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
+ d" H* u  {' T( @% Y& O$ z一、数据介绍及预处理
4 [9 D7 i& s3 m/ Y) j; h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
一、数据介绍及预处理
; c' T+ W4 s$ B# _/ H# U# V1. 基本字段介绍
: c+ J/ q6 C& R! f5 a- O
字段名        含义
Province/State        省/州
( L. x; l4 w, u. W  q1 _9 Y" fCountry/Region        国家/地区
Lat        纬度
Long        经度
, M' |- o3 \6 ?# P" _+ l$ [  A! @1/22/20-12/7/20        每日累计确诊病例

: T, v) j8 I  b
* a) q' a" p5 d5 x, ~4 J
" a% p! @! V* n& @

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)]
  " l; A4 r! o7 Z+ p) t[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)]
  8 e: w1 k! R$ M& E- R[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)]
  8 o2 I2 T- a" Q- P, 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)])
  9 Q) r  o+ `/ X8 sincrease_data<-inspect_data-inspect_lag_data
  # e, g0 w6 [9 I8 `$ G- A- X
  : [! R9 c  b' Y" J3 \; V1 n; n#合并数据,new_data为新增确诊人数数据
  ( R3 P% n& Y. `; i. Z  a! ?new_data<-cbind(information_data,increase_data)
  
  5 `  q: G0 ^3 U+ k5 n" J1. 中国新增确诊病例变化趋势
  " K+ i' r* w5 M0 O2 Z#合并所有省份新增确诊人数
  china<-new_data[new_data$`Country/Region`=='China',]
  china_increase<-data.frame(apply(china[,-c(1:4)],2,sum))
  colnames(china_increase)<-'increase_patient'
  china_increase$date<-as.Date(rownames(china_increase),format="%Y-%m-%d")
  8 X+ p/ a% v5 [" S. ?: {
  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')+
  / f: o7 t) n1 v  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),
  3 p5 ^2 U- I+ s# b+ o( u        axis.text.y = element_text(size=15),
  ; M% ?" @" _- Q$ n. ?        legend.title=element_blank(),
  - k( u' M/ C$ i& d; J* M6 O" d        legend.text=element_text(size=15))
  9 |& w8 P" E* C( V+ H
  8 `6 I2 I3 A4 N( T  k% S) B8 F                             
  8 e3 w( j& E) t# Z8 Y5 w2. 美国新增病例变化趋势
  # V) S/ S: |: Kus<-new_data[new_data$`Country/Region`=='United States',]
  us_increase<-gather(us,key="date",value="increase_patient",'2020-01-22':'2020-12-07')
  3 w: G+ f" Y9 U0 @* Q: Z4 D5 Fus_increase$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& ]1 i, M# a- @! W  scale_x_date(date_breaks = "14 days")+   #设置横轴日期间隔为14天
  9 j4 ~9 ^4 N4 u7 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')+
    theme_economist()+   #使用经济学人绘图样(式ggthemes包)
  6 K7 F" ?) F; H' H  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
  , e% i+ f5 ~" p, ^# Q8 s8 t0 W        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(),
  ' v5 G# J& a3 @/ H        legend.text=element_text(size=15))
  
  
  3. 全球新增病例变化趋势
  total_increase<-data.frame(apply(new_data[,-c(1:4)],2,sum))
  ( I4 C" E, B( b* ]" j4 |9 C0 W# Ucolnames(total_increase)<-'increase_patient'
  total_increase$date<-as.Date(rownames(total_increase),format="%Y-%m-%d")
  4 r# s1 X- ]3 l/ ^( v7 e" dggplot(total_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
    scale_x_date(date_breaks = "14 days")+
    labs(x='日期',y='新增确诊人数',title='2020年1月22日-2020年12月7日全球新增确诊人数变化趋势图')+
    theme_economist()+
    scale_y_continuous(limits=c(0,8*10^5),      #考虑数字过大,以文本形式标注y轴标签
                       breaks=c(0,2*10^5,4*10^5,6*10^5,8*10^5),
  ' ~0 ^0 h' I$ I' H. y5 Y                     labels=c("0","20万","40万","60万","80万"))+
  : q  s5 ^+ M, a  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
  & d/ a3 ~# a! m4 k        axis.title.x = element_blank(),
  7 k) a% y; X; S& O; I        axis.title.y = element_text(size=15),
          axis.text.x = element_text(angle = 90,size=15),
  2 D" z2 C, h( ^  D. I* o8 K        axis.text.y = element_text(size=15),
  0 X" l4 {7 S$ Z! D' O$ F        legend.title=element_blank(),
  . p  G, f3 q" G" v7 z2 I1 ]        legend.text=element_text(size=15))
  
