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
目录
5 a6 u9 ^9 F3 {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
8 ^2 b+ B3 \; I1 D' A* z四、累计确诊病例动态变化图
一、数据介绍及预处理
: s, |6 `, C, ^) w( g! L1. 基本字段介绍

字段名        含义
2 i+ s) K7 u. k% y& u2 ]! ~Province/State        省/州
! D2 I2 j/ y( V! aCountry/Region        国家/地区
. a8 c* c, q. H. Z; o# R2 pLat        纬度
Long        经度
1/22/20-12/7/20        每日累计确诊病例
$ _: L: h4 L# ]' s4 a+ W: P

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)]
  $ C" `: S+ t/ G+ \[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
  ! E" ~6 f2 Y6 U+ I
  ) v. _: i$ @" f7 {* n#合并数据,new_data为新增确诊人数数据
  * E% a. \1 B$ f2 c1 \* V6 u( Qnew_data<-cbind(information_data,increase_data)
  
  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
  / w9 p8 p6 [) ]3 l$ Achina<-new_data[new_data$`Country/Region`=='China',]
  china_increase<-data.frame(apply(china[,-c(1:4)],2,sum))
  colnames(china_increase)<-'increase_patient'
  ( u' [, B& n& ~+ B% V. u* Ychina_increase$date<-as.Date(rownames(china_increase),format="%Y-%m-%d")
  
  # d* C# K# o9 _' Z; e% c& O8 \ggplot(china_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
  & q! N( P8 Q. M: L- @* A+ o  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')+
  5 R% ~7 S5 ^8 p9 F  theme_economist()+  #使用经济学人绘图样(式ggthemes包)
  3 ^0 Z; }* _6 \6 f3 C7 _1 `- \% G  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
  # P2 v8 T/ H! t+ r5 N1 K6 ~* P        axis.title.x = element_blank(),
          axis.title.y = element_text(size=15),
          axis.text.x = element_text(angle = 90,size=15),
  6 j/ |# n1 i5 l0 A. t, Z& n        axis.text.y = element_text(size=15),
          legend.title=element_blank(),
  6 S, x+ H! }- q        legend.text=element_text(size=15))
  
