20180416-B · Global Mortality · ggplot2 条形图 百分比图 · R 语言数据可视化 案例 源码
2024-06-04 01:14:00
所有作品合集传送门： Tidy Tuesday
2018 年合集传送门： 2018
Global Mortality
What do people die from?
在过去的几个世纪里，世界发生了很大的变化–这就是《我们的世界》的数据所显示的。然而，有一件事在这种转变中一直保持不变：我们都必须在某个时候死亡。然而，随着生活水平的提高、医疗保健的进步和生活方式的改变，死亡的原因正在发生变化。
在这篇博客中，我们试图回答 “人们死于什么？”，首先看一下全球死因的数据，然后选择国家层面的例子。
世界各地的主要死因仍有很大差异，因此，也可以选择了一些国家，以突出这种异质性。
本次示例通过一些可视化方式来展示这些信息。
1. 一些环境设置
# 设置为国内镜像, 方便快速安装模块
options("repos" = c(CRAN = "https://mirrors.tuna.tsinghua.edu.cn/CRAN/"))
2. 设置工作路径
wkdir <- '/home/user/R_workdir/TidyTuesday/2018/2018-04-16_Global_Mortality/src-b'
setwd(wkdir)
3. 加载 R 包
library(scales)
library(reshape2)
library(tidyverse)
library(RColorBrewer)
library(showtext)
# 在 Ubuntu 系统上测试的, 不加这个我画出来的汉字会乱码 ~
showtext_auto()
4. 加载数据
df_input <- readxl::read_excel("../data/global_mortality.xlsx")# 简要查看数据内容
glimpse(df_input)
## Rows: 6,156
## Columns: 35
## $ country <chr> "Afghanistan", "Afghanistan…
## $ country_code <chr> "AFG", "AFG", "AFG", "AFG",…
## $ year <dbl> 1990, 1991, 1992, 1993, 199…
## $ `Cardiovascular diseases (%)` <dbl> 17.61040, 17.80181, 18.3868…
## $ `Cancers (%)` <dbl> 4.025975, 4.054145, 4.17395…
## $ `Respiratory diseases (%)` <dbl> 2.106626, 2.134176, 2.20829…
## $ `Diabetes (%)` <dbl> 3.832555, 3.822228, 3.90012…
## $ `Dementia (%)` <dbl> 0.5314287, 0.5324973, 0.540…
## $ `Lower respiratory infections (%)` <dbl> 10.886362, 10.356968, 10.09…
## $ `Neonatal deaths (%)` <dbl> 9.184653, 8.938897, 8.84138…
## $ `Diarrheal diseases (%)` <dbl> 2.497141, 2.572228, 2.70774…
## $ `Road accidents (%)` <dbl> 3.715944, 3.729142, 3.81635…
## $ `Liver disease (%)` <dbl> 0.8369093, 0.8455159, 0.874…
## $ `Tuberculosis (%)` <dbl> 5.877075, 5.891704, 6.03466…
## $ `Kidney disease (%)` <dbl> 1.680611, 1.671115, 1.70098…
## $ `Digestive diseases (%)` <dbl> 1.058771, 1.049322, 1.06288…
## $ `HIV/AIDS (%)` <dbl> 0.01301948, 0.01451458, 0.0…
## $ `Suicide (%)` <dbl> 0.4366105, 0.4422802, 0.456…
## $ `Malaria (%)` <dbl> 0.4488863, 0.4550191, 0.460…
## $ `Homicide (%)` <dbl> 1.287020, 1.290991, 1.32616…
## $ `Nutritional deficiencies (%)` <dbl> 0.3505045, 0.3432123, 0.345…
## $ `Meningitis (%)` <dbl> 3.037603, 2.903202, 2.84064…
## $ `Protein-energy malnutrition (%)` <dbl> 0.3297599, 0.3221711, 0.323…
## $ `Drowning (%)` <dbl> 0.9838624, 0.9545860, 0.951…
## $ `Maternal deaths (%)` <dbl> 1.769213, 1.749264, 1.76424…
## $ `Parkinson alberte (%)` <dbl> 0.02515859, 0.02545063, 0.0…
## $ `Alcohol disorders (%)` <dbl> 0.02899828, 0.02917152, 0.0…
## $ `Intestinal infectious diseases (%)` <dbl> 0.1833303, 0.1781074, 0.176…
## $ `Drug disorders (%)` <dbl> 0.04120540, 0.04203340, 0.0…
## $ `Hepatitis (%)` <dbl> 0.1387378, 0.1350081, 0.134…
## $ `Fire (%)` <dbl> 0.1741567, 0.1706712, 0.171…
## $ `Heat-related (hot and cold exposure) (%)` <dbl> 0.1378229, 0.1348266, 0.139…
## $ `Natural disasters (%)` <dbl> 0.00000000, 0.79760256, 0.3…
## $ `Conflict (%)` <dbl> 0.932, 2.044, 2.408, NA, 4.…
## $ `Terrorism (%)` <dbl> 0.007, 0.040, 0.027, NA, 0.…
# 检查数据的列名
colnames(df_input)
