.title.x = element_text(size=15))+
  . [5 n, Y' I2 M  v: f  ease_aes('linear')  
  ; j2 f& \! r6 N: h
  anim_save(filename = "五国累计确诊病例增长动态图.gif")
  5 e  O! x. k% E* v
  
  
  

  B) ~5 e- q& J( I0 Y