tidyverse实战——利用疫情数据

利用tidyverse进行疫情数据实战分析 数据来源：约翰霍普金斯大学持续更新的开源项目（CSSEGISandData/COVID-19），包含确诊数、死亡数和治愈数三个数据集 。分析工具：主要使用tidyverse套件中的readr 、dplyr
、tidyr等包进行数据读取、清洗和转换 ，并利用barRacer包制作动态条形图
。

tidyverse是一个由一系列R包组成的生态系统
，旨在让数据传输 、清理和转换变得简单
、有扩展性、可读性和一致性。tidyverse包括常用的包dplyr和tidyr，分别用于数据处理和转换 ，以及总结数据中的缺失值和非方便型的列 、行 。在学习ggplot2和tidyverse之前
，需要掌握R语言基本知识和一些绘图基础知识
。

要进行GSEA分析，首先需要准备转录组差异分析后的数据 ，通常包含SYMBOL（基因名）和foldchange（或logFC）两列。数据处理可以使用Excel或R的tidyverse包，根据需要删减不必要的列 。下面
，需要将基因ID转换为统一的Entrez ID格式，以便后续分析的准确性和特异性。

设置环境首先 ，确保你已经安装并加载了必要的R包
。常用的包包括lme4用于拟合混合效应模型
，ggplot2用于数据可视化，以及tidyverse用于数据处理。

2020中考数学时事热点怎么考?已考地区疫情考题及命题规律总结

跨学科综合题规律数学与生物结合 考查形式：通过病毒传播规律（如指数增长）设计指数函数问题 ，或计算防疫物资的消耗速率（如口罩日需求量） 。典型例题：已知某病毒初始感染人数和日增长率
，求n天后感染人数的表达式；根据家庭成员数量和使用周期，计算每月口罩采购量并建立不等式约束
。

根据省教育厅的总体部署 ，充分考虑疫情影响
，合理选取试题素材，科学控制整卷难度；同时 ，根据“两考合一 ”的考试性质
，也关注了真实背景下的知识应用，突出关键能力的命题定位 ，如22『3』、23『2』
、24『2』②等题。试卷命制既关注基础性，体现合格性；又关注综合性、应用性 、创新性
，体现选拔性 。

列方程（组）解应用题考察重点：数学建模能力，常结合时事热点
。常见题型：行程问题（如相遇
、追及）、工程问题 、利润问题。结合实际场景的方程组求解（如环保
、经济类问题） 。备考建议：总结常见题型解题模板（如设未知数、列方程 、解检验）
。关注生活热点 ，积累背景知识。

必考内容
，结合时事热点（如环保
、经济问题） 。方法：总结题型定式（如行程问题、工程问题）
。

《复式条形统计图》教学案例(D99)

〖壹〗 、设问：怎样用条形统计图表示这两组数据呢？【设计意图】根据问题的背景让学生选取合适的统计图，进一步提高学生表示数据
、分析数据的能力；巧妙设问 ，让学生勇敢尝试
，也为本节课的重点铺垫。

感染艾滋病有多少人?触目惊心!数据可视化

〖壹〗、截至2023年，全球现存艾滋病病毒感染者约3900万人 ，中国现存感染者约126万人 。以下为具体数据及可视化分析：全球艾滋病感染现状总体规模：根据联合国艾滋病规划署（UNAIDS）2023年报告
，全球现存HIV感染者约3900万，较2010年增长12% ，主要因治疗覆盖率提升延长了患者生存期。

〖贰〗 、截至2023年
，全球累计感染艾滋病病毒（HIV）的人数已超过 8500万，现存HIV感染者约3900万
。

〖叁〗、流行病学调查：曾通过社交软件与他人发生无保护性行为。案例特点与警示 感染途径：10例中9例涉及无保护性行为（包括男男同性性行为和异性性行为） ，1例因强暴导致感染 。年龄分布：感染者年龄集中在17-27岁，涵盖高中生
、大学生及研究生
，反映青少年群体感染风险较高
。

做数据报表时,哪些类型数据适合用什么图分析(比如按年算各

**饼图**：适合展示数据的构成和比例关系，如市场份额、百分比等。使用时 ，饼图比较多只能使用一个数据系列
，且数据点不超过6个，否则可能无法清晰表达信息 。 **条形图**：用于比较不同项目间的数量差异 ，如大小 、多少等
。它能直观地显示数据的排列顺序。

适用场景：适用于需要展示静态数据或进行对比分析的场景
，如成本对比等 。

构建数据分析功能通过图表可视化数据，挖掘问题与机会
。

多重分组：多维度交叉统计（如地区+产品类型）。

折线图 、柱状图
、饼图等图表的使用场景?

在特定场景下 ，还可以使用地图、甘特图 、雷达图等图表进行更加具象的展示 。例如
，地图+气泡图可以展现全球各区域的疫情严重情况，甘特图则常用于项目或任务管理
。图表的搭配使用可以产生更强大的效果。例如 ，结合柱状图与折线图展示数据间的关联
，利用细圆环饼图与指标图突出关键指标，以及地图与气泡图的组合展示全球数据分布 。

适用场景： 折线图适合二维的大数据集 ，还适合多个二维数据集的比较。

用途：结合折线图的连续性和柱状图的累积特性，进一步深化时间序列分析的复杂性
。适用场景：需要同时展示数据趋势和累积量的场景。饼图或环形图：用途：直观表示占比分析
，即每个类别在总体中的比例 。适用场景：占比类问题，元素较少时适用饼图；元素过多时 ，树形图更加清晰
。

展示内容：结合柱状图和折线图在同一个图表展现数据。适用场景：要同时展现两个项目数据的特点 。

数据可视化中常见的12种图表类型分析如下：饼图：功能：展示数据占比
，每个扇形代表一个类别，扇形大小表示比例
。适用场景：适合用于展示各类别在总体中的占比情况。柱状图：功能：对比分类数据 ，展示同类别各变量间的差异 。适用场景：包括堆积柱状图和百分比堆积柱状图
，适用于展示多个类别间的数量对比
。

便于分析数据来源。优势：直观展示数据分层和溯源 。劣势：无明显劣势
。1 双轴图 适用场景：双轴图结合了柱状图和折线图的特点，适用于数据量级差异大或同环比分析。优势：通用性强 ，结合不同图表的特点
，直观易懂 。劣势：无明显劣势。以上图表均可通过BDP个人版数据分析工具创建和使用
。