## [1] "country"
## [2] "country_code"
## [3] "year"
## [4] "Cardiovascular diseases (%)"
## [5] "Cancers (%)"
## [6] "Respiratory diseases (%)"
## [7] "Diabetes (%)"
## [8] "Dementia (%)"
## [9] "Lower alberttory infections (%)"
## [10] "Neonatal deaths (%)"
## [11] "Diarrheal diseases (%)"
## [12] "Road accidents (%)"
## [13] "Liver disease (%)"
## [14] "Tuberculosis (%)"
## [15] "Kidney disease (%)"
## [16] "Digestive diseases (%)"
## [17] "HIV/AIDS (%)"
## [18] "Suicide (%)"
## [19] "Malaria (%)"
## [20] "Homicide (%)"
## [21] "Nutritional deficiencies (%)"
## [22] "Meningitis (%)"
## [23] "Protein-energy malnutrition (%)"
## [24] "Drowning (%)"
## [25] "Maternal deaths (%)"
## [26] "Parkinson disease (%)"
## [27] "Alcohol disorders (%)"
## [28] "Intestinal infectious diseases (%)"
## [29] "Drug disorders (%)"
## [30] "Hepatitis (%)"
## [31] "Fire (%)"
## [32] "Heat-related (hot and cold exposure) (%)"
## [33] "albertral disasters (%)"
## [34] "Conflict (%)"
## [35] "Terrorism (%)"
5. 数据预处理
# 从列名中删除 (%)
names(df_input) <- str_trim(str_remove_all(names(df_input), "[[:punct:]]"))
# 按年(2016年) 和 国家(China) 划分的子集数据
df_alb <- subset(df_input, year == 2016) %>% subset(countrycode == "CHN")
# 删除 国家代码(countrycode) 和 年份(year) 列
df_ert <- select(df_alb, -(countrycode:year))
# 数据变形
df_tidy <- melt(df_ert)
# 将所有缺失值用 0 替换
df_tidy[is.na(df_tidy)] <- 0# 简要查看数据内容
glimpse(df_tidy)
## Rows: 32
## Columns: 3
## $ country <chr> "China", "China", "China", "China", "China", "China", "China"…
## $ variable <fct> Cardiovascular diseases, Cancers, Respiratory diseases, Alber…
## $ value <dbl> 41.121472082, 24.606023731, 9.477579245, 3.662480920, 4.93380…
6. 利用 ggplot2 绘图
# 获得疾病的数量
n.disease = length(unique(df_tidy$variable))
# 选择调色板
getPalette = colorRampPalette(brewer.pal(8, "Dark2"))# PS: 方便讲解, 我这里进行了拆解, 具体使用时可以组合在一起
gg <- ggplot(df_tidy, aes(reorder(variable, value), value, fill = variable))
# geom_bar() 绘制条形图, stat = "identity"，意味着条形的高度表示数据数据的值
gg <- gg + geom_bar(stat = "identity")
# coord_flip() 倒置坐标系
gg <- gg + coord_flip()
# Y轴添加百分比符号
gg <- gg + scale_y_continuous(breaks = seq(0, 45, by = 5), labels = function(x) paste0(x, "%"), limits = c(0, 45))
# geom_text() 添加文本信息
gg <- gg + geom_text(data = df_tidy, aes(variable, value, label = paste(sprintf("%0.2f", round(value, digits = 2)), "%")), hjust = -0.08)
# geom_hline() 添加水平线, 需要注意的是, 这里图已经经过倒置了, 实际上添加的是垂直线
gg <- gg + geom_hline(yintercept=c(5, 10, 15, 20), linetype = "dotted", color = "orange")
# scale_fill_manual() 采取的是手动赋值的方法, 也就是直接把颜色序列赋值给它的参数 value
gg <- gg + scale_fill_manual(values = getPalette(n.disease))
gg <- gg + labs(title = "2016年·中国死亡因素分布比例",subtitle = NULL,x = NULL,y = NULL,caption = "资料来源: Our World in Data · graph by 萤火之森")
# theme_minimal() 去坐标轴边框的最小化主题
gg <- gg + theme_minimal()