  + M5 o7 Z+ Q4 P' ?6 Z7 c                             
  0 E; \. h6 k4 i. c/ @) W$ K2. 美国新增病例变化趋势
  ( T5 N) S: n* e8 yus<-new_data[new_data$`Country/Region`=='United States',]
  - o0 \8 S. J* ?us_increase<-gather(us,key="date",value="increase_patient",'2020-01-22':'2020-12-07')
  2 ?4 r- C: H! b) \( ius_increase$date<-as.Date(us_increase$date)
  $ _$ S9 n$ R% `0 |4 |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
  # V% j+ u- k: s: B  labs(x='日期',y='新增确诊人数',title='2020年1月22日-2020年12月7日美国新增确诊人数变化趋势图')+
  9 U% W$ j, k4 T  theme_economist()+   #使用经济学人绘图样(式ggthemes包)
  ) s) b3 {# |3 h! b4 z# Z+ L3 K4 [  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),
  0 U- {; W8 F; |$ E1 s' d; @        axis.text.y = element_text(size=15),
  8 z; ]/ Q* L2 T; W& u" Y        legend.title=element_blank(),
  3 y' p9 Q& ^% ?% ~% S3 f        legend.text=element_text(size=15))
  # u. H* U7 p. I& ^. e2 z
  3 Q& K% B; o( v4 c/ y
  ' |& c; M7 d9 K; s# B3. 全球新增病例变化趋势
  0 p. {6 T! p7 w5 Q0 Y# ?total_increase<-data.frame(apply(new_data[,-c(1:4)],2,sum))
  7 u" Z4 {( z: Q; n' o' L- Pcolnames(total_increase)<-'increase_patient'
    A, _& U$ a' j) Z! u; W# `. wtotal_increase$date<-as.Date(rownames(total_increase),format="%Y-%m-%d")
  ggplot(total_increase,aes(x=date,y=increase_patient,color='新增确诊人数'))+geom_line(size=1)+
    scale_x_date(date_breaks = "14 days")+
  & M- \! @& t' n3 x& b  l! I  labs(x='日期',y='新增确诊人数',title='2020年1月22日-2020年12月7日全球新增确诊人数变化趋势图')+
    theme_economist()+
    scale_y_continuous(limits=c(0,8*10^5),      #考虑数字过大,以文本形式标注y轴标签
                       breaks=c(0,2*10^5,4*10^5,6*10^5,8*10^5),
  " j6 q; s$ q1 L8 V+ L$ ]8 X                     labels=c("0","20万","40万","60万","80万"))+
  ! r) u! t+ y. B3 t4 d  M  theme(plot.title = element_text(face="plain",size=15,hjust=0.5),
  ' h. H# R- J  r0 p* M. B        axis.title.x = element_blank(),
  # @# P" d& j( }! d) b' [- [* u        axis.title.y = element_text(size=15),
  ; L! n) w8 T2 P0 Y        axis.text.x = element_text(angle = 90,size=15),
  . t% N8 W, H" F; V1 x        axis.text.y = element_text(size=15),
          legend.title=element_blank(),
  + l* d+ E0 D  C9 R        legend.text=element_text(size=15))
  ' s7 N5 ~. f9 k, e. A" N% F  z% A
  - G2 a  q0 z+ T- A
  8 N% {- ?1 k. y) [, U三、新增确诊病例全球地理分布
  mapworld<-borders("world",colour = "gray50",fill="white")
  2 F- E1 T! ^/ E# jggplot()+mapworld+ylim(-60,90)+
    j, Z4 p2 t) ?2 f3 C. T4 @* G  geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-01-22`),color="darkorange")+
  5 c0 l7 L" W& l7 ~$ }1 B; i  scale_size(range=c(2,9))+labs(title="2020年1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),
  ! ^. a" T: G- E7 O9 @  Y8 {) Y7 b0 ?        legend.title=element_blank())
  1 v8 V( T" S* L, F7 _$ o
  ggplot()+mapworld+ylim(-60,90)+
  1 F2 [4 M& I/ z5 q; z/ m; x2 ~  geom_point(aes(x=new_data$Long,y=new_data$Lat,size=new_data$`2020-11-22`),color="darkorange")+
  + N% D( C2 Z; I: s2 T3 F# o  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),
  , W% N3 S9 |/ I! ~9 a* P0 F. \        legend.title=element_blank())
  
  
  ! E8 ^7 K5 F7 a6 C5 \  j  s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
  cum_patient_time<-gather(data,key="date",value="increase_patient",'2020-01-22':'2020-12-07')
  , q/ O  N% ?4 g* ?: n2 y5 f6 Gcolnames(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"))
  five_country$date<-as.Date(five_country$date)
  ! Z4 V9 Y/ c+ W* Q
  ( k( N0 D) {# B6 @ggplot(five_country,
              aes(x=reorder(Country,increase_patient),y=increase_patient, fill=Country,frame=date)) +  
    D+ d* L+ L4 s; T( `2 g, d% Y  geom_bar(stat= 'identity', position = 'dodge',show.legend = FALSE) +  
  4 s, M1 q; _1 O. K( R' S  geom_text(aes(label=paste0(increase_patient)),col="black",hjust=-0.2)+  
  ! N* S" n: I5 M: x& {7 ~  scale_fill_brewer(palette='Set3')+  #使用Set3色系模板
    theme(legend.position="none",
          panel.background=element_rect(fill='transparent'),
          axis.text.y=element_text(angle=0,colour="black",size=12,hjust=1),
          panel.grid =element_blank(),  #删除网格线
    {+ W$ o& w9 H8 `% K" X+ c        axis.text = element_blank(),  #删除刻度标签
          axis.ticks = element_blank(),  #删除刻度线
  : X2 A- W8 h4 S! K! D  P  {  )+
    coord_flip()+  
  $ u0 f) n* @/ v6 A  transition_manual(frames=date) +  #动态呈现
  1 H+ }0 W" x6 d5 v& Q7 Y  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')  
  3 b( w4 G5 w( b: _# {1 J, w
  anim_save(filename = "五国累计确诊病例增长动态图.gif")