Figure 3.5 ~ 3.6

데이터 시각화 실습 : Figure 3.5, Figure 3.6

패키지 불러오기

library(ggplot2)
library(dplyr)
#> 
#> 다음의 패키지를 부착합니다: 'dplyr'
#> The following objects are masked from 'package:stats':
#> 
#>     filter, lag
#> The following objects are masked from 'package:base':
#> 
#>     intersect, setdiff, setequal, union
library(ggrepel) # geom_text_repel()

데이터 불러오기, 파악

US_census.csv (미국 인구 통계정보 데이터셋)

US_census <- read.csv('C:/Users/seong taek/Desktop/3-1 DataVisualize/data_visualize/US_census.csv')

### 차원 파악
US_census %>% dim()
#> [1] 3143   53

### 앞부분 훑어보기
US_census %>% head(2)
#>     state           name FIPS pop2010 pop2000 age_under_5 age_under_18
#> 1 Alabama Autauga County 1001   54571   43671         6.6         26.8
#> 2 Alabama Baldwin County 1003  182265  140415         6.1         23.0
#>   age_over_65 female white black native asian pac_isl two_plus_races hispanic
#> 1        12.0   51.3  78.5  17.7    0.4   0.9      NA            1.6      2.4
#> 2        16.8   51.1  85.7   9.4    0.7   0.7      NA            1.5      4.4
#>   white_not_hispanic no_move_in_one_plus_year foreign_born
#> 1               77.2                     86.3          2.0
#> 2               83.5                     83.0          3.6
#>   foreign_spoken_at_home hs_grad bachelors veterans mean_work_travel
#> 1                    3.7    85.3      21.7     5817             25.1
#> 2                    5.5    87.6      26.8    20396             25.8
#>   housing_units home_ownership housing_multi_unit median_val_owner_occupied
#> 1         22135           77.5                7.2                    133900
#> 2        104061           76.7               22.6                    177200
#>   households persons_per_household per_capita_income median_household_income
#> 1      19718                   2.7             24568                   53255
#> 2      69476                   2.5             26469                   50147
#>   poverty private_nonfarm_establishments private_nonfarm_employment
#> 1    10.6                            877                      10628
#> 2    12.2                           4812                      52233
#>   percent_change_private_nonfarm_employment nonemployment_establishments firms
#> 1                                      16.6                         2971  4067
#> 2                                      17.4                        14175 19035
#>   black_owned_firms native_owned_firms asian_owned_firms pac_isl_owned_firms
#> 1              15.2                 NA               1.3                  NA
#> 2               2.7                0.4               1.0                  NA
#>   hispanic_owned_firms women_owned_firms manufacturer_shipments_2007
#> 1                  0.7              31.7                          NA
#> 2                  1.3              27.3                     1410273
#>   mercent_whole_sales_2007   sales sales_per_capita accommodation_food_service
#> 1                       NA  598175            12003                      88157
#> 2                       NA 2966489            17166                     436955
#>   building_permits fed_spending    area density
#> 1              191       331142  594.44    91.8
#> 2              696      1119082 1589.78   114.6

