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
1 k; @& i+ P2 L6 W4 }  {# y目录
一、数据介绍及预处理
$ Q, [0 l, g- G% [5 d- x# R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
0 h! g7 z+ p( |' i4 x1 X: b; z1. 基本字段介绍
: d2 H1 ?! X2 F4 P
* G. v/ m3 ^/ O0 s; l- k字段名        含义
Province/State        省/州
+ @8 R1 D: p& P; l- B' Q1 ECountry/Region        国家/地区
Lat        纬度
Long        经度
6 f$ K4 K' \2 l& i, Z# S  O0 t9 L1/22/20-12/7/20        每日累计确诊病例
  v3 @1 N. i! I
+ _) J( a7 b, E- T3 f
# j* N- a# D% ^! P
9 A' q- M, K" m2 P1 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)]
  5 W" x- h$ |1 x1 @% \& ?5 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)]
  + [( M+ s2 A% 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)]
  % _9 m1 x9 O, {4 K( V9 f' \[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)]
  0 K, h, e6 [$ y- g7 Y5 j9 i/ U# p[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
  
  1 p- j* t# ]' |6 X7 o; y#合并数据,new_data为新增确诊人数数据
  new_data<-cbind(information_data,increase_data)
  
  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$`Country/Region`=='China',]
  5 k! m- T9 i+ k! U* kchina_increase<-data.frame(apply(china[,-c(1:4)],2,sum))
  colnames(china_increase)<-'increase_patient'
  : \  _4 _- n& fchina_increase$date<-as.Date(rownames(china_increase),format="%Y-%m-%d")
  $ _* t1 W; w! k/ P- q- S
  ggplot(china_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
  6 S- {3 ]+ x$ S8 v  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')+
  ) ]9 v! R. F! r. j/ Q' a7 H  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),
  / X: y) s+ }% _2 h5 n, M' p) D7 {        axis.title.x = element_blank(),
  + o: j0 @0 Y8 f4 A3 `        axis.title.y = element_text(size=15),
          axis.text.x = element_text(angle = 90,size=15),
          axis.text.y = element_text(size=15),
  " j. t- u* I4 ?3 {2 A) b        legend.title=element_blank(),
  6 b3 U& T% j2 J3 t0 e, ]( H2 Z  V% E        legend.text=element_text(size=15))
  
