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
" e9 ]* Z$ F% h% q目录
一、数据介绍及预处理
$ C9 ?! \5 e0 k: f; _二、新增确诊病例变化趋势
; a9 b6 ]9 f; v  @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
& l! U7 ^9 Z5 E* n- ?$ ^$ }一、数据介绍及预处理
5 b9 t2 s: B8 N( w1. 基本字段介绍

& F$ H2 S" Z" m字段名        含义
5 H" L  Q8 N+ j* e! B: ?1 |Province/State        省/州
# j0 L% o  e5 Q: oCountry/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

0 ?  J5 U* k3 d: r

- G7 G2 @0 r, ]$ B, y& a- ^

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)]
  ; W0 j2 ]; F) v8 g( t5 c' M[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)]
  ! Q' b6 \7 l; {3 u[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)]
  6 u* W( s7 F" o# L[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
  ; I1 z* c" c3 ^4 H( G- kinspect_lag_data<-cbind(0,inspect_data[,1ncol(inspect_data)-1)])
  5 c) O1 k, @7 T0 F. Kincrease_data<-inspect_data-inspect_lag_data
  
  * u% z& \! \: b. T#合并数据,new_data为新增确诊人数数据
  3 S% P) @+ L+ J7 U, Z* \5 Znew_data<-cbind(information_data,increase_data)
  - D' D1 A7 C  X: |
  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
  ! U0 `/ j( {+ Y9 A5 o' ~china<-new_data[new_data$`Country/Region`=='China',]
  china_increase<-data.frame(apply(china[,-c(1:4)],2,sum))
  colnames(china_increase)<-'increase_patient'
  - X% @% f/ r; K. r( D( l0 {5 Z+ `china_increase$date<-as.Date(rownames(china_increase),format="%Y-%m-%d")
  & P' ?5 m3 [' e4 N$ ]
  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!)
  + ^$ @4 H; u8 ~9 u5 L- q5 z7 t  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)
  6 h9 g) p) u9 F3 c3 o0 Y' R2 w  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
  ( H& C7 e  f) R  `/ c        axis.title.x = element_blank(),
  2 V; P( a; A& ^9 U2 C+ s& u$ j        axis.title.y = element_text(size=15),
          axis.text.x = element_text(angle = 90,size=15),
  7 T7 y. k7 x. J0 H3 e. g        axis.text.y = element_text(size=15),
          legend.title=element_blank(),
  ! h& Y2 n$ m% m' b$ \9 @        legend.text=element_text(size=15))
  
                               
  2. 美国新增病例变化趋势
  6 ]9 ?3 N# l) A# ?- A7 x0 `6 Q3 jus<-new_data[new_data$`Country/Region`=='United States',]
  % x/ L$ @% c& M2 a3 u1 k) Nus_increase<-gather(us,key="date",value="increase_patient",'2020-01-22':'2020-12-07')
  5 X( n. J- l& e3 Y5 Sus_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)+
    scale_x_date(date_breaks = "14 days")+   #设置横轴日期间隔为14天
  4 q" N1 p( ^7 l4 k# q6 Y. j- `6 E  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')+
  . \% u) F+ B- [/ m9 H  f  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),
  & A- m3 R. z+ i2 [+ k% Q% t        axis.title.x = element_blank(),
  0 L& M; I4 @0 j& {9 Q( U' \        axis.title.y = element_text(size=15),
  , _% G6 ~/ G0 \0 r9 @        axis.text.x = element_text(angle = 90,size=15),
          axis.text.y = element_text(size=15),
          legend.title=element_blank(),
  " o( m+ q: c- Q# I8 y& b        legend.text=element_text(size=15))
  : z: J/ S- v5 U$ a- F  A
  
