weixin_46579654的博客

日常工作中，热力图可以直观地表现数据的分布情况，通过颜色的深浅和亮度的变化，可以让人更好地理解数据密集程度和趋势。尤其是在公共卫生领域，对于大样本量流行病学数据进行更好且直观的可视化展示。

GBD数据库由美国华盛顿大学健康测量和评价研究中心 （ Institute for Health Metrics and Evaluation ，IHME ）的全球疾病负担（ GBD ）项目研究组牵头建立，提供了自 1990 年以来全球 204 个国家和地区的 369种疾病、伤害和健康危险因素的流行病学数据 ，并定期对数据库进行更新发布。近期对疾病负担研究颇感兴趣，在日常监测数据中也会经常用到，查阅了一系列paper，发现一张精美的图片，能将分析数据完美、直观的展示。本期文章就GBD数据进行双Y轴图的绘制。

MamBa never out

继续上一篇地理信息可视化讲起，为了能够更加直观的展示数据分布情况，发现之前人民日报客户端曾经做过一张关于疫情分布的玫瑰图，非常惊艳，故尝试用当前爬取的数据进行绘制。绘图前数据整理现存数据中不少地区病例已经清零，故在绘图中剔除为0的地区，由于弯弯的数据太过于扎眼，和大陆地区差异巨大，直接用原始数据绘图可视化较差，故对原始数据进行了相应调整。library(ggplot2)library(RColorBrewer)library(dplyr)###绘图数据处理###mydata[,c(1,3)]%

最近需要对国内疫情分布情况绘制可视化地图，查找资料R中地图绘制思路，显示在R中绘制地图主要有三种方式：第一种是利用某些特定R包中自带的地图数据进行绘图；第二种从其他途径获取地理信息数据，调用相应的软件包对数据进行读取，进而绘图；第三种是基于某些供应商的tiles与Google、NASA、高德等网络在线地图相关联，调用其地图数据为自己绘图所用。下面进行举例说明：1.【绘图前准备】爬取丁香园每日疫情数据##加载程序包，设置路径##setwd("f://data")library(rvest)libra