                               
  7 v6 U0 S2 l1 i+ ?9 f0 `2. 美国新增病例变化趋势
  us<-new_data[new_data$`Country/Region`=='United States',]
  us_increase<-gather(us,key="date",value="increase_patient",'2020-01-22':'2020-12-07')
  & V1 n8 R* i3 xus_increase$date<-as.Date(us_increase$date)
  7 Z9 l2 c% h& Tggplot(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
    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')+
  $ |, |* v6 I3 Z+ j) |5 D7 x7 `  theme_economist()+   #使用经济学人绘图样(式ggthemes包)
  ; y4 P) I/ |6 b/ a& A  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
  + U0 E& j' i% q        axis.title.x = element_blank(),
          axis.title.y = element_text(size=15),
          axis.text.x = element_text(angle = 90,size=15),
  $ |" }: \- B* ]0 U8 {: S* e        axis.text.y = element_text(size=15),
  $ E3 P: _* X# o" [        legend.title=element_blank(),
          legend.text=element_text(size=15))
    O  O, j) D; q( B/ K4 L1 u! ]8 d* ]
  $ N* l1 _% y4 R* S: N
  8 r  N/ A* i+ {. A, m3. 全球新增病例变化趋势
  ' q' _- M( g3 X. z- v& vtotal_increase<-data.frame(apply(new_data[,-c(1:4)],2,sum))
  " z; |& m# _$ A/ i+ ^* [% ~colnames(total_increase)<-'increase_patient'
  ) y$ P. ^$ \/ Y% g% [8 h% Itotal_increase$date<-as.Date(rownames(total_increase),format="%Y-%m-%d")
  ggplot(total_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
    scale_x_date(date_breaks = "14 days")+
  : L1 w: G' C! p  g& k  labs(x='日期',y='新增确诊人数',title='2020年1月22日-2020年12月7日全球新增确诊人数变化趋势图')+
    theme_economist()+
  / N5 s7 ~6 t( ]4 \7 i% \  scale_y_continuous(limits=c(0,8*10^5),      #考虑数字过大,以文本形式标注y轴标签
                       breaks=c(0,2*10^5,4*10^5,6*10^5,8*10^5),
                       labels=c("0","20万","40万","60万","80万"))+
  ' ^) K) R; I4 j$ L0 ]8 w  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
          axis.title.x = element_blank(),
  " x* t8 H% C( m- A' c+ [        axis.title.y = element_text(size=15),
  ! }$ _/ j; m  A+ a. r' G- |; [        axis.text.x = element_text(angle = 90,size=15),
          axis.text.y = element_text(size=15),
          legend.title=element_blank(),
  ; J$ F& ^; n0 P! ?' h        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")
  # i, ~' }3 C8 |8 @( I7 T5 Oggplot()+mapworld+ylim(-60,90)+
    geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-01-22`),color="darkorange")+
    scale_size(range=c(2,9))+labs(title="2020年1月22日全球新增确诊人数分布")+
  9 n* w( M4 i( e* a0 c. i  theme_grey(base_size = 15)+
    theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
  . ?# K6 i- J( l/ z; A9 G* y; v        legend.title=element_blank())
  ( ?* O& Q1 L" J" b- `
  ggplot()+mapworld+ylim(-60,90)+
  + J2 D8 i6 D, L: y) V2 O  geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-11-22`),color="darkorange")+
  ' ]- d" F( F2 Z/ y5 z1 t- i$ c% i; N  scale_size(range=c(2,9))+labs(title="2020年11月22日全球新增确诊人数分布")+
  4 m. J1 z/ w" u) l8 |" u9 l  theme_grey(base_size = 15)+
    theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
          legend.title=element_blank())
  & {+ L, \8 g* |0 b4 I. e
  , ]2 t# N; F1 R, m
  / E/ c9 T: D0 X) n4 d; W) W1 ?, ~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 Q8 P* ~4 C/ w( q9 q2. 五国（India、Brazil、Russia、Spain、Italy）累计确诊病例动态变化图
  7 ]+ i2 G4 M4 N" P+ \0 `3 l2 [  l) hcum_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")
  8 N7 ]4 K1 i0 u( t& V- A2 M2 kfive_country<-subset(cum_patient_time,Country %in% c("India","Brazil","Russia","Spain","Italy"))
  five_country$date<-as.Date(five_country$date)
  
  # k  J% I$ L. K# k! M% @ggplot(five_country,
              aes(x=reorder(Country,increase_patient),y=increase_patient, fill=Country,frame=date)) +  
  7 `, b* _# F4 J& W  geom_bar(stat= 'identity', position = 'dodge',show.legend = FALSE) +  
  ) S" d  T# B3 s' j  h8 o  geom_text(aes(label=paste0(increase_patient)),col="black",hjust=-0.2)+  
    scale_fill_brewer(palette='Set3')+  #使用Set3色系模板
    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
  , `9 a; S5 `$ \        axis.text = element_blank(),  #删除刻度标签
  3 R* q- h3 ?# t) X        axis.ticks = element_blank(),  #删除刻度线
  ; L+ }+ V. i* P7 z2 T  )+
  , F8 A1 z2 \+ [. U' c2 h# g  G  coord_flip()+  
    transition_manual(frames=date) +  #动态呈现
  $ r! P  _% T" F( {, ~+ m% r& ]  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))+
  + B* K! C* K" X- i: e8 t0 ~& P  ease_aes('linear')  
  0 w$ k# c$ B. B1 b7 R
  anim_save(filename = "五国累计确诊病例增长动态图.gif")
  
    n+ T! v9 p! z# _. b1 o  U
  2 B, q. z8 L9 ^: ^
  - z# N) ?/ c- f% A4 T* H