# theme() 实现对非数据元素的调整, 对结果进行进一步渲染, 使之更加美观
gg <- gg + theme(# panel.grid.major 主网格线, 这一步表示删除主要网格线panel.grid.major = element_blank(),# panel.grid.minor 次网格线, 这一步表示删除次要网格线panel.grid.minor = element_blank(),# panel.border 面板背景 数据上面panel.border = element_blank(),# panel.background 面板背景 数据下面panel.background = element_blank(),# plot.margin 调整图像边距, 上-右-下-左plot.margin = margin(12, 10, 2, 15), # plot.title 主标题plot.title = element_text(hjust = 0.1, color = "black", size = 20, face = "bold"),# plot.caption 说明文字plot.caption = element_text(hjust = 0.85, vjust = 20),# legend.position 设置图例位置, "none" 表示不显示图例legend.position = "none")
7. 保存图片到 PDF 和 PNG
gg
filename = '20180416-B-01'
ggsave(filename = paste0(filename, ".pdf"), width = 11.2, height = 5.5, device = cairo_pdf)
ggsave(filename = paste0(filename, ".png"), width = 11.2, height = 5.5, dpi = 100, device = "png")
8. session-info
sessionInfo()
## R version 4.2.1 (2022-06-23)
## Platform: x86_64-pc-linux-gnu (64-bit)
## Running under: Ubuntu 20.04.5 LTS
##
## Matrix products: default
## BLAS: /usr/lib/x86_64-linux-gnu/openblas-pthread/libblas.so.3
## LAPACK: /usr/lib/x86_64-linux-gnu/openblas-pthread/liblapack.so.3
##
## locale:
## [1] LC_CTYPE=en_US.UTF-8 LC_NUMERIC=C
## [3] LC_TIME=en_US.UTF-8 LC_COLLATE=en_US.UTF-8
## [5] LC_MONETARY=en_US.UTF-8 LC_MESSAGES=en_US.UTF-8
## [7] LC_PAPER=en_US.UTF-8 LC_NAME=C
## [9] LC_ADDRESS=C LC_TELEPHONE=C
## [11] LC_MEASUREMENT=en_US.UTF-8 LC_IDENTIFICATION=C
##
## attached base packages:
## [1] stats graphics grDevices utils datasets methods base
##
## other attached packages:
## [1] showtext_0.9-5 showtextdb_3.0 sysfonts_0.8.8 RColorBrewer_1.1-3
## [5] forcats_0.5.2 stringr_1.4.1 dplyr_1.0.10 purrr_0.3.4
## [9] readr_2.1.2 tidyr_1.2.1 tibble_3.1.8 ggplot2_3.3.6
## [13] tidyverse_1.3.2 reshape2_1.4.4 scales_1.2.1
##
## loaded via a namespace (and not attached):
## [1] Rcpp_1.0.9 lubridate_1.8.0 assertthat_0.2.1
## [4] digest_0.6.29 utf8_1.2.2 R6_2.5.1
## [7] cellranger_1.1.0 plyr_1.8.7 backports_1.4.1
## [10] reprex_2.0.2 evaluate_0.16 highr_0.9
## [13] httr_1.4.4 pillar_1.8.1 rlang_1.0.5
## [16] googlesheets4_1.0.1 readxl_1.4.1 rstudioapi_0.14
## [19] jquerylib_0.1.4 rmarkdown_2.16 textshaping_0.3.6
## [22] googledrive_2.0.0 munsell_0.5.0 broom_1.0.1
## [25] compiler_4.2.1 modelr_0.1.9 xfun_0.32
## [28] systemfonts_1.0.4 pkgconfig_2.0.3 htmltools_0.5.3
## [31] tidyselect_1.1.2 fansi_1.0.3 crayon_1.5.1
## [34] tzdb_0.3.0 dbplyr_2.2.1 withr_2.5.0
## [37] grid_4.2.1 jsonlite_1.8.0 gtable_0.3.1
## [40] lifecycle_1.0.1 DBI_1.1.3 magrittr_2.0.3
## [43] cli_3.3.0 stringi_1.7.8 cachem_1.0.6
## [46] farver_2.1.1 fs_1.5.2 xml2_1.3.3
## [49] bslib_0.4.0 ragg_1.2.3 ellipsis_0.3.2
## [52] generics_0.1.3 vctrs_0.4.1 tools_4.2.1
## [55] glue_1.6.2 hms_1.1.2 fastmap_1.1.0
## [58] yaml_2.3.5 colorspace_2.0-3 gargle_1.2.1
## [61] rvest_1.0.3 knitr_1.40 haven_2.5.1
## [64] sass_0.4.2
测试数据
配套数据下载：global_mortality.xlsx
20180416-B · Global Mortality · ggplot2 条形图 百分比图 · R 语言数据可视化 案例 源码相关推荐
- 20180416-E · Global Mortality · ggplot2 plotly 动态折线图 · R 语言数据可视化 案例 源码
所有作品合集传送门: Tidy Tuesday 2018 年合集传送门: 2018 Global Mortality What do people die from? 在过去的几个世纪里,世界发生了很 ...
