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
) I! t! o: |" j4 S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
1 k6 r' n+ H* z一、数据介绍及预处理
1. 基本字段介绍

. d, f4 b1 d, H/ _字段名        含义
0 ^- ^+ E/ V, X: R1 pProvince/State        省/州
  J1 i  ?- v7 v/ @: ^$ ]  `9 _! fCountry/Region        国家/地区
Lat        纬度
Long        经度
1/22/20-12/7/20        每日累计确诊病例

6 {/ G) H4 c1 R( m0 p8 H5 C3 v: {
" {6 z/ z4 ~( h5 U0 f9 {; q

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)]
  0 w  ?- E5 C2 X, Y; a1 O' 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)]
  $ \- E6 c& i8 b1 C- m) T[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
  
  #合并数据,new_data为新增确诊人数数据
  ; Z9 e. I  P- `  a8 u2 Qnew_data<-cbind(information_data,increase_data)
  
  1. 中国新增确诊病例变化趋势
  . V# t6 o( u' p- T. C) L#合并所有省份新增确诊人数
  9 @  o. \! P( |8 V8 Hchina<-new_data[new_data$`Country/Region`=='China',]
    |' L& x6 E) l  }: [& C+ _china_increase<-data.frame(apply(china[,-c(1:4)],2,sum))
  " p3 P6 b( W8 T9 @, wcolnames(china_increase)<-'increase_patient'
  6 Z4 e$ p( L1 Bchina_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')+
    theme_economist()+  #使用经济学人绘图样(式ggthemes包)
    H! @' k) [/ P# d7 x/ E( ~  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
          axis.title.x = element_blank(),
          axis.title.y = element_text(size=15),
  ! R0 D2 X2 T. K( g        axis.text.x = element_text(angle = 90,size=15),
          axis.text.y = element_text(size=15),
  9 _2 ^. F7 U/ X" [9 T        legend.title=element_blank(),
          legend.text=element_text(size=15))
  
  . B: L" V( w' F9 ^0 i3 x* y                             
  2 p$ m/ G! H/ ?; u2. 美国新增病例变化趋势
  us<-new_data[new_data$`Country/Region`=='United States',]
  " F$ X  C: p5 {/ [* _2 J2 j5 Bus_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)+
  9 @: |! e3 g  t, l3 d  scale_x_date(date_breaks = "14 days")+   #设置横轴日期间隔为14天
  " E: q/ u* N  R/ s  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')+
  - S  k$ I5 K1 `5 r6 l  X* J9 ?" W  theme_economist()+   #使用经济学人绘图样(式ggthemes包)
  3 i8 A8 D' }) s  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
  ( q2 |1 l/ f! I0 f        axis.title.x = element_blank(),
  1 C% @$ ~2 c. [9 P8 r; o  n3 k' [        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))
  
  ; n+ e+ a0 f% T
  3. 全球新增病例变化趋势
  ' X" w3 n! B5 }total_increase<-data.frame(apply(new_data[,-c(1:4)],2,sum))
  colnames(total_increase)<-'increase_patient'
  total_increase$date<-as.Date(rownames(total_increase),format="%Y-%m-%d")
  ggplot(total_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
  7 p+ f7 Y' u# E! ^+ ]) A9 e7 t& D  scale_x_date(date_breaks = "14 days")+
  : P  g) Z; [7 `! j' l( B  labs(x='日期',y='新增确诊人数',title='2020年1月22日-2020年12月7日全球新增确诊人数变化趋势图')+
    theme_economist()+
    scale_y_continuous(limits=c(0,8*10^5),      #考虑数字过大,以文本形式标注y轴标签
  # g4 I% i2 C) ]0 M* m                     breaks=c(0,2*10^5,4*10^5,6*10^5,8*10^5),
                       labels=c("0","20万","40万","60万","80万"))+
    theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
          axis.title.x = element_blank(),
  2 q! ^, W9 r  A8 G$ }, x0 m7 Q0 D4 d        axis.title.y = element_text(size=15),
          axis.text.x = element_text(angle = 90,size=15),
          axis.text.y = element_text(size=15),
  % Y) w. B5 h) _7 z" p. I) Z. Z0 v- J: @        legend.title=element_blank(),
          legend.text=element_text(size=15))
  
  
  - R: x: w3 ^# a. ^! h( H三、新增确诊病例全球地理分布
  3 c* _+ B& g. N9 j! R! `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$`2020-01-22`),color="darkorange")+
    scale_size(range=c(2,9))+labs(title="2020年1月22日全球新增确诊人数分布")+
  ' y. b) n3 i& p- g, |, [$ P  theme_grey(base_size = 15)+
  + Y8 I8 _# d) T" Y: n9 d0 t7 C" ?8 W  theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
  1 ^" ^* U( O! y# s$ H7 V        legend.title=element_blank())
  + v8 {8 t3 V# c7 I
  & ~) V! d' u2 {/ C3 R: l& Zggplot()+mapworld+ylim(-60,90)+
  / d  |$ B4 |, C7 }6 Q) H; H0 Y+ t  geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-11-22`),color="darkorange")+
  8 R& p7 f& J$ \* ^; Y  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)+
  . b0 W/ S: t6 X1 V$ R/ ]  g5 G* X0 q  theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
          legend.title=element_blank())
  
  9 w$ Z6 D% W( {7 b& R4 T
  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))

  
  8 G/ Y9 x$ M- Z- w, k+ [2. 五国（India、Brazil、Russia、Spain、Italy）累计确诊病例动态变化图
    Z2 I; V) ?" X- [cum_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"))
  ) e& m& K0 j/ r) |five_country$date<-as.Date(five_country$date)
  $ _- k( o+ u3 ?0 @/ D
  2 _7 Z6 |% Z) [: q. _5 W' z" Vggplot(five_country,
              aes(x=reorder(Country,increase_patient),y=increase_patient, fill=Country,frame=date)) +  
    geom_bar(stat= 'identity', position = 'dodge',show.legend = FALSE) +  
    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),
  - L! y* ]! M4 c" K  y: N& s        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
    )+
    coord_flip()+  
  9 H1 u$ s5 W* o% {8 L/ i' b  transition_manual(frames=date) +  #动态呈现
  8 E4 A# s& t  y( |& Y  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')  
  
  / f  P0 i" d8 m  q. ?7 panim_save(filename = "五国累计确诊病例增长动态图.gif")
  
  3 R: N$ b8 ^. e7 P1 |5 ^1 Q
  
  4 Y+ s! a; `' n

3 O7 _3 q( I9 w6 ]( [