来自 Peng Zhao | January 31, 2020
疫情肆虐，却逢春节假期，作为一个普通人，连续享受了几天葛优躺家里蹲之后，寂寞得想找点事情做。与其冒着风险转发谣言被举报，还不如做点稳妥并且对自己有好处的事情，比如说，学一样语言。可是，又放不下对疫情的关注，无法全心投入到语言学习里。怎么办？
一个主意跳进了我的脑瓜：用 R 语言来处理疫情数据！学习编程和关注疫情两不误！
这个系列的文章，面向的是 R 语言初学者，从入门开始，以 2020 年新型冠状肺炎病毒的数据为例，一起学习如何用 R 语言进行数据处理、作图、生成可重复性报告。
本文可以和 2018 年我出版的《学R：零基础学习 R 语言》一书配合，达到入门和提高的目的。为了节省篇幅，原谅我会在本文多次引用这本书。没办法，第一次印多了，库存很多本还没消化呢。当然，你可以无视，换其他适合自己的参考资料。
动笔的时候，我不知道未来会写些什么，只是想转移一下对疫情过度的注意力。我既不懂流行病学，又不懂病毒，目前只能做一点粗浅的领路抛砖工作。欢迎感兴趣的朋友加入这个话题的写作，共同学习，说不定最后能结集成一本书。
现在，让我们开始一段有意义的征程。
准备工作
开始之前，需要有个前提条件：你得有一台电脑。操作系统可以是 Windows、macOS或者 Linux，都行，但不可以是安卓。
其次，这台电脑得能连上网。
具备这两个条件的话，一切就简单了：
- 安装 R。这是必须的。在 CRAN 上选择适合你操作系统的安装包来安装。
- 安装 RStudio。这不是必须的，然而我极力推荐。它让你在使用 R 语言的时候爽到爆。在 RStudio 的官网下载安装即可。
安装完毕后，启动 RStudio，就进入了 R 语言的环境。
从现在开始，我们要在 RStudio 里执行 R 代码。上述步骤和代码 执行方法详见《学R》第一章（点击此处免费下载）。如果你是 Windows 用户，为了避免本应出现中文的地方出现乱码，先执行下面这个代码：
Sys.setlocale('LC_CTYPE', 'Chinese')## [1] "Chinese (Simplified)_China.936"安装扩展包
顾名思义，扩展包是 R 语言的扩展功能（详见《学R》第九章），令 R 有能力完成原先很难完成的工作，如虎添翼。
我们先安装本文用得着的几个扩展包：
首先是 “httr”包，它可以让 R 轻松获取网络数据：
install.packages("httr") 然后是 “jsonlite”，它可以从网络数据里摘取 json 格式的数据：
install.packages("jsonlite")安装完毕之后，需要调用他们：
require("httr")
require("jsonlite")最后是 “tidyverse”，它可以……它是全能，一言难尽，以后遇见了慢慢说。
包只需安装一次，而加载则需要每次启动 R 时都要执行。打个比方，刚安装上的 R 语言就好比刚出生的哪吒，自带本领很大，但尚未开发出来。而 RStudio 就好比哪吒学到的三头六臂，而扩展包就好比乾坤圈、混天绫、火尖枪、风火轮这些外挂，让哪吒有本事九天揽月五洋捉鳖。
外挂只需师父发一次就以后都有了，而使用时每次都要加载一下。
你准备好上天入海了吗？
作业：请自行安装和加载 “tidyverse” 包。
获取疫情地区数据
疫情数据来自“2019新型冠状病毒疫情实时爬虫”项目。感谢作者 Isaac Lin 的慷慨贡献。
这个数据集里，最重要的是“地区”数据。我们这样来读取：
base <- 'https://lab.isaaclin.cn/nCoV/api/' # api 网址
port <- 'area' #接口
get_raw <- GET(paste0(base, port)) # 获取链接
get_text <- content(get_raw, "text") # 获取数据
ncov_area <- fromJSON(get_text) #提取数据这样，疫情概述的信息就下载并储存在 ncov_overall 里了。它是个列表，里面有两个元素。我们感兴趣的数据存在名为results的表格里：
class(ncov_area) # 查看数据类型## [1] "list"length(ncov_area) # 查看数据长度## [1] 2names(ncov_area) # 查看元素名称## [1] "results" "success"这样显示出来的模样不好看。可以用 View() 函数看起来更舒服：
