如何在R中合并数据集并绘制各州人均新冠确诊、死亡病例统计图

核心问题原因 #

• 分组统计函数使用错误：group_by(state) 搭配 summarise() 时不应使用 ave() 函数，该函数会返回和原数据集行数一致的结果，导致每个州生成多条重复记录，是州名重复的核心诱因，且你未将统计结果赋值给变量，后续操作的还是原始的县级别数据集
• 合并匹配键写反：left_join 的 by 参数逻辑写反，原本是新冠数据集的state列匹配人口数据集的state_territory列，你写的逻辑完全相反，无法正确匹配数据
• 多余的行名转列操作：原始新冠数据集已经有state列，不需要使用rownames_to_column额外生成州名列，该操作会导致列名冲突、数据错乱

完整实现代码 #

首先加载所需依赖包：

library(tidyverse)
library(tibble)

第一步：读取数据集 #

# 读取新冠分郡县统计数据集
covid <- read_csv("https://raw.githubusercontent.com/nytimes/covid-19-data/master/rolling-averages/us-counties.csv")
# 读取2020年美国各州人口估算数据集
US_state_pop_2020_estimate <- read_delim("https://www.dropbox.com/s/3rbr3kjooiq8yqp/US_state_pop_2020_estimate.txt?dl=0", delim = "\t")

第二步：按州汇总新冠数据 #

如果需要计算累计总确诊/总死亡使用sum()，如果需要计算平均日增数据替换为mean()即可：

covid_state <- covid %>%
  group_by(state) %>%
  summarise(
    total_cases = sum(cases, na.rm = TRUE),
    total_deaths = sum(deaths, na.rm = TRUE),
    .groups = "drop" # 汇总完成后自动取消分组
  )

第三步：合并数据集并计算人均指标 #

此处按每万人为单位计算人均指标，数值可读性更强，可根据需求调整单位：

covid_with_pop <- covid_state %>%
  left_join(US_state_pop_2020_estimate, by = c("state" = "state_territory")) %>%
  mutate(
    cases_per_10k = total_cases / pop_2020 * 10000,
    deaths_per_10k = total_deaths / pop_2020 * 10000
  )

第四步：可视化示例（各州人均确诊数柱状图） #

covid_with_pop %>%
  arrange(desc(cases_per_10k)) %>%
  mutate(state = fct_inorder(state)) %>%
  ggplot(aes(x = cases_per_10k, y = state)) +
  geom_bar(stat = "identity", fill = "#2a68b9") +
  labs(x = "每万人确诊数", y = "州名", title = "美国各州人均新冠确诊数统计") +
  theme_minimal()

内容的提问来源于stack exchange，提问作者angel_30