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
( ?) n0 G1 G$ t  r% h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
/ b0 C$ {6 U/ P7 q( ?; w: y四、累计确诊病例动态变化图
) b2 t1 ^" g: d1 t& [  x一、数据介绍及预处理
1. 基本字段介绍
) v) B$ i2 G0 U3 T
字段名        含义
Province/State        省/州
Country/Region        国家/地区
Lat        纬度
) y; I( b: N# \& LLong        经度
8 }% g+ `) m: R1 P$ [/ ^8 k1/22/20-12/7/20        每日累计确诊病例

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)]
  2 _- p. E. [4 _# e0 a[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)]
  / K' ~4 `& t$ n- C0 R% O[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
  inspect_lag_data<-cbind(0,inspect_data[,1ncol(inspect_data)-1)])
  increase_data<-inspect_data-inspect_lag_data
  / k  M$ b; d/ R" c5 w4 ^: y; J
    z. q. F$ g+ ~1 T/ j7 L* J+ I/ y#合并数据,new_data为新增确诊人数数据
  : w& R; [7 O1 k) P1 T5 Inew_data<-cbind(information_data,increase_data)
  
  ; N/ k9 ?9 W* |, x% }3 W# m1. 中国新增确诊病例变化趋势
  3 N, C1 f, ^' m& S: i#合并所有省份新增确诊人数
  china<-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")
  % M- M+ }2 I; p% x$ ^# V/ t
  ggplot(china_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
  : Y+ f3 z) \, }: F4 v" ?( v( J. V  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!)
  : E+ G- l) B, r/ O8 |) e5 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)
    theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
  4 J4 c5 I0 h4 U9 h3 I        axis.title.x = element_blank(),
          axis.title.y = element_text(size=15),
          axis.text.x = element_text(angle = 90,size=15),
  ; v2 Z& \  x, S  k- U+ G" X        axis.text.y = element_text(size=15),
  0 |, b/ x& c- d  [        legend.title=element_blank(),
  9 r5 |. [. o8 G+ ~3 h        legend.text=element_text(size=15))
  
  / j+ l7 X4 L( q/ p* D) w3 M; M( ]                             
  2. 美国新增病例变化趋势
  " y, D0 Y* \" M' t$ d' jus<-new_data[new_data$`Country/Region`=='United States',]
  us_increase<-gather(us,key="date",value="increase_patient",'2020-01-22':'2020-12-07')
  * i! G8 c1 i4 E! f/ _$ G& Kus_increase$date<-as.Date(us_increase$date)
  " L  S- F9 ^1 r7 n7 R' Pggplot(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')+
  * n7 D& ]# D! t! r0 s  theme_economist()+   #使用经济学人绘图样(式ggthemes包)
  : _" b- e7 {/ W5 ^8 A4 B  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
  + h, a( i4 ~  H+ |        axis.title.x = element_blank(),
  & v# |" ]' T/ s) b8 O1 n% V' C        axis.title.y = element_text(size=15),
  . y  H% R  ^# \5 R9 e: k& b+ o; [        axis.text.x = element_text(angle = 90,size=15),
          axis.text.y = element_text(size=15),
          legend.title=element_blank(),
  6 e; n* L! \# b! f2 d* P        legend.text=element_text(size=15))
  
  ( A7 q* \: O9 c( O; P, V
  3 K3 j3 k+ u& r0 h- G3. 全球新增病例变化趋势
  total_increase<-data.frame(apply(new_data[,-c(1:4)],2,sum))
  ! G  X( g5 \5 r% M  vcolnames(total_increase)<-'increase_patient'
  total_increase$date<-as.Date(rownames(total_increase),format="%Y-%m-%d")
  ; v& e/ A/ }$ O6 O9 uggplot(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')+
    theme_economist()+
  ! h5 d. |9 f1 [% }8 A* d  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
  ! j$ X3 ~& e4 O! }; a                     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"))+
  6 H  c9 B4 g+ n( l8 B# k  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
          axis.title.x = element_blank(),
  3 N  I* B& H! m4 y7 I        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(),
  8 ~6 Z6 O! w, M+ K2 S5 O        legend.text=element_text(size=15))
  