View(ncov_area$results)下面，我们取出这个表格的前 7 列，把它保存到本地电脑上（见《学R》第二章）：
write.csv(ncov_area$results[, 1:7], 'd:/ncov_area.csv')打开d:/ncov_area.csv这个文件，不管是用 excel、openoffice 还是 notepad，都行，就看到这个数据表了。这就是目前全球各地新型冠状病毒确诊、疑似、治愈、死亡病例的数据表。
你可能会问，为什么只取出前 7 列。这是因为第 8 列的格式比较复杂，而第 9 列以后的数据不太重要。我们以后再回过头来解决这个问题，
获取疫情概况数据
与“地区”数据类似地，我们用下面的代码读取“概况数据”：
port <- 'overall' #接口
get_raw <- GET(paste0(base, port)) # 获取链接
get_text <- content(get_raw, "text") # 获取数据
ncov_overall <- fromJSON(get_text) #提取数据这样，疫情概述的信息就下载并储存在 ncov_overall 里了。
作业：仿照“地区”数据，查看“概况数据”的数据类型、数据长度、元素名称、表格内容，并用View()函数来浏览。把“地区”数据保存到名为“ncov_overall.csv”的本地文件里，并用其他软件打开浏览。
ncov_overall 表格只有一行。你会看到各列名称和内容。顾名思义，第一列 infectSource是传染源，passWay是传播途径，dailyPic 是日图。可以把日图的链接拷贝粘贴到浏览器里看一看：
其他列的含义你猜猜看。
除了 overall 和 area，服务器还提供了 ‘provinceName’, ‘news’, ‘rumors’ 等接口，可以用来下载“省名称”、“新闻”和“谣言”数据表。
作业：请自行下载、浏览和保存 ‘provinceName’, ‘news’, ‘rumors’ 等数据。
获取全部数据
上面获取几个不同数据表的代码是类似的，只需照猫画虎就行了。把这些代码摞在一起，显得很啰嗦。如果你阅读过《学 R》第五章和第九章的话，你会想到，可以用循环或者自定义函数的方法来简化代码。
你可以试试循环语句，而我用的是自定义函数，并把这个函数写进一个包里，名叫 ncovr。有了这个包，只需一句代码，就可以下载得到上述所有数据了。
这个包发布在了 Github 上，并未发布在 CRAN 上，因此，安装方法有区别。先要安装和 remotes 包：
install.packages('remotes')
require('remotes')然后，就可以使用 ‘remotes’ 包提供的 install_github() 函数，从 Github 服务器安装 ncovr 包了：
install_github('pzhaonet/ncovr')
require("ncovr")读取所有数据：
ncov <- get_ncov()ncov 是个列表。如果查看其中的子集，例如 provinceName，只需用 $符号：
ncov$provinceName## [1] "上海市" "云南省" "俄罗斯" "内蒙古自治区"
## [5] "加拿大" "北京市" "印度" "台湾"
## [9] "吉林省" "四川省" "天津市" "宁夏回族自治区"
## [13] "安徽省" "尼泊尔" "山东省" "山西省"
## [17] "广东省" "广西壮族自治区" "待明确地区" "德国"
## [21] "意大利" "斯里兰卡" "新加坡" "新疆维吾尔自治区"
## [25] "日本" "柬埔寨" "江苏省" "江西省"
## [29] "河北省" "河南省" "法国" "泰国"
## [33] "浙江省" "海南省" "湖北省" "湖南省"
## [37] "澳大利亚" "澳门" "瑞典" "甘肃省"
## [41] "福建省" "美国" "芬兰" "英国"
## [45] "菲律宾" "蒙古" "西班牙" "西藏自治区"
## [49] "贵州省" "越南" "辽宁省" "重庆市"
## [53] "阿联酋" "陕西省" "青海省" "韩国"
## [57] "香港" "马来西亚" "黑龙江省"本节我们完成了数据的读取和保存。下一节，我们将对数据进行可视化，通俗来说就是——作图。