### 일부 통계 요약 정보
US_census %>% summary() %>% head(2)
#>     state               name                FIPS          pop2010       
#>  Length:3143        Length:3143        Min.   : 1001   Min.   :     82  
#>  Class :character   Class :character   1st Qu.:18178   1st Qu.:  11104  
#>     pop2000         age_under_5      age_under_18    age_over_65   
#>  Min.   :     67   Min.   : 0.000   Min.   : 0.00   Min.   : 3.50  
#>  1st Qu.:  11210   1st Qu.: 5.500   1st Qu.:21.40   1st Qu.:13.10  
#>      female          white           black            native      
#>  Min.   :27.90   Min.   : 2.70   Min.   : 0.000   Min.   : 0.000  
#>  1st Qu.:49.60   1st Qu.:75.25   1st Qu.: 0.500   1st Qu.: 0.200  
#>      asian           pac_isl       two_plus_races      hispanic     
#>  Min.   : 0.000   Min.   : 0.000   Min.   : 0.100   Min.   : 0.000  
#>  1st Qu.: 0.300   1st Qu.: 0.000   1st Qu.: 1.100   1st Qu.: 1.600  
#>  white_not_hispanic no_move_in_one_plus_year  foreign_born   
#>  Min.   : 2.70      Min.   : 51.6            Min.   : 0.000  
#>  1st Qu.:66.95      1st Qu.: 83.2            1st Qu.: 1.200  
#>  foreign_spoken_at_home    hs_grad        bachelors        veterans     
#>  Min.   : 0.000         Min.   :47.90   Min.   : 3.70   Min.   :     0  
#>  1st Qu.: 2.800         1st Qu.:78.40   1st Qu.:13.10   1st Qu.:   958  
#>  mean_work_travel housing_units     home_ownership  housing_multi_unit
#>  Min.   : 4.30    Min.   :     50   Min.   : 0.00   Min.   : 0.00     
#>  1st Qu.:19.00    1st Qu.:   5416   1st Qu.:69.50   1st Qu.: 6.10     
#>  median_val_owner_occupied   households      persons_per_household
#>  Min.   :      0           Min.   :     22   Min.   :1.100        
#>  1st Qu.:  80200           1st Qu.:   4260   1st Qu.:2.370        
#>  per_capita_income median_household_income    poverty    
#>  Min.   : 7772     Min.   : 19351          Min.   : 0.0  
#>  1st Qu.:19030     1st Qu.: 36952          1st Qu.:11.0  
#>  private_nonfarm_establishments private_nonfarm_employment
#>  Min.   :     0                 Min.   :      0           
#>  1st Qu.:   229                 1st Qu.:   2109           
#>  percent_change_private_nonfarm_employment nonemployment_establishments
#>  Min.   :-83.2000                          Min.   :    21              
#>  1st Qu.:-12.0000                          1st Qu.:   729              
#>      firms         black_owned_firms native_owned_firms asian_owned_firms
#>  Min.   :     27   Min.   : 0.200    Min.   : 0.200     Min.   : 0.300   
#>  1st Qu.:   1074   1st Qu.: 2.100    1st Qu.: 0.525     1st Qu.: 1.400   
#>  pac_isl_owned_firms hispanic_owned_firms women_owned_firms
#>  Min.   : 0.0000     Min.   : 0.300       Min.   : 6.50    
#>  1st Qu.: 0.1000     1st Qu.: 1.400       1st Qu.:22.70    
#>  manufacturer_shipments_2007 mercent_whole_sales_2007     sales          
#>  Min.   :        0           Min.   :        0        Min.   :        0  
#>  1st Qu.:        0           1st Qu.:    42125        1st Qu.:    79988  
#>  sales_per_capita accommodation_food_service building_permits
#>  Min.   :    0    Min.   :       0           Min.   :    0   
#>  1st Qu.: 6993    1st Qu.:    9349           1st Qu.:    5   
#>   fed_spending           area             density       
#>  Min.   :       0   Min.   :     2.0   Min.   :    0.0  
#>  1st Qu.:  102922   1st Qu.:   430.7   1st Qu.:   16.9

### 일부 컬럼 클래스(타입) 확인
US_census %>% sapply(class) %>% head()
#>       state        name        FIPS     pop2010     pop2000 age_under_5 
#> "character" "character"   "integer"   "integer"   "integer"   "numeric"

### 일부 컬럼 자료형 확인
US_census %>% sapply(typeof) %>% head()
#>       state        name        FIPS     pop2010     pop2000 age_under_5 
#> "character" "character"   "integer"   "integer"   "integer"    "double"

전처리

### Texas주의 인구 밀도가 높은 상위3개, 하위3개, 나머지의 랜덤한 지역 d.f 만들기
tx_counties <- US_census %>%
  filter(state == 'Texas') %>%             # Texas지역만 필터
  select(name, pop2010) %>%                # name,pop2010 열만 선택
  mutate(county = gsub(' County','',name), # name 열에서 County문자열을 공백으로 대체하고 county열 생성
         popratio = pop2010/median(pop2010)) %>% # pop2010 값에서 pop2010의 중앙값을 나눈 비율을 popratio열로 생성
  arrange(desc(popratio)) %>%              # popratio 열을 내림차순 정렬
  mutate(index = 1:n(),
         label = ifelse(index<=3 | index > n()-3 | runif(n()) < .04, county,'')) 
# index값이 3이하, 행의 수에서 3을 뺀 값보다 크거나, 0,1사이의 값을 뽑아 0.04보다 작으면 'county'값을 가지고 그렇지 않으면 ''(빈문자열) 값 가짐

tx_counties %>% head()
#>             name pop2010  county  popratio index   label
#> 1  Harris County 4092459  Harris 222.64616     1  Harris
#> 2  Dallas County 2368139  Dallas 128.83624     2  Dallas
#> 3 Tarrant County 1809034 Tarrant  98.41869     3 Tarrant
#> 4   Bexar County 1714773   Bexar  93.29052     4        
#> 5  Travis County 1024266  Travis  55.72417     5        
#> 6 El Paso County  800647 El Paso  43.55840     6

