即中国疫情图之后，又来了一个小作业，作业要求是使用R平台相关绘图工具绘制全国疫情热力图(10分)。
代码语言：javascript复制library(maps)
library(ggplot2)
library(RColorBrewer)
library(plyr)按照做中国疫情图的思路，先把全球数据模板进行导入（来源：张杰《R语言数据可视化之美 》）然后在和自己的数据进行匹配，用plyr包中的join函数。整理好的数据如下所示：
代码语言：javascript复制colormap<-c(rev(brewer.pal(9,"Greens")[c(4,6)]), brewer.pal(9,"YlOrRd")[c(3,4,5,6,7,8,9)])
mydata1<-read.csv("Country_Data.csv",stringsAsFactors=FALSE)#这个是全球数据
names(mydata1)=c("Country","Scale") #重新命名
mydata2 = read.csv("world_data.csv",header=TRUE) #我们的数据（疫情）
#将两个表格匹配
mydata <- join(mydata1, mydata2, type="full")
该数据包含某一日（具体哪天忘记了）全球各个国家的累计确认人数的数据，数据集包含地理位置（经度：long，纬度：lat），累计确诊人数ratio。该数据已放到github中，如果想尝试实现以，可通过文末阅读原文获取资料。注意的是：我们的数据（mydata2）和模板数据（mydata1）是用country合并的。接下来把ratio参数设置成分类型，以便于好绘制。
代码语言：javascript复制mydata$fan<-cut(mydata$ratio,
breaks=c(min(mydata$million,na.rm=TRUE),
0,1000,5000,10000,50000,200000,500000,2000000,
max(mydata$ratio,na.rm=TRUE)),
labels=c(" <=0","0~1000","1000~5000","5000~10000","10000~50000","50000~200000",
"200000~500000","500000~2000000"," >=2000000"),
order=TRUE)
#定义地图用全球的
world_map <- map_data("world")
#绘图
ggplot()
geom_map(data=mydata,aes(map_id=Country,fill=fan),map=world_map)
geom_path(data=world_map,aes(x=long,y=lat,group=group),colour="black",size=.2)
scale_y_continuous(breaks=(-3:3)*30)
scale_x_continuous(breaks=(-6:6)*30)
scale_fill_manual(name="Ratio",values= colormap,na.value="grey75")
guides(fill=guide_legend(reverse=TRUE))
theme_minimal()绘制结果如下：
参考文献：
R语言数据可视化之美——李杰（强力推荐！好书！）
代码，数据与相关资料已放在我的github上了，见文末阅读原文。
