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
9 D1 L* ]+ g7 Q目录
7 ?% k" L, Q: d8 H! x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
! Z6 W$ I  R9 \. Y" }% C( `四、累计确诊病例动态变化图
一、数据介绍及预处理
% A% }/ h, w+ m( W& B3 q3 k6 g7 A) l9 S1. 基本字段介绍

字段名        含义
, G! k8 {: |8 G" xProvince/State        省/州
Country/Region        国家/地区
5 Q# X7 a! ~* y5 n/ @Lat        纬度
Long        经度
+ C( S- b5 G1 h1/22/20-12/7/20        每日累计确诊病例
( n3 C1 I( X% x. i6 T

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)]
  7 z4 {9 U3 {8 ~* V2 ^/ P, V- j0 }[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)]
  - L& `3 A5 d5 C[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)]
  $ h' R* P5 m/ b$ s[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)])
  & b, l# U* l, _1 T( |) kincrease_data<-inspect_data-inspect_lag_data
  
  : T" U+ E5 f$ s8 [0 x: v: l! a/ R#合并数据,new_data为新增确诊人数数据
  * L7 U6 }1 p- i) Vnew_data<-cbind(information_data,increase_data)
  
  ( e: y5 p" x1 g  W: t$ s6 O+ V1. 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$`Country/Region`=='China',]
  ( F6 J) J; H* W# m& z6 C5 P9 Ochina_increase<-data.frame(apply(china[,-c(1:4)],2,sum))
  colnames(china_increase)<-'increase_patient'
  ( i2 G- n$ c# r7 S: vchina_increase$date<-as.Date(rownames(china_increase),format="%Y-%m-%d")
  - D' _0 _, N8 b% t! o1 j
  ggplot(china_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
    scale_x_date(date_breaks = "14 days")+  #设置横轴日期间隔为14天(注意:此时的date列必须为日期格式!)
  % d! C( K  l1 W0 F9 t! o  labs(x='日期',y='新增确诊人数',title='2020年1月22日-2020年12月7日中国新增确诊人数变化趋势图')+
  # a1 I! D9 K( l% O# B  theme_economist()+  #使用经济学人绘图样(式ggthemes包)
    theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
  + q/ _+ p+ K' [7 P$ ~4 N        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),
    P" d7 E- O+ ]" `& j4 z        legend.title=element_blank(),
  5 f) F7 x  K- B) Y- [  t4 m4 K% \        legend.text=element_text(size=15))
  2 t0 @6 q. D! B7 c( S
  3 m5 I( Y3 h, P, f8 w* b                             
  2. 美国新增病例变化趋势
  us<-new_data[new_data$`Country/Region`=='United States',]
  us_increase<-gather(us,key="date",value="increase_patient",'2020-01-22':'2020-12-07')
  us_increase$date<-as.Date(us_increase$date)
  7 M! W' ~* ?/ Z& ^ggplot(us_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
  9 S( i/ B! `2 }/ V! c  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')+
  ) ^2 j: V1 P2 }2 b) t" x  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),
  2 Y4 n2 ]% g; l5 q- [+ v0 L        axis.title.x = element_blank(),
  + n; L* p3 I' p  m: Q! P        axis.title.y = element_text(size=15),
  2 V0 h6 C! s6 u; v  R5 i: W        axis.text.x = element_text(angle = 90,size=15),
  9 L. e: K- g' ]6 l/ R9 F        axis.text.y = element_text(size=15),
          legend.title=element_blank(),
  ; z0 H0 n  n1 O; ~, [# \% @+ a        legend.text=element_text(size=15))
  
  * O5 \  @7 Y1 Q" K" n$ W% F
  3. 全球新增病例变化趋势
  ; b2 x+ A8 n& ztotal_increase<-data.frame(apply(new_data[,-c(1:4)],2,sum))
  colnames(total_increase)<-'increase_patient'
  1 f" \7 L. w1 u+ `4 ^% btotal_increase$date<-as.Date(rownames(total_increase),format="%Y-%m-%d")
  ! N* n5 F, g( \( q) h' O: Kggplot(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')+
  : N; l' B1 c/ x# J% M. h  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
  6 X, F, ]" ]: B( _2 i' e# ~                     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),
  # _! U7 L: v' u! f+ _& h2 n5 S        axis.title.x = element_blank(),
  ( `. c0 L' F9 }+ G9 E: a        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))
  7 \/ N+ b8 |1 _
  
  / z# F: c) o9 Z, Q4 Y$ y. p三、新增确诊病例全球地理分布
  mapworld<-borders("world",colour = "gray50",fill="white")
  - `% f5 x' t' U; m, m1 s  O! Kggplot()+mapworld+ylim(-60,90)+
  5 r! P9 S* R; l, O) u  geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-01-22`),color="darkorange")+
    scale_size(range=c(2,9))+labs(title="2020年1月22日全球新增确诊人数分布")+
  . B  S' Q% L6 d$ ^% W  theme_grey(base_size = 15)+
    theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
          legend.title=element_blank())
  6 @( d! @. Q* O
  ggplot()+mapworld+ylim(-60,90)+
    geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-11-22`),color="darkorange")+
  8 A& C+ M( u7 k) m8 @, l' `  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)+
    theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
  7 n2 @6 O) N( S8 n, l& K6 @: N( e        legend.title=element_blank())
  7 N/ [0 Y6 `: }0 H5 }
  
  ' @5 N* O- _5 C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 F! t/ D/ L1 M) e. E" B2. 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')
  colnames(cum_patient_time)<-c("rovince","Country","Lat","Long","date","increase_patient")
  3 U( `) c) K4 _" _; Y4 e& |five_country<-subset(cum_patient_time,Country %in% c("India","Brazil","Russia","Spain","Italy"))
  , f) \5 s- o8 O$ l  x4 x* ufive_country$date<-as.Date(five_country$date)
  8 X6 v; i5 E: ?& |5 S
  ! g  d$ Y7 O/ @ggplot(five_country,
  3 |9 e9 [4 q, _% W  ?            aes(x=reorder(Country,increase_patient),y=increase_patient, fill=Country,frame=date)) +  
  + b6 f& y% z0 f; t& C6 ]  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
  , t* f& }* z  d1 w" t  theme(legend.position="none",
  ; B. t7 o7 M( f; Z1 ]+ K/ c        panel.background=element_rect(fill='transparent'),
          axis.text.y=element_text(angle=0,colour="black",size=12,hjust=1),
  7 N- N8 R# y: J( s! L        panel.grid =element_blank(),  #删除网格线
          axis.text = element_blank(),  #删除刻度标签
  ( y( m9 x7 j/ t: e        axis.ticks = element_blank(),  #删除刻度线
  # O& H; B, h4 [; n6 [  )+
  1 T7 a% E9 v; P1 N: g* ]5 W' e  coord_flip()+  
  % l; U3 T$ ?7 B- _. A8 w8 K  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')+  
  7 @5 _: G& V* a4 s, [  L  theme(axis.title.x = element_text(size=15))+
  + t: T% a4 ~( x# I4 f  ease_aes('linear')  
  & h% v- @3 I# b- M3 Z) f8 \. E
  anim_save(filename = "五国累计确诊病例增长动态图.gif")
  
  
  ( j5 D2 ?1 \7 b2 b
  ( v( k: t' E3 c- w, x! Q