  1 z- r* u; ~& W" |7 V1 H" _3. 全球新增病例变化趋势
  ( Z6 V8 `0 X& gtotal_increase<-data.frame(apply(new_data[,-c(1:4)],2,sum))
  ; U3 m" c  k7 G$ rcolnames(total_increase)<-'increase_patient'
  ; N1 C; }+ h% Z) |total_increase$date<-as.Date(rownames(total_increase),format="%Y-%m-%d")
  ggplot(total_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
  2 K3 ~4 F4 x. |0 u$ a" I& h# X  scale_x_date(date_breaks = "14 days")+
  $ D  U- h% O, }( O  labs(x='日期',y='新增确诊人数',title='2020年1月22日-2020年12月7日全球新增确诊人数变化趋势图')+
  % D* D* z% N4 {- @8 O  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
  0 K7 y0 Z  c" C                     breaks=c(0,2*10^5,4*10^5,6*10^5,8*10^5),
  ' }1 t8 k6 G; }/ ]% h                     labels=c("0","20万","40万","60万","80万"))+
    theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
  * U: M& J3 @8 P. H        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),
  0 b/ T' l; d, D- |        legend.title=element_blank(),
  4 i4 D+ E* K% y: l) R        legend.text=element_text(size=15))
  
  
  ) U' u6 z9 _4 Y. u三、新增确诊病例全球地理分布
  " H4 q& Q7 @+ p+ b0 ]( {  q" Hmapworld<-borders("world",colour = "gray50",fill="white")
  - H' D3 d0 y; Tggplot()+mapworld+ylim(-60,90)+
  , f8 t  d- c& X( g' n% L( N  geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-01-22`),color="darkorange")+
  + `' [! s5 P( ?# m$ v  scale_size(range=c(2,9))+labs(title="2020年1月22日全球新增确诊人数分布")+
  ( b0 m( M1 C; y8 W  theme_grey(base_size = 15)+
  0 S4 C7 o* o0 a8 s4 ^7 T1 X  theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
  & ^6 P/ }4 v/ N( r4 z% M. ~        legend.title=element_blank())
  
  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)+
    theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
          legend.title=element_blank())
  1 g& ]- \( a7 C  C2 @
  
  5 [# d% ]% ?  y3 @0 o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

  
  0 S2 x& [* \6 v7 Y& I

  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
  & y; b2 c  n9 i- @4 v2 jcum_patient_time<-gather(data,key="date",value="increase_patient",'2020-01-22':'2020-12-07')
  5 r9 @+ {) O( L! C% @8 lcolnames(cum_patient_time)<-c("rovince","Country","Lat","Long","date","increase_patient")
  ' g3 ]4 Y, L( \, H; Dfive_country<-subset(cum_patient_time,Country %in% c("India","Brazil","Russia","Spain","Italy"))
  : g  @; C% p) K0 h7 v' Wfive_country$date<-as.Date(five_country$date)
  
  ggplot(five_country,
              aes(x=reorder(Country,increase_patient),y=increase_patient, fill=Country,frame=date)) +  
    geom_bar(stat= 'identity', position = 'dodge',show.legend = FALSE) +  
  , B* G, @9 ?3 r  t  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",
  1 U! e& v/ }9 K7 }: F3 F$ I3 P3 x) a* w        panel.background=element_rect(fill='transparent'),
  * ]5 }1 m& v& k1 j  b/ R        axis.text.y=element_text(angle=0,colour="black",size=12,hjust=1),
  ) v4 [7 l$ K3 c- T        panel.grid =element_blank(),  #删除网格线
  , a: d: W0 m( a7 u% B* A+ X& F        axis.text = element_blank(),  #删除刻度标签
  * i3 U' m5 ^/ R8 J0 Q9 x# a        axis.ticks = element_blank(),  #删除刻度线
    )+
    coord_flip()+  
    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))+
  8 k0 F" T) G, ~) i- g+ V. p  ease_aes('linear')  
  
  / W# Q, m* R' N: d$ Ranim_save(filename = "五国累计确诊病例增长动态图.gif")
  
  4 l" N8 b; l0 n; s/ A
  + m; D+ {: S5 [. }
  1 x1 ]2 l. ^' D/ e$ ~, _! Y

% r9 `' J: C5 A& R; W, [