Tập dữ liệu COVID-19
Ở phần này, chúng ta cùng lấy dữ liệu COVID-19 từ github của tác giả RamiKrispin. Gói dữ liệu CoronaVirus được cung cấp ở dạng dữ liệu đã được tiền xử lý theo các biến cần thiết. Dữ liệu thu thập trực tiếp từ nguồn dữ liệu của Đại học Johns Hopkins (JHU CSSE) - Johns Hopkins University Center for Systems Science and Engineering Coronavirus repository. Dữ liệu được liệt kê theo các biến date, province, country, lat (latitude point), long (longtitude point), type (confirmed, death, recovered), cases (the number of daily cases).
library(coronavirus)
library(devtools)
devtools::install_github("RamiKrispin/coronavirus")##
##
checking for file 'C:\Users\Admin\AppData\Local\Temp\RtmpAb5ppB\remotes30945178562e\RamiKrispin-coronavirus-b244498/DESCRIPTION' ...
checking for file 'C:\Users\Admin\AppData\Local\Temp\RtmpAb5ppB\remotes30945178562e\RamiKrispin-coronavirus-b244498/DESCRIPTION' ...
v checking for file 'C:\Users\Admin\AppData\Local\Temp\RtmpAb5ppB\remotes30945178562e\RamiKrispin-coronavirus-b244498/DESCRIPTION'
##
- preparing 'coronavirus': (484ms)
## checking DESCRIPTION meta-information ...
checking DESCRIPTION meta-information ...
v checking DESCRIPTION meta-information
##
- checking for LF line-endings in source and make files and shell scripts
##
- checking for empty or unneeded directories
##
- building 'coronavirus_0.3.3.tar.gz'
##
## update_dataset()## Updates are available on the coronavirus Dev version, do you want to update? n/Y#covid19_df <- refresh_coronavirus_jhu()
data("coronavirus")
mycovid19_df <- coronavirusTổng quan về dữ liệu
Ở phần này, liệt kê tất cả các biến và thực hiện thống kê chung về các biến trong bộ dữ liệu.
str(mycovid19_df)## 'data.frame': 399996 obs. of 7 variables:
## $ date : Date, format: "2020-01-22" "2020-01-22" ...
## $ province: chr "" "" "" "" ...
## $ country : chr "Afghanistan" "Albania" "Algeria" "Andorra" ...
## $ lat : num 33.9 41.2 28 42.5 -11.2 ...
## $ long : num 67.71 20.17 1.66 1.52 17.87 ...
## $ type : chr "confirmed" "confirmed" "confirmed" "confirmed" ...
## $ cases : num 0 0 0 0 0 0 0 0 0 0 ...summary(mycovid19_df)## date province country lat
## Min. :2020-01-22 Length:399996 Length:399996 Min. :-51.796
## 1st Qu.:2020-05-23 Class :character Class :character 1st Qu.: 4.788
## Median :2020-09-23 Mode :character Mode :character Median : 21.513
## Mean :2020-09-23 Mean : 19.987
## 3rd Qu.:2021-01-24 3rd Qu.: 40.143
## Max. :2021-05-27 Max. : 71.707
## NA's :2460
## long type cases
## Min. :-178.12 Length:399996 Min. :-349116.0
## 1st Qu.: -15.18 Class :character 1st Qu.: 0.0
## Median : 21.75 Mode :character Median : 0.0
## Mean : 24.07 Mean : 712.1
## 3rd Qu.: 85.24 3rd Qu.: 34.0
## Max. : 178.06 Max. :1123456.0
## NA's :2460Liệt kê top 10 quốc gia có số ca nhiễm nhiều nhất
library(dplyr)
mycovid19_df %>%
filter(type == "confirmed") %>%
group_by(country) %>%
summarise(total_case_confirmed = sum(cases)) %>%
arrange(-total_case_confirmed) -> summary_df
summary_df %>% head(n=10)## # A tibble: 10 x 2
## country total_case_confirmed
## <chr> <dbl>
## 1 US 33217995
## 2 India 27555457
## 3 Brazil 16342162
## 4 France 5697076
## 5 Turkey 5220549
## 6 Russia 4977332
## 7 United Kingdom 4489552
## 8 Italy 4205970
## 9 Germany 3673990
## 10 Argentina 3663215Thống kê theo ngày
Các ca COVID-19 trong ngày gần nhất theo quốc gia
library(tidyr)
mycovid19_df %>%
filter(date == max(date)) %>%
select(country, type, cases) %>%
group_by(country, type) %>%
summarise(total_cases = sum(cases)) %>%
pivot_wider(names_from = type, values_from = total_cases) %>%
arrange(-confirmed)## # A tibble: 193 x 4
## # Groups: country [193]
## country confirmed death recovered
## <chr> <dbl> <dbl> <dbl>
## 1 India 186364 3660 259459
## 2 Brazil 67467 2245 183636
## 3 Argentina 41080 547 38186
## 4 US 27525 1338 0
## 5 Colombia 25092 513 22425
## 6 France 13933 142 977
## 7 Iran 9994 165 17401
## 8 Russia 8911 395 9593
## 9 Turkey 8426 183 13102
## 10 Chile 8105 185 5542
## # ... with 183 more rowsTrực quan hóa dữ liệu của thế giới bằng plotly
library(plotly)
mycovid19_df %>%
group_by(type, date) %>%
summarise(total_cases = sum(cases)) %>%
pivot_wider(names_from = type, values_from = total_cases) %>%
arrange(date) %>%
mutate(active = confirmed - death - recovered) %>%
mutate(active_total = cumsum(active), recovered_total = cumsum(recovered),
death_total = cumsum(death)) %>%
plot_ly(x = ~ date,
y = ~ active_total,
name = "Active",
fillcolor = "#1f77b4",
type = "scatter",
mode = "lines",
stackgroup = "one") %>%
add_trace(y = ~ death_total,
name = "Death",
fillcolor = "#E41317") %>%
add_trace(y = ~ recovered_total,
name = "Recovered",
fillcolor = "forestgreen") %>%
layout(title = "The distribution of COVID 19 Cases Worldwide",
legend = list(x = 0.5, y = 0.9),
yaxis = list(title = "Number of cases"),
xaxis = list(title = "Source: Johns Hopkins University Center for Systems Science and Engineering"))Trực quan bằng treemap cho các quốc gia
library(plotly)
country_covid19 <- mycovid19_df %>%
filter(type == "confirmed") %>%
group_by(country) %>%
summarise(total_cases = sum(cases)) %>%
arrange(-total_cases) %>%
mutate(parents = "Confirmed") %>%
ungroup()
plot_ly(data = country_covid19,
type = "treemap",
values = ~ total_cases,
labels = ~ country,
parents = ~ parents,
domain = list(column=0),
name = "Confirmed",
textinfo = "label+value+percent parent")