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
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
; A, M. x0 W& \) Q一、数据介绍及预处理
1. 基本字段介绍
6 d4 U( `3 m& w8 ]3 Z( ~  B
+ V6 @* e& ?6 d! d! n" d9 F5 W3 C字段名        含义
+ \" p: b) r* F, t6 l. BProvince/State        省/州
Country/Region        国家/地区
- H) }/ }* B% s4 F8 l6 h- H7 w/ R& WLat        纬度
- F' Q' H4 o& V* x# A$ n4 q. {/ b* jLong        经度
, B# x9 c5 }" T) y1/22/20-12/7/20        每日累计确诊病例

0 @$ [* n: p, R+ b' C# l# \

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)]
  8 C  I) ^3 }% F4 p' t( z5 G[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)]
  % j; ]: V7 H* ]( K: P9 ]5 f3 f: E[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
  % r! G* p: t9 ]: I; F6 [3 j" cinspect_lag_data<-cbind(0,inspect_data[,1ncol(inspect_data)-1)])
  - X, S+ S9 z) Zincrease_data<-inspect_data-inspect_lag_data
  7 P& t% f% h/ x* p% {0 Z
  . v+ E! l5 _- J& P2 E#合并数据,new_data为新增确诊人数数据
  new_data<-cbind(information_data,increase_data)
  1 S  n( _, ?# S9 `! C* y8 g0 e( V
  2 P& Z* \* k, T; _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$`Country/Region`=='China',]
  china_increase<-data.frame(apply(china[,-c(1:4)],2,sum))
  / g4 K/ V- U$ o, K* _& Acolnames(china_increase)<-'increase_patient'
  + X: Q+ \/ n0 O+ v7 U9 ochina_increase$date<-as.Date(rownames(china_increase),format="%Y-%m-%d")
  - B4 d! C; B' {( `. W
  ggplot(china_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
    scale_x_date(date_breaks = "14 days")+  #设置横轴日期间隔为14天(注意:此时的date列必须为日期格式!)
    labs(x='日期',y='新增确诊人数',title='2020年1月22日-2020年12月7日中国新增确诊人数变化趋势图')+
  : v3 P2 h5 K, T# f# n' u" T  theme_economist()+  #使用经济学人绘图样(式ggthemes包)
  : F$ N- K) A  _  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
  2 }/ I- M8 V) B7 s        axis.title.x = element_blank(),
          axis.title.y = element_text(size=15),
          axis.text.x = element_text(angle = 90,size=15),
  $ n- x% }3 ]- g  i, c, H! C4 m! ]        axis.text.y = element_text(size=15),
  % k# T9 D" H- l' v, Q- i: m        legend.title=element_blank(),
          legend.text=element_text(size=15))
  
  5 Q2 T. L9 d# l3 K/ s: {                             
  ) M! f  O5 ]1 @" {. i- g) x( i2. 美国新增病例变化趋势
  . x3 S+ D- F1 }/ N/ o' G" yus<-new_data[new_data$`Country/Region`=='United States',]
  us_increase<-gather(us,key="date",value="increase_patient",'2020-01-22':'2020-12-07')
  us_increase$date<-as.Date(us_increase$date)
  % h# @7 l# s$ l' e  H$ c5 d' l- mggplot(us_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
  8 n; w* u5 d$ S. I6 K  scale_x_date(date_breaks = "14 days")+   #设置横轴日期间隔为14天
  4 p2 x0 u$ x" [  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')+
  7 c. Q& M, X* {2 D% K$ I+ F  theme_economist()+   #使用经济学人绘图样(式ggthemes包)
  5 L2 W$ V+ `5 k- Y- [  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),
  , v$ L: w% M! N' W  ^        legend.title=element_blank(),
  " ?1 c/ x* Y% }: C% _4 Q8 j        legend.text=element_text(size=15))
  0 i. X# ~& y! X- U( q# O- S
  