  / [; ~. M; \* z1 z* i
  三、新增确诊病例全球地理分布
  7 E- l) F$ n. q1 tmapworld<-borders("world",colour = "gray50",fill="white")
  8 M# c- G3 z* q) k2 U, m/ kggplot()+mapworld+ylim(-60,90)+
    geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-01-22`),color="darkorange")+
    scale_size(range=c(2,9))+labs(title="2020年1月22日全球新增确诊人数分布")+
  2 U& k/ i8 B- @" @1 Q  theme_grey(base_size = 15)+
  & x. }; s* B" R5 S  theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
  . Z8 k9 ^+ s) h! Y; f, J        legend.title=element_blank())
  3 l7 L; ]6 Q9 u$ m! u
  ggplot()+mapworld+ylim(-60,90)+
    geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-11-22`),color="darkorange")+
  * Q4 I& ?8 A. M& J& R  scale_size(range=c(2,9))+labs(title="2020年11月22日全球新增确诊人数分布")+
  : E: U" X; e" k1 {0 I* M( N" R( N  theme_grey(base_size = 15)+
  6 m) x# X0 L; q  theme(plot.title=element_text(face="plain",size=15,hjust=0.5),
  5 e8 c5 R' s% u$ {) [( a: X5 J        legend.title=element_blank())
  ( N- a3 B$ |: m& [
  0 A# u! H, j; O. j2 ?1 P8 d
  4 X; J; |. ?% R6 g5 u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

  
  # n' U1 E: D/ e

  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
  7 p% V" g8 K. B+ V6 b5 I) B6 Jcum_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")
  ; H; G/ S* G  B+ xfive_country<-subset(cum_patient_time,Country %in% c("India","Brazil","Russia","Spain","Italy"))
  * `+ B7 V7 C& Afive_country$date<-as.Date(five_country$date)
  
  : H; c$ G( o8 @  u" k/ @0 X/ Mggplot(five_country,
  6 [, [1 X  p" v4 t2 i3 f            aes(x=reorder(Country,increase_patient),y=increase_patient, fill=Country,frame=date)) +  
  - i+ B; t& z+ W5 b& _7 a, t  s0 W  geom_bar(stat= 'identity', position = 'dodge',show.legend = FALSE) +  
  " a7 D% n9 }" x  f8 e  U5 w( R: m  geom_text(aes(label=paste0(increase_patient)),col="black",hjust=-0.2)+  
    scale_fill_brewer(palette='Set3')+  #使用Set3色系模板
  $ D6 o5 W3 ^  V! j  theme(legend.position="none",
  7 ]0 c1 u/ g1 i4 k/ v8 w# f        panel.background=element_rect(fill='transparent'),
  4 c+ N9 X0 [: L- H% r; L        axis.text.y=element_text(angle=0,colour="black",size=12,hjust=1),
          panel.grid =element_blank(),  #删除网格线
          axis.text = element_blank(),  #删除刻度标签
  8 y2 B/ ~" w3 B3 N  c( J) n$ c        axis.ticks = element_blank(),  #删除刻度线
  . Q- {: M: r2 N  )+
  6 ]. S# n) A7 J; Y7 Z. _6 v  coord_flip()+  
  1 C4 p5 [( g- j, h; c5 D  transition_manual(frames=date) +  #动态呈现
  - @2 N, c1 E# x( x  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')  
  
    a- c2 ~* Q. W0 oanim_save(filename = "五国累计确诊病例增长动态图.gif")
  
  6 Z, J; \5 X: b+ }' S6 W2 i
  : ?2 _. `7 V& D2 g" p
  

* B3 s7 B* x2 [" ?# }
# l) X$ x! _% }4 O8 n: U