  7 N2 h9 T* b4 Q9 ]; B/ T: p
  9 m( v/ e1 H) u三、新增确诊病例全球地理分布
  + l0 @$ b2 H7 m, ^mapworld<-borders("world",colour = "gray50",fill="white")
  & E. g5 M$ O5 m( U  N8 Pggplot()+mapworld+ylim(-60,90)+
  & e: {0 r. @) H! H  geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-01-22`),color="darkorange")+
  , z$ d  h4 b# a, U) g! i  scale_size(range=c(2,9))+labs(title="2020年1月22日全球新增确诊人数分布")+
  % Y5 u, J$ v' c  theme_grey(base_size = 15)+
    theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
  , c4 }; d% X3 {0 v% ?- l: Y" g0 ?        legend.title=element_blank())
  
  $ B0 w% ?% v$ y0 R0 Jggplot()+mapworld+ylim(-60,90)+
    geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-11-22`),color="darkorange")+
  " b& q3 |* G" j% `, H% W9 f! {  scale_size(range=c(2,9))+labs(title="2020年11月22日全球新增确诊人数分布")+
  & P, r& Y' g+ ?* T7 G  theme_grey(base_size = 15)+
  7 ~, T6 }# e4 f! O8 Y  theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
  % s7 L0 U1 l8 _& P% @9 J* J& f2 [        legend.title=element_blank())
  
    E" Q% S$ V! m9 }
  $ e9 y- G+ \& U2 Y/ _2 [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

  
  " H% Q" n. M2 E8 P; f

  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))

  
  7 K$ i/ i4 V# `" Z& g/ p! {2. 五国（India、Brazil、Russia、Spain、Italy）累计确诊病例动态变化图
  6 Y5 R& E; C* Ccum_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"))
  3 P$ b6 v8 d0 o: o: o: Z+ T* ifive_country$date<-as.Date(five_country$date)
  
  : [8 h7 F% s8 f; e# e/ Z0 C, Cggplot(five_country,
    C1 s( u6 N# Z. X/ s6 s9 e            aes(x=reorder(Country,increase_patient),y=increase_patient, fill=Country,frame=date)) +  
    geom_bar(stat= 'identity', position = 'dodge',show.legend = FALSE) +  
  0 }- `: u9 W8 w  geom_text(aes(label=paste0(increase_patient)),col="black",hjust=-0.2)+  
  . _& q3 b! u; l6 y6 j" v6 p8 E  scale_fill_brewer(palette='Set3')+  #使用Set3色系模板
  9 w# N. T& P9 S0 w5 W. E9 |: h5 x  theme(legend.position="none",
          panel.background=element_rect(fill='transparent'),
  ) Y; ]# k) k% B  m" o( |        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
  $ ]2 I0 S2 ]8 I( \; l8 s        axis.ticks = element_blank(),  #删除刻度线
  # M$ j' I% v2 c7 R* P  )+
  . m+ v1 o6 q4 U: h  coord_flip()+  
    transition_manual(frames=date) +  #动态呈现
  , o4 t5 v# Q3 x9 H  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))+
    ease_aes('linear')  
  8 k1 @% d0 h, z. W+ C
  4 Z3 k" e/ \" l7 q6 F/ ianim_save(filename = "五国累计确诊病例增长动态图.gif")
  
  # ], Q; ~0 z5 ~4 n3 I
  
  8 R8 v- T* C$ X

- L7 S1 ^: L: J