Figure 3.5

사용 데이터셋 : tx_counties
x = index, y = popratio
geom_hline
- 수평선 위치 : 0
- 라인 종류 : 2 (눈금)
- 색상 ‘grey40’
geom_point
- 점 크기 : 1
- 점 색상 : ‘royalblue’
geom_text_repel
- 라벨 : ‘label’
- 라벨과 지점 사이 선의 최소 길이 : 0
- 겹치는 라벨 제어의 최대 수 : 100
테마 : 밝게
플롯 영역의 테두리(border) 제거

ggplot(tx_counties, aes(x=index, y=popratio)) +
  geom_hline(yintercept = 0,linetype=2, color = 'grey40') +
  geom_point(size=1, color='royalblue')  +
  geom_text_repel(aes(label=label),
                  min.segment.length = 0,
                  max.overlaps = 100) +
  theme_light() +
  theme(panel.border = element_blank())

Fugiure 3.6

사용 데이터셋 : tx_counties
x = index, y = popratio
geom_hline
- 수평선 위치 : 1
- 라인 종류 : 2 (눈금)
- 색상 ‘grey40’
geom_point
- 점 크기 : 1
- 점 색상 : ‘royalblue’
geom_text_repel
- 라벨 : ‘label’
- 라벨과 지점 사이 선의 최소 길이 : 0
- 겹치는 라벨 제어의 최대 수 : 100
scale_y_log10
- y축 이름
- y축 간격
- y축 간격 라벨 : label_log10
scale_x_continuous
- x축 이름
- x축 간격 : NULL (자동)
테마 : 밝게
플롯 영역의 테두리(border) 제거

### -2부터 2까지의 지수값을 포함하는 문자열을 표현식으로 생성
label_log10 <- sapply(-2:2,function(i) as.expression(bquote(10^ .(i))))
label_log10
#> expression(10^-2L, 10^-1L, 10^0L, 10^1L, 10^2L)

ggplot(tx_counties, aes(x = index, y = popratio)) +
  geom_hline(yintercept = 1,linetype = 2, color = 'grey40') +
  geom_point(size = 1, color = 'royalblue')  +
  geom_text_repel(aes(label=label),
                  min.segment.length = 0,
                  max.overlaps = 100) +
  scale_y_log10(name='population number / median',
                breaks = 10^(-2:2),
                labels= label_log10) +
  scale_x_continuous(name = 'Texas counties , from most to least populous',
                     breaks = NULL) +
  theme_light() +
  theme(panel.border = element_blank())

## 예제 - 2023년 시군구 인구수 Figure 3.6

데이터 불러오기, 파악

행정구역 시군구 별 주민등록세대수.csv (2022.11 ~ 2023.02)

data_202302 <- read.csv('C:/Users/seong taek/Desktop/3-1 DataVisualize/data_visualize/행정구역_시군구_별_주민등록세대수_202302.csv')

### 차원 파악
data_202302 %>% dim()
#> [1] 274   5

### 앞부분 훑어보기
data_202302 %>% head()
#>   행정구역.시군구.별 X2022.11 X2022.12 X2023.01 X2023.02
#> 1             종로구    72666    72524    72479    72773
#> 2               중구    63167    63139    63123    63492
#> 3             용산구   109905   109805   109734   109778
#> 4             성동구   133435   133305   133293   133517
#> 5             광진구   169376   169291   169416   169648
#> 6           동대문구   170154   169873   169716   170766