  3. 全球新增病例变化趋势
  . y" N1 R: b4 r' o) V  C" Y. N9 g; Xtotal_increase<-data.frame(apply(new_data[,-c(1:4)],2,sum))
  colnames(total_increase)<-'increase_patient'
  total_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)+
  3 {0 L' z1 A: Z3 \# o# j6 Q  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')+
  ; T2 v% r' c: }  J  theme_economist()+
  0 d2 n/ o# o, t, ~0 o  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
    z, Z& P  \$ S7 M4 Y0 e7 A' k                     breaks=c(0,2*10^5,4*10^5,6*10^5,8*10^5),
  : W' d8 v6 h: Z7 ]  l! k/ i7 ?                     labels=c("0","20万","40万","60万","80万"))+
  4 {2 R% k: f4 P- O7 o3 q9 K* b  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
          axis.title.x = element_blank(),
  9 a4 c2 g6 o6 L  b        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))
  3 c9 c4 p4 x3 Q* U3 T- w
  
  8 \! p6 G: t4 w5 h* _4 S) D三、新增确诊病例全球地理分布
  : N* s* L0 N9 i" R1 j2 w! |* \& Y" amapworld<-borders("world",colour = "gray50",fill="white")
  / ?# D2 C: T; S1 Q$ x8 o( N; \" N. Kggplot()+mapworld+ylim(-60,90)+
    geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-01-22`),color="darkorange")+
  ; l* i  V" |7 w7 ]3 c" R  scale_size(range=c(2,9))+labs(title="2020年1月22日全球新增确诊人数分布")+
    theme_grey(base_size = 15)+
    theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
  ) Z0 z7 z1 ~0 B+ t8 `2 G) v( T* F        legend.title=element_blank())
  8 V: j$ N' f  o/ R1 }* p& q
  2 L- s/ E8 w6 u1 g7 M& Yggplot()+mapworld+ylim(-60,90)+
    geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-11-22`),color="darkorange")+
  0 v6 _8 X1 s6 l4 a/ [  scale_size(range=c(2,9))+labs(title="2020年11月22日全球新增确诊人数分布")+
  , n' J) i* b( P8 H0 D% o4 w& S) L# M0 J  theme_grey(base_size = 15)+
  : U8 X% N* e) u  M, h3 e# P  theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
  % x5 v3 ]% V! U2 ^        legend.title=element_blank())
  ' m! f* L- @8 d
  
  1 \& k2 A; t8 r( x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

  
  $ Q  g( v, }( R7 _4 \

  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')
  + ]6 _$ b0 |& N# qcolnames(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)
  
  ( A  Z! W3 x- |3 n4 I0 Mggplot(five_country,
              aes(x=reorder(Country,increase_patient),y=increase_patient, fill=Country,frame=date)) +  
    geom_bar(stat= 'identity', position = 'dodge',show.legend = FALSE) +  
  * p# x* r$ c% W- k  geom_text(aes(label=paste0(increase_patient)),col="black",hjust=-0.2)+  
    scale_fill_brewer(palette='Set3')+  #使用Set3色系模板
  # I! {6 Q3 @+ x7 f  theme(legend.position="none",
  9 L2 B1 ?- U+ X  p( E/ y9 G( G        panel.background=element_rect(fill='transparent'),
  # `* x, F7 V! S! X2 N  ]4 E        axis.text.y=element_text(angle=0,colour="black",size=12,hjust=1),
  ' R8 _6 S9 I' o5 O2 ]1 `4 G        panel.grid =element_blank(),  #删除网格线
    @  n8 ~1 E' I4 f        axis.text = element_blank(),  #删除刻度标签
          axis.ticks = element_blank(),  #删除刻度线
    )+
  ( v1 b% {, l% Z2 [" u  coord_flip()+  
  ! Q5 z; ~' @- e2 y. a. l9 J  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')+  
  + q" m) Q' L7 ~+ r5 T  theme(axis.title.x = element_text(size=15))+
  ; m6 }6 a3 d* @' Y7 U9 G  ease_aes('linear')  
  
  * L9 D$ a* `+ y$ H; j$ m( _anim_save(filename = "五国累计确诊病例增长动态图.gif")
  
  
  , e9 |/ }9 M. `' Y( ~, C# a
  % P& Q9 L1 ^0 x/ y5 m. B5 k