[R] 산점도 및 여러가지 그래프

======== test4.R    180p

< 산점도 >

# 산점도 : 데이터 x, y 축에 점으로 표현한 그래프 # 나이와 소득 연속값으로 두 변수의 관계 표현 df <- data.frame(age=c(25,35,45,55,65),                 sal=c(200,250,300,350,150)) # 패키지 불러오기 library(ggplot2) ggplot(data=df,aes(x=age, y=sal))+geom_point()

• 

# x축범위조정 xlim() ylim() ggplot(data=df,aes(x=age,y=sal))+geom_point()+xlim(30,60) ggplot(data=df,aes(x=age,y=sal))+   geom_point()+   xlim(30,60)+   ylim(250,350)

• Export 누르면 이미지파일/PDF파일로 저장가능!

< 막대그래프 >

# 막대그래프 df2<-data.frame(english=c(90,80,60,70),                 id=c(1,2,3,4)) ggplot(data=df2, aes(x=id,y=english))+geom_col()

• 

ggplot(data=df2, aes(x=reorder(id,english),y=english))+geom_col()

• 정렬 (낮은 것부터 오름차순)

• 

 

# 막대그래프 df2<-data.frame(english=c(90,80,80,70),                 id=c(1,2,3,4)) # 빈도막대그래프 ggplot(data=df2, aes(x=english))+geom_bar()

• 

 

< 선그래프 >

# 선그래프 : 데이터를 선으로 표현한 그래프 df3<-data.frame(birth=c(200,150,100,80),                 year=c(2017,2018,2019,2020)) ggplot(data=df3,aes(x=year,y=birth))+geom_line()

• 

< 상자그림 >

# 상자그림 : 데이터 분포를 직사각형 상자 모양으로 표현 df4<-data.frame(english=c(90,80,80,70),                 class=c(1,2,1,2)) ggplot(data=df4,aes(x=class,y=english))+geom_boxplot()

• 

======== test5.R    p208

• 넣어주기

# test5.R   p208 # Koweps_hpc10_2015_beta1.sav 불러오기 # 통계치 파일 패키지 설치 install.packages("foreign")

• 설치해주기!

 

# 불러오기 library(foreign) library(dplyr) library(ggplot2) library(readxl) # 통계치 파일 가져오기 raw_welfare <- read.spss(file = "Koweps_hpc10_2015_beta1.sav",to.data.frame = T) welfare <- raw_welfare # 데이터 검토 View(welfare)

• 

 

# 데이터 검토 View(welfare) head(welfare) tail(welfare) dim(welfare) summary(welfare) # 열이름 바꾸기 welfare<-rename(welfare,                 sex=h10_g3,                 birth=h10_g4,                 marriage=h10_g10,                 religion=h10_g11,                 income=p1002_8aq1,                 code_job=h10_eco9,                 code_region=h10_reg7) View(welfare) # 성별에 따른 월급 차이 # 1단계 변수 검토 전처리 # 성별, 월급 # 변수간의 관계 분석 # 성별 월급 평균표 만들기 # 그래프 만들기 # 성별 변수 타입 class(welfare$sex) # [1] "numeric" table(welfare$sex)

• 

# 성별 1남 2여  9모름 무응답 => NA => 빼고 계산, 평균치 계산 welfare$sex<-ifelse(welfare$sex==9,NA,welfare$sex) # 결측치 확인 table(is.na(welfare$sex))

• 

 

# 성별1 male, 2 female 로 바꾸기 welfare$sex<-ifelse(welfare$sex==1,'male',welfare$sex) welfare$sex<-ifelse(welfare$sex==2,'female',welfare$sex) table(welfare$sex)

• 

• welfare$sex<-ifelse(welfare$sex==2,'female',’male’)     ⇐ 선생님 답!

 

qplot(welfare$sex)

• 

 

# 월급 변수 검토 전처리 class(welfare$income) # 변수 타입 [1] "numeric" summary(welfare$income)

• 

 

qplot(welfare$income)+xlim(1,1000)

• 

# 월급 모름 0 이나 9999 => NA welfare$income<-ifelse(welfare$income %in% c(0,9999),NA,welfare$income) table(is.na(welfare$income))

• 

# sex_income<- # filter na빼고  group_by(sex)  summarise(mean_income=mean(income)) sex_income<-welfare %>%   filter(!is.na(income)) %>%   group_by(sex) %>%   summarise(mean_income=mean(income)) sex_income

• 

# 막대그래프  sex_income  x=sex   y mean_income ggplot(data=sex_income,aes(x=sex,y=mean_income))+geom_col()

• 

# 나이와 월급 관계 # 나이 월급 변수 검토 전처리 # 변수 간 관계 분석 # 나이에 따른 월급 평균 표 만들기 => 그래프 # 나이 태어난 년도 class(welfare$birth) # 변수타입 "numeric" summary(welfare$birth) qplot(welfare$birth)

• 

• 

 

# 9999 모름 무응답 # 결측치 확인 table(is.na(welfare$birth)) # 이상치 => 결측치 변경 welfare$birth<-ifelse(welfare$birth==9999,NA,welfare$birth)

• 

# 열추가 age 2015 - 태어난년도+1 welfare$age<-2015-welfare$birth+1 summary(welfare$age) qplot(welfare$age)

• 

• 

# 나이에 따른 월급 평균표 만들기 # age_income <- filter na 없이 group_by(age) #                   summarise(mean_income=mean(income)) age_income <-welfare %>%   filter(!is.na(income)) %>%   group_by(age) %>%   summarise(mean_income = mean(income)) # 그래프 선그래프  x age  y mean_income   geom_line() ggplot(data=age_income,aes(x=age,y=mean_income))+geom_line()

• 

# 연령대에 따른 월급 차이 # 연령대 월급   평균표  그래프 # 초년 30세미만  중년 30~59세  노년 60세이상 # ageg 열추가 welfare<-welfare %>%   mutate(ageg=ifelse(age<30, "young", ifelse(age<=59, "middle", "old"))) table(welfare$ageg) qplot(welfare$ageg)

• 

• 

# ageg_income filter na 없이  group_by(ageg)  summarise(mean(income)) ageg_income <- welfare %>%   filter(!is.na(income)) %>%   group_by(ageg) %>%   summarise(mean_income=mean(income)) # 막대 그래프  data ageg_income  x ageg  y mean_income ggplot(data=ageg_income,aes(x=ageg,y=mean_income))+geom_col()

• 

 

⇒ 이렇게 요약하고, 그래프 그리는 거! 시험에 냅니다~

 

# p228

< 막대그래프 >

# 연령대 및 성별 월급 차이 ageg_sex_income<-welfare %>%   filter(!is.na(income)) %>%   group_by(ageg,sex) %>%   summarise(mean_income=mean(income)) ageg_sex_income

 

• 

 

ggplot(data=ageg_sex_income,aes(x=ageg,y=mean_income,fill=sex))+geom_col()

• 

ggplot(data=ageg_sex_income,aes(x=ageg,y=mean_income,fill=sex))+geom_col(position = "dodge")

• 

 

< 선그래프 >

# 나이 및 성별 월급 차이 age_sex_income<-welfare %>%   filter(!is.na(income)) %>%   group_by(age,sex) %>%   summarise(mean_income=mean(income)) age_sex_income ggplot(data=age_sex_income,aes(x=age,y=mean_income,col=sex))+geom_line()

•