### 통계 요약 정보
data_202302 %>% summary()
#>  행정구역.시군구.별    X2022.11         X2022.12         X2023.01     
#>  Length:274         Min.   :     0   Min.   :     0   Min.   :     0  
#>  Class :character   1st Qu.: 26391   1st Qu.: 26590   1st Qu.: 26546  
#>  Mode  :character   Median : 81122   Median : 81158   Median : 81177  
#>                     Mean   :101197   Mean   :101227   Mean   :101274  
#>                     3rd Qu.:145260   3rd Qu.:145426   3rd Qu.:145706  
#>                     Max.   :528097   Max.   :528482   Max.   :529082  
#>     X2023.02     
#>  Min.   :     0  
#>  1st Qu.: 26522  
#>  Median : 81243  
#>  Mean   :101442  
#>  3rd Qu.:146308  
#>  Max.   :530462

### 컬럼 클래스(타입) 확인
data_202302 %>% sapply(class) 
#> 행정구역.시군구.별           X2022.11           X2022.12           X2023.01 
#>        "character"          "integer"          "integer"          "integer" 
#>           X2023.02 
#>          "integer"

### 컬럼 자료형 확인
data_202302 %>% sapply(typeof)
#> 행정구역.시군구.별           X2022.11           X2022.12           X2023.01 
#>        "character"          "integer"          "integer"          "integer" 
#>           X2023.02 
#>          "integer"

전처리

data_202302_second <- data_202302 %>%
  filter(X2023.02 != 0) %>%                        # 0값이 아닌것만 필터링
  select(행정구역.시군구.별, X2023.02) %>%         # 열 지정 선택        
  mutate(popratio = X2023.02/median(X2023.02)) %>% # 새로운 컬럼 'popratio' 
  arrange(desc(popratio)) %>%                      # 내림차순 정렬
  mutate(index = 1:n(),
         label = ifelse(index<=5 | index > n()-5 | index==median(index), 행정구역.시군구.별,''))
# index값이 5이하, 행의 수에서 5를 뺀 값보다 크거나, index가 중위수인 index이면 '행정구역.시군구.별' 값을 가지고 그렇지 않으면 ''(빈문자열) 값 가짐

data_202302_second %>% head()
#>   행정구역.시군구.별 X2023.02 popratio index  label
#> 1             수원시   530462 6.043498     1 수원시
#> 2             고양시   462873 5.273464     2 고양시
#> 3             창원시   456357 5.199228     3 창원시
#> 4             용인시   432476 4.927154     4 용인시
#> 5             성남시   409466 4.665003     5 성남시
#> 6             청주시   394735 4.497175     6

Fugiure 3.6

사용 데이터셋 : data_202302_second
x = index, y = popratio
geom_hline
- 수평선 위치 : 1
- 라인 종류 : 2 (눈금)
- 색상 ‘grey40’
geom_point
- 점 크기 : 1
- 점 색상 : ‘royalblue’
geom_text_repel
- 라벨 : ‘label’
- 라벨과 지점 사이 선의 최소 길이 : 0
- 겹치는 라벨 제어의 최대 수 : 100
scale_y_log10
- y축 이름
- y축 간격
- y축 간격 라벨 : label_log10
- y축 범위
scale_x_continuous
- x축 이름
- x축 간격 : NULL (자동)
테마 : 밝게
플롯 영역의 테두리(border) 제거

### -2부터 2까지의 지수값을 포함하는 문자열을 표현식으로 생성
label_log10 <- sapply(-2:2,function(i) as.expression(bquote(10^ .(i))))
label_log10
#> expression(10^-2L, 10^-1L, 10^0L, 10^1L, 10^2L)

ggplot(data_202302_second, aes(x = index, y = popratio)) +
  geom_hline(yintercept = 1,linetype = 2, color = 'grey40') +
  geom_point(size = 1, color = 'royalblue')  +
  geom_text_repel(aes(label=label),
                  min.segment.length = 0,
                  max.overlaps = 100) +
  scale_y_log10(name='인구 수/중위수',
                breaks = 10^(-2:2),
                labels= label_log10,
                limits = c(10^-1.3, 10^1.3)) +
  scale_x_discrete(name = '행정구역(시군구)별 주민등록세대수',
                     breaks = NULL) +
  theme_light() +
  theme(panel.border = element_blank())

Figure 3.5 ~ 3.6

Seongtaek

2023-04-04

데이터 시각화 실습 : Figure 3.5, Figure 3.6

패키지 불러오기

데이터 불러오기, 파악

전처리

Figure 3.5

Fugiure 3.6

데이터 불러오기, 파악

전처리

Fugiure 3.6