R绘制COVID-19新增病例趋势图

COVID-19 的病例数据来源于COVID-19 (coronavirus) by Our World in Data,并通过 OWID data 绘制一张新冠肺炎新增病例的趋势图。

rm(list = ls())
options(digits = 4)
setwd("D:/xxxxxxxxxx/test")

library(xlsx)
covid <- read.csv("owid-covid-data.csv")

为了得到每个国家对应的中文名称,还需要导入“国家和地区代码.xlsx”文件。

country <- read.xlsx("国家和地区代码.xlsx",
                     sheetIndex="Sheet1",
                     header=F,
                     startRow=9)

选取 Brazil 作为分析对象,对数据做一些简单的处理和 mapping

covid1 <- subset(covid, 
                 subset = (iso_code=="BRA"))
covid2 <- transform(covid1, 
                    peo_vac=people_vaccinated/10000, 
                    peo_fvac=people_fully_vaccinated/10000,
                    ana_new=new_cases,
                    ana_dea=new_deaths,
                    low=0
                    )
country1 <- subset(country, 
                   subset = (X6!="NA"), 
                   select = c(X2,X3,X6))

library(dplyr)
anadata1 <- left_join(covid2,
                      country1,
                      by=c("iso_code"="X6"))

定义一个移动平均数的函数,得到移动平均值

mav <- function(a,n=3){
stats::filter(a,rep(1/n,n),sides = 1)
}
anadata2 <- transform(anadata1,
                      mean_new=mav(ana_new,7),
                      mean_dea=mav(ana_dea,7))

利用 ggplot2 绘图

library(ggplot2)
gtitle <- paste(anadata2$X2,"_",anadata2$X3,sep='')[1]
p <- ggplot(anadata2,aes(x=as.Date(date))) + 
  geom_col(aes(y=ana_new,fill="g_col")) + 
  geom_line(aes(y=mean_new,color="g_line"),size=1) +
  ggtitle(gtitle) +
  labs(x=NULL,y=NULL) +
  scale_x_date(date_label="%y/%m/%d",
               date_breaks = "3 month",
               minor_breaks = "1 month") +
  scale_fill_manual(breaks = c("g_col"), 
                    values = c("#cad5e5"), 
                    label = c("New Case")) + 
  scale_color_manual(breaks = c("g_line"),
                     values = c("blue"), 
                     label = c("Monving Average")) +
  theme(plot.title =element_text(hjust = 0.5, vjust = 0.5), 
      legend.position = "bottom", 
      legend.title = element_blank(), 
      legend.background = element_blank()) 

p + theme(panel.background=element_rect(fill='transparent', 
                                      color='gray'),
        legend.key=element_rect(fill='transparent', 
                                color='transparent'))

最后展示一下输出的plot


Rplot.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 214,128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 91,316评论 3 388
  • 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 159,737评论 0 349
  • 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 57,283评论 1 287
  • 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 66,384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 50,458评论 1 292
  • 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 39,467评论 3 412
  • 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 38,251评论 0 269
  • 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 44,688评论 1 306
  • 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 36,980评论 2 328
  • 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 39,155评论 1 342
  • 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 34,818评论 4 337
  • 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 40,492评论 3 322
  • 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 31,142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 32,382评论 1 267
  • 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 47,020评论 2 365
  • 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 44,044评论 2 352

推荐阅读更多精彩内容