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
/ m4 ~/ k; D9 x9 _1 M; n- F& q目录
一、数据介绍及预处理
0 T# U' `; e* V) l1 f$ A( W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
/ p& R. Z% O6 }$ u* x8 u一、数据介绍及预处理
1. 基本字段介绍

2 M# A$ \/ J2 v. T字段名        含义
Province/State        省/州
Country/Region        国家/地区
$ \. T, ~' P" b) x# j5 d* d; y- j4 ULat        纬度
# e! O1 i7 }! B! f9 VLong        经度
( Y$ ]$ W( T4 r! k6 H1/22/20-12/7/20        每日累计确诊病例

# [  k2 F) W9 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)]
  [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)]
  [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)]
  [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
  . Y4 R% d% x5 j, S. [3 w. Z9 jinspect_lag_data<-cbind(0,inspect_data[,1ncol(inspect_data)-1)])
  increase_data<-inspect_data-inspect_lag_data
  1 M9 o1 N/ h. V; j, q4 A
  #合并数据,new_data为新增确诊人数数据
  new_data<-cbind(information_data,increase_data)
  9 s6 V7 ?( V# E
  - C6 m7 X' E! d- o, J1. 中国新增确诊病例变化趋势
  . z+ `; ]4 E) L6 _#合并所有省份新增确诊人数
  0 F2 e" _1 ~7 z2 M. F( g& Lchina<-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")
  9 I( h  }  @" X* G: f, t* P
  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!)
  0 v+ R7 |8 ^+ \* ]+ |0 G/ z) ?- K  labs(x='日期',y='新增确诊人数',title='2020年1月22日-2020年12月7日中国新增确诊人数变化趋势图')+
    t8 ^9 \: y% R8 _  theme_economist()+  #使用经济学人绘图样(式ggthemes包)
  , @: d2 a; Q. Y2 d/ n9 ]0 T6 q1 c  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
  1 I! W, r7 _' w- C' r0 S  j" d, B        axis.title.x = element_blank(),
  6 @! d: N4 G' d( R9 r        axis.title.y = element_text(size=15),
  0 I! t5 ~$ F# s0 A! {0 y        axis.text.x = element_text(angle = 90,size=15),
  , ^# m" Y6 E; I- z" d; o        axis.text.y = element_text(size=15),
          legend.title=element_blank(),
  8 _8 M( J8 y( b" V, F/ ^2 i        legend.text=element_text(size=15))
  2 b' q2 X* s$ j$ Y4 V& j* X$ U9 @
                               
  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)
  ; |) u* `1 R- t; {# Iggplot(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')+
    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),
  * v0 L& e( Q- F  O; @7 i        axis.title.x = element_blank(),
  2 W: U0 @1 d4 E9 N        axis.title.y = element_text(size=15),
  $ {  t  d% W# I) c        axis.text.x = element_text(angle = 90,size=15),
  ; w9 Y. f6 k+ Z# F, |6 o        axis.text.y = element_text(size=15),
          legend.title=element_blank(),
    a4 U" z3 r+ R+ t  J        legend.text=element_text(size=15))
  & F, b! \' n$ c( b- F
  " e% h( E$ f+ E) @- ]6 T
  ( y7 ?$ G! F" Q3. 全球新增病例变化趋势
  total_increase<-data.frame(apply(new_data[,-c(1:4)],2,sum))
  colnames(total_increase)<-'increase_patient'
  , l- M* v! n( D1 q2 F7 vtotal_increase$date<-as.Date(rownames(total_increase),format="%Y-%m-%d")
  ggplot(total_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
  # K8 M# u8 O0 p) r: l$ y  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')+
    theme_economist()+
  0 c1 U; p$ W: T; r# X  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"))+
  $ O0 @5 m! [5 F" ]$ H% g. l2 R  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
  9 \* |$ R9 X8 p: [        axis.title.x = element_blank(),
  , k4 R! x; T- i' j        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(),
  $ L. _* ]5 ]9 a  C1 S: _        legend.text=element_text(size=15))
  
  8 t( R8 m. {- z
  三、新增确诊病例全球地理分布
  + s- l9 V& n% pmapworld<-borders("world",colour = "gray50",fill="white")
  ( ^7 X; O. _. N/ j1 J: mggplot()+mapworld+ylim(-60,90)+
  5 K5 V- ?( Q, a/ k5 w& s. N  geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-01-22`),color="darkorange")+
    scale_size(range=c(2,9))+labs(title="2020年1月22日全球新增确诊人数分布")+
  9 d. M  _6 o- h4 ?  theme_grey(base_size = 15)+
  ! }4 f, |5 k5 B' L& W7 V" {  theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
          legend.title=element_blank())
  ; z8 n/ z1 U# r1 [8 b
  # \1 c2 l: {$ I3 m' Y6 q3 Cggplot()+mapworld+ylim(-60,90)+
    N9 p7 ?# S5 t  geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-11-22`),color="darkorange")+
  ) k5 l3 n, [% o4 x" z9 i  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())
  
  ; u0 G: E6 C- T: [$ S' V
  1 f% w: j3 o0 |6 J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))

  
  % e( S" F9 y1 d& l; a2. 五国（India、Brazil、Russia、Spain、Italy）累计确诊病例动态变化图
  + I3 H" e7 ~* b# hcum_patient_time<-gather(data,key="date",value="increase_patient",'2020-01-22':'2020-12-07')
  ) |$ o, m1 j" Y% |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"))
  . x: j$ {2 ^6 dfive_country$date<-as.Date(five_country$date)
  5 J! |0 y+ G7 ?
  ggplot(five_country,
  + S, Y2 a, G: ]4 q8 R  g            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)+  
  / G, g! c9 s% ?  scale_fill_brewer(palette='Set3')+  #使用Set3色系模板
  5 M$ \/ \7 j" }1 x' X+ z, f  theme(legend.position="none",
          panel.background=element_rect(fill='transparent'),
  ( `8 [& i4 A+ W& c        axis.text.y=element_text(angle=0,colour="black",size=12,hjust=1),
  8 I) O& }) ^, |1 }        panel.grid =element_blank(),  #删除网格线
          axis.text = element_blank(),  #删除刻度标签
  & N& o2 _% u! L- a7 v. P        axis.ticks = element_blank(),  #删除刻度线
  * x1 x8 j3 d7 ]  )+
    coord_flip()+  
  + h9 X8 S, ^* x  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))+
  ! i! g8 e; w2 ^' l' `: e  ease_aes('linear')  
  
  3 o: \5 H' q: V& Z, J7 ?anim_save(filename = "五国累计确诊病例增长动态图.gif")
  4 Z  Z! q/ V+ ^4 X
  
  
    z2 T  g$ K$ q$ x$ n3 s* B% I

* N$ t+ s0 G% O7 f: `# `  n( u
5 g4 Z' O2 C1 S/ i( \# r/ m