2019-nCov疫情查看R语言代码

转自Y叔

(1)检索疫情数据

(2)各省市的疫情历史数据

(3)疫情地图

(1)检索疫情数据

主要函数:get_nCov2019,summary
remotes::install_github("GuangchuangYu/nCov2019")
library(nCov2019)
x <-get_nCov2019()#当前最新数据

x

open(x)#打开腾讯浏览器
全国各省数据

画图

library(forcats)
library(ggplot2)
d = x['广东',]
d$confirm=as.numeric(d$confirm)
d$name = fct_reorder(d$name, d$confirm)
ggplot(d, aes(name, confirm)) + geom_col(fill='steelblue') + coord_flip() 
#转换坐标轴
+ geom_text(aes(y = confirm, label=confirm), hjust=0) 
#加上数目
+ theme_minimal(base_size=14) 
+ scale_y_continuous(expand=c(0,10)) + xlab(NULL) + ylab(NULL)
广东省各市目前累计确诊人数

每日新增

全国新增

湖北新增

全国每日数据

全国每日新增数据

ggplot(summary(x), aes(as.Date(date, "%m.%d"), as.numeric(confirm))) + geom_col(fill='firebrick') + theme_minimal(base_size = 14) + xlab(NULL) + ylab(NULL) + labs(caption = paste("accessed date:", time(x)))
全国每日数据

(2)各省市的疫情历史数据

主要函数:load_nCov2019
x<-load_nCov2019()#获得历史数据

更新数据不太及时,现在20200208,数据只更新到2.06

x['湖北', c(1:6, 9:11)][1:3,]#累积和新增的数据
累积和新增

画图

require(ggrepel)
d <- x['河南',]

ggplot(d,aes(time, as.numeric(cum_confirm), group=city, color=city)) + geom_point() + geom_line() 
+ geom_text_repel(aes(label=city), data=d[d$time == time(x), ], hjust=1)
#加城市名字,加时间 
+ theme_minimal(base_size = 14) + theme(legend.position='none') + xlab(NULL) + ylab(NULL)
河南各市

各个省的总结数据

d2 <- summary(x)[,1:5]

ggplot(d2,
       aes(time, as.numeric(cum_confirm), group=province, color=province)) +
  geom_point() + geom_line() +
  geom_text_repel(aes(label=province), data=d2[d2$time == time(x), ], hjust=1) +
  theme_minimal(base_size = 14) + theme(legend.position='none') +
  xlab(NULL) + ylab(NULL) + scale_y_log10()
各省总结数据

(3)疫情地图

世界地图

require(nCov2019)
x = get_nCov2019()
plot(x)
世界地图
中国地图
require(chinamap)
cn = get_map_china()
plot(x, chinamap=cn)

中国地图

plot(x, region="china", chinamap=cn)#只画中国地图;参数date="2020-02-01"指定历史数据
中国地图

动图历史数据

library(magick)
y <- load_nCov2019()
d <- c(paste0("2020-01-", 20:31), paste0("2020-02-0", 1:2))
img <- image_graph(600, 450, res = 96)
out <- lapply(d, function(date){
  p <- plot(y, region="china", chinamap=cn, date=date,
            label=FALSE, continuous_scale=FALSE)
  print(p)
})
dev.off()

animation <- image_animate(img, fps = 2)
print(animation)
image.png
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 212,222评论 6 493
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,455评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 157,720评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,568评论 1 284
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,696评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,879评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,028评论 3 409
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,773评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,220评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,550评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,697评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,360评论 4 332
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,002评论 3 315
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,782评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,010评论 1 266
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,433评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,587评论 2 350

推荐阅读更多精彩内容