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
3 ]: v7 v, h7 J$ A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
一、数据介绍及预处理
1. 基本字段介绍

- ?7 C& D2 Q4 I$ J字段名        含义
0 h# X, ?7 X( e- J6 @Province/State        省/州
Country/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
5 m. B: Y! n, k2 N& }


3 L) v# E& }$ Y/ `( s( s1 b3 [

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)]
  % \; e6 B" K! l: N; m7 S8 B" w* V# K6 U" m[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 J- G# `6 g8 q8 u( K4 Y! j[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
    Z' d8 |; y" |
  6 D( m; {8 M- J5 }7 X5 M#合并数据,new_data为新增确诊人数数据
  new_data<-cbind(information_data,increase_data)
  
  ! ^9 y2 Z# |$ U6 S1. 中国新增确诊病例变化趋势
  - B$ \) m$ y. N' [/ j; f#合并所有省份新增确诊人数
  $ b( X8 E+ _' g  bchina<-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")
  
  # k0 S0 |  I0 W1 z) Z; S# Z8 mggplot(china_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
  ( ^! V6 F2 ?8 T. q' K  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')+
  - u( z7 a% n% ~5 h- l5 q, n  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),
  + H# p3 W8 K0 l+ \$ i8 h        axis.text.x = element_text(angle = 90,size=15),
          axis.text.y = element_text(size=15),
  - x' f$ W' h6 r        legend.title=element_blank(),
          legend.text=element_text(size=15))
  
    J- x6 B) U. w1 F: M, J                             
  % T1 r! f% c3 f  V2 j2. 美国新增病例变化趋势
  ' A( o1 c+ S, `- K! K5 R& Tus<-new_data[new_data$`Country/Region`=='United States',]
  - W; Y% n, E, I. f4 aus_increase<-gather(us,key="date",value="increase_patient",'2020-01-22':'2020-12-07')
  us_increase$date<-as.Date(us_increase$date)
  % P1 M5 W! A/ o! O2 |ggplot(us_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
  6 Q8 m1 S, ]# ~, m  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')+
  5 g. F5 O- `8 N/ S3 y6 {' c  theme_economist()+   #使用经济学人绘图样(式ggthemes包)
  " [0 y; ?9 p' I: @2 F( q, s  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
  5 o: H! o5 ~# K) Z4 ~        axis.title.x = element_blank(),
  ( m1 h0 _2 w5 D+ Q6 o        axis.title.y = element_text(size=15),
          axis.text.x = element_text(angle = 90,size=15),
  - a. |* a  g4 J/ E8 u& \% m        axis.text.y = element_text(size=15),
          legend.title=element_blank(),
  1 t0 R  @% ?4 T        legend.text=element_text(size=15))
  
  ) G# b+ p* f9 T5 {
  8 N' ?7 J2 Q9 G0 Q" e5 v5 s3. 全球新增病例变化趋势
  2 ]) m3 B0 b/ r* B! i' Ptotal_increase<-data.frame(apply(new_data[,-c(1:4)],2,sum))
  ( @# p( S) [) ecolnames(total_increase)<-'increase_patient'
  % X4 }. g& O, c1 s8 X: e/ qtotal_increase$date<-as.Date(rownames(total_increase),format="%Y-%m-%d")
  . m: m+ Z, Y" J2 m( v$ i" fggplot(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")+
  " ?4 t5 ~/ d" ~9 F  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()+
  * R. ^2 M3 O: c  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
  - _) c  R4 D7 m2 X                     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(),
          axis.title.y = element_text(size=15),
          axis.text.x = element_text(angle = 90,size=15),
          axis.text.y = element_text(size=15),
  : d: f% b3 t9 U        legend.title=element_blank(),
  & C: G" _8 _* w4 b        legend.text=element_text(size=15))
  
  
  三、新增确诊病例全球地理分布
  $ B: U4 {) Q( C0 a9 s  k% lmapworld<-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$`2020-01-22`),color="darkorange")+
  % b/ u5 ~( I7 C  b: ^$ l( `  scale_size(range=c(2,9))+labs(title="2020年1月22日全球新增确诊人数分布")+
  ( w, U  @! I' o, m6 F7 E' }* V  theme_grey(base_size = 15)+
    theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
  : t+ h6 D) b% g7 y2 f6 @        legend.title=element_blank())
  
  6 B: W/ M: E: ?6 M6 C4 ~; `; V5 U) }ggplot()+mapworld+ylim(-60,90)+
    geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-11-22`),color="darkorange")+
    scale_size(range=c(2,9))+labs(title="2020年11月22日全球新增确诊人数分布")+
    theme_grey(base_size = 15)+
  # k0 Q: g% Z: j5 u  theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
  + h# L* V4 a5 w( @! b% `7 o% C        legend.title=element_blank())
  + m! [; [) ]5 [2 F0 J* u
  " \3 y* d% S# \3 q4 S6 b
  ' }$ ~( }+ n" ]& [/ Z: a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. 五国（India、Brazil、Russia、Spain、Italy）累计确诊病例动态变化图
  9 Q; C2 q: ^* `6 S3 b# M6 Fcum_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")
  ( y7 y& r2 d$ z$ g5 E4 O5 x& ~five_country<-subset(cum_patient_time,Country %in% c("India","Brazil","Russia","Spain","Italy"))
  - Q# K- Z% B' I/ O5 m% }5 N; Jfive_country$date<-as.Date(five_country$date)
  * d% N( U* P6 c5 M9 J: S' h
  ggplot(five_country,
  ) M4 G( g/ i3 f9 `9 ~# F            aes(x=reorder(Country,increase_patient),y=increase_patient, fill=Country,frame=date)) +  
  " F. {. C$ x5 T% i! `" b  geom_bar(stat= 'identity', position = 'dodge',show.legend = FALSE) +  
  * t6 x  X+ U: m. E# m- K5 U  geom_text(aes(label=paste0(increase_patient)),col="black",hjust=-0.2)+  
  ! J, u4 A6 r! t1 R1 r$ K; i( T  scale_fill_brewer(palette='Set3')+  #使用Set3色系模板
    theme(legend.position="none",
  8 ]- q7 {7 Z% q4 N# |: S- B        panel.background=element_rect(fill='transparent'),
          axis.text.y=element_text(angle=0,colour="black",size=12,hjust=1),
  . A- }8 N$ G) v- q( @+ Z        panel.grid =element_blank(),  #删除网格线
  2 w! w3 h' A3 I% {6 d! H6 O; W+ W1 m        axis.text = element_blank(),  #删除刻度标签
          axis.ticks = element_blank(),  #删除刻度线
  5 `0 u  F. R' ^7 h7 E0 }" m6 N5 B  )+
  % f( G7 x" ~& @5 Y  coord_flip()+  
  4 w+ [' Q: S8 e* u" l  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')+  
    theme(axis.title.x = element_text(size=15))+
  + e. G. f' @0 E& o6 b2 F) M2 s) y0 R1 j  ease_aes('linear')  
  
  % Z2 K% W) F* G. v# Janim_save(filename = "五国累计确诊病例增长动态图.gif")
  
  # Q3 i, ^; e# Y* f3 w; d1 b/ Q
  
  / w# x& r2 b5 ~, c* N8 R& h7 e" Q7 E

2 X7 x5 O- S% h2 p