- 20180416-A · Global Mortality · ggplot2 散点图 ggbump 凹凸图 · R 语言数据可视化 案例 源码
所有作品合集传送门: Tidy Tuesday 2018 年合集传送门: 2018 Global Mortality What do people die from? Tidy Tuesday 在 G ...
- 20180416-C · Global Mortality · ggplot2 马赛克图 · R 语言数据可视化 案例 源码
所有作品合集传送门: Tidy Tuesday 2018 年合集传送门: 2018 Global Mortality What do people die from? 在过去的几个世纪里,世界发生了很 ...
- 20180416-G · Global Mortality · ggplot2 maptools 地图 热力图 组合图 · R 语言数据可视化 案例 源码
所有作品合集传送门: Tidy Tuesday 2018 年合集传送门: 2018 Global Mortality What do people die from? 在过去的几个世纪里,世界发生了很 ...
- 20180423-B · Australian Salaries by Gender · ggplot2 ggalt geom_dumbbell 棒棒糖图 哑铃图 · R 语言数据可视化 案例 源码
所有作品合集传送门: Tidy Tuesday 2018 年合集传送门: 2018 Australian Salaries by Gender 欢迎来到ggplot2的世界! ggplot2是一个用来 ...
- 20180402-A · US Tuition Costs · ggplot2, 折线图 · R 语言数据可视化 案例 源码
所有作品合集传送门: Tidy Tuesday 2018 年合集传送门: 2018 US Tuition Costs Average Tuition and Educational Attainmen ...
- 20180430-A · ACS Census Data (2015) · ggplot2 maps rcstatebin 地图 热图 蜂窝地图 动态图 · R 语言数据可视化 案例 源码
所有作品合集传送门: Tidy Tuesday 2018 年合集传送门: 2018 ACS Census Data (2015) 欢迎来到`ggplot2`的世界! ggplot2是一个用来绘制统计图 ...
- 20180731-A · Dallas Animal Shelter FY2017 · ggplot2 geom_bar + coord_polar 饼图 饼状图 · R 语言数据可视化 案例 源码
所有作品合集传送门: Tidy Tuesday 2018 年合集传送门: 2018 Dallas Animal Shelter FY2017 欢迎来到ggplot2的世界! ggplot2是一个用来绘 ...
- 20180409-C · NFL Positional Salaries · ggplot2, 折线图 散点图 分面图 · R 语言数据可视化 案例 源码
所有作品合集传送门: Tidy Tuesday 2018 年合集传送门: 2018 NFL Positional Salaries NFL Positional Salaries Tidy Tuesd ...
最新文章
- oracle执行计划连接方式
- 2021邹城高考成绩查询,@邹城考生 2021高考时间、考场分布图来啦！
- Signal Slot in Qt
- 交际中你所不知道的说话的12个技巧!
- FastStone Capture 注册码 序列号
- 64位浮点数_【C语言教程】C语言浮点数及其应用
- java正则替换数字_Java 正则表达式，替换图片，替换数字，和谐用语，复制文件...
- SpringMVC小结（四）
- EasyUI：datagrid分页显示+嵌入select下拉选项框
- centos 6.4 安装java_CentOS6.4 64位系统安装jdk 转载
- 苹果手机来电归属地_如何批量计算手机号码的归属地？
- 工具变量两阶段最小二乘
- C++仿照标准字符串类string，设计一个自己的字符串类String
- 强烈推荐：曹方，《遇见我》
- 传奇手游服务器搭建_传奇私服服务器端在云服务器架设，全版本通用的传奇游戏架设教程...
- 2017全球最具影响力机器人公司TOP排行榜
- 几年工作之后“十句职场密语”
- 莫比乌斯带matlab代码,莫比乌斯带
- 计算机基础——操作系统
- java +Selenium 2 环境搭建