这篇推文是GBD系列的第8篇，我们可以看下另外一篇示例文章The global, regional, and national burden of oesophageal cancer and
its attributable risk factors in 195 countries and territories, 1990–2017: a
systematic analysis for the Global Burden of Disease Study 2017的图4：
做上面这张图，仔细看下需要准备的数据，需要1990-2019年的SDI数据，这个数据大家可以直接从GBD官网搜索下载，网址地址：http://ghdx.healthdata.org/data-type/estimate
通过这个网址搜索可以下到1950-2019的SDI数据
http://ghdx.healthdata.org/record/ihme-data/gbd-2019-socio-demographic-index-sdi-1950-2019
下载好数据打开文件可以查看下数据格式
大家可以看到每个国家及地区1990-2019年的SDI的具体数值,我们删去这个excel文件的标题抬头，另存为CSV格式，并将文中的“·”替换成“.”，否则导入到R语言中数据会被默认成字符，准备好数据后，我们打开R进行操作
首先设置路径，装载R包
读取数据
可以查看下SDI数据形式：
由于SDI数据是属于宽形数据，我们需要将SDI转换成长形数据：也就是一个地区，一个年份为一行，这里我们要用到reshape包
数据转换好后，再查看下数据
这时候我们要做的几件事就是：1.变量名要和EC数据变量名一致，合并用，2.year变量要去掉“X”字符，转换为数值变量
我们可以再查看下数据
然后我们再获取ASR数据
最后需要将ASR,SDI数据合并成一个数据框
针对图A，只需要ggplot2里的点图和拟合曲线功能就可以作图
最后出来的图形基本上和示例文章中的图形差不多，大家在AI里稍微调整即可。
接下来我们看图B：
图B需要我们准备每个国家2019年的SDI以及ASR数据即可作图
同样的我们读取相应的数据
由于SDI里和EC里的location有些国家名字会有出入，我们需要进行调整，调整SDI与EC里location命名一致
接着我们合并数据
最后我们作图，由于国家数比较多，将国家名字映射到图形中，需要调整文字大小，如果文字少一般用ggplot2中geom_text即可，但是本次作图文字较多，我们采用geom_text_repel更妥当，代码如下：
最后做出来的图形大概长这样
最后大家在AI中再调整下图形即可。
