R프로그래밍 강좌 - [07] [실습] 데이터 분석 - 한국복지패널 데이터
1. 데이터 분석
- 앞에서 배운 분석기술을 실습한다.
- 한국 복지패널데이터를 이용해서 분석한다.
※ 한국복지패널데이터:
한국보건사회연구원에서 가구의 경제 활동을 연구해 정책지원에 반영할 목적으로 발간하는 조사 자료이다.
2006~2015년까지 전국 7000여 가구를 선정해 매년 추적 조사한 자료로, 경제활동, 생활실태, 복지 요구등
수천 개 변수에 대한 정보를 담고 있다.
(1) 데이터 준비
- 제공된 Koweps_hpc10_2015_beta1.sav 파일을 testR프로젝트 폴더에 넣는다.
- 위 파일은 2016년에 발간된 한국복지패널데이터로, 6,914가구의 16,664명에 대한
정보를 담고 있다.
- 한국복지패널 사이트 회원가입하면 데이터를 무료로 다운 가능하며, 상용 통계분석 소프트웨어(SPASS, SAS, STATA)
전용파일로 제공된다.
(2) 데이터 R로 불러오기
1) 패키지 설치 및 로드
- 실습에 사용할 복지패널데이터는 통계분석 소프트웨어 SPSS 전용파일이다.
- foreign 패키지의 함수를 이용하여 SPSS, SAS, STATA등 통계분석 소프트웨어 파일을 불러올수 있다.
install.packages("foreign") # foreign 패키지 설치
library(foreign) # SPSS 파일 로드
library(dplyr) # 전처리
library(ggplot2) # 시각화
library(readxl) # 엑셀 파일 불러오기
2) R의 데이터프레임으로 데이터 가져오기
# 데이터 불러오기
raw_welfare <- read.spss(file = "Koweps_hpc10_2015_beta1.sav",
to.data.frame = T)
# 복사본 만들기
welfare <- raw_welfare
3) 데이터 검토하기
head(welfare)
tail(welfare)
View(welfare)
dim(welfare)
str(welfare)
summary(welfare)
4) 알기쉬운 변수명으로 변경하기
- 규모가 큰 자료는 보통 데이터의 특성을 설명해 놓은 코드북(Codebook)과 함께 제공됩니다.
- Koweps_Codebook.xlsx는 제공하는 코드북입니다.
- 코드북을 보면 데이터의 특성을 알수 있으므로 어떤 변수를 활용할지 분석방향에 도움을
받을 수 있다.
- 분석에 사용할 7개의 변수의 이름을 쉬운 단어로 변경한다.
welfare <- rename(welfare,
gender= h10_g3, # 성별
birth = h10_g4, # 태어난 연도
marriage = h10_g10, # 혼인 상태
religion = h10_g11, # 종교
income = p1002_8aq1, # 월급
code_job = h10_eco9, # 직종 코드
code_region = h10_reg7) # 지역 코드
(3) 데이터 분석 절차
1 단계 : 변수 검토 및 전처리
- 분석에 사용할 변수들을 전처리한다.
- 변수의 특성을 파악하고 이상치를 정제한 다음 파생변수 생성한다.
- 전처리는 분석에 활용할 변수 각각에 대해 실시한다.
- 성별에 따른 월급차이를 분석한다면 성별 및 월급 두변수 각각 전처리한다.
2 단계 : 변수 간 관계 분석
- 전처리가 완료되며면 본격적으로 변수 간 관계를 파악하는 분석을 한다.
- 데이터 요약표를 만든 후 분석 결과를 쉽게 이해할 수 있는 그래프를 생성한다.
2. 성별에 따른 월급 차이
(1) 1단계 - 변수 검토 및 전처리
1)성별 변수 검토 및 전처리
- class()로 성별의 변수 타입을 파악한다.
- table()로 각범주(남,여)에 몇명인지 확인한다.
- numeric 타입, 1,2로 구성
class(welfare$gender)
table(welfare$gender)
- 코드북확인하기( Koweps_Codebook.xlsx)
- 성별의 구분이 1은남자, 2는 여자, 9는 모름/무응답 이다.
- 9의 값은 성별이 확인이 안되므로 결측값(NA)처리한다.
# 이상치 확인 -> 현재의 데이터는 9는 없다.
table(welfare$gender)
# 이상치 결측 처리-> 만약 존재한다면 ifelse()로 9를 NA로 결측처리한다.
welfare$gender <- ifelse(welfare$gender == 9, NA, welfare$gender)
# 결측치 확인
table(is.na(welfare$gender))
- 성별 변수의 값이 1,2대신 이해하기 쉽게 male,female로 변경한다.
# 성별 항목 이름 부여
welfare$gender <- ifelse(welfare$gender == 1, "male", "female")
- 변경된 값을 table(),gplot()로 확인하다.
table(welfare$gender)
qplot(welfare$gender)
2)월급 변수 검토 및 전처리
- 코드북의 월급은 1만원단위이며, income(월급)을 검토하고 분포를 확인하다.
- 연속 변수는 table()(범주가 많을시 데이터항목이 많아진다)보다 summary()로 요약 통계량을 확인해서 특징을 파악한다.
- qplot()를 이용해서 분포를 그래프로 확인한다.
> class(welfare$income)
[1] "numeric"
> summary(welfare$income)
Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
0.0 122.0 192.5 241.6 316.6 2400.0 12030
- 0~2400만원 사이값을 지니며, 중값값이 평균값보다 작으므로 낮은쪽에 치우쳐 있다.
-122~316만원 사이값에 가장 많이 분포되어있다.
- gplot()는 최대값까지 출력되는데 대다수 차지하는 0~1000까지의 값이 잘 안나옴으로
x축값을 0~1000값으로 조정을 한다.
class(welfare$income)
summary(welfare$income)
qplot(welfare$income) #대다수 차지하는 0~1000까지의 값이 잘 안나옴
qplot(welfare$income) + xlim(0, 1000)
- 코드북의 월급은 1~9998사이값을 가지며, 모름/무응답은 9999 이다.
- summary()로 이상치를 확인해 보면 최소값이 0이므로 0과 9999에 대해서 결측값 처리를 한다.
> summary(welfare$income)
Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
0.0 122.0 192.5 241.6 316.6 2400.0 12030
> welfare$income <- ifelse(welfare$income %in% c(0, 9999), NA, welfare$income)
> table(is.na(welfare$income))
FALSE TRUE
4620 12044
(2) 2단계 - 변수 간 관계 분석
1) 성별 월급 평균표 생성
- 두변수의 전처리 작업이후 변수 간 관계를 분석한다.
> gender_income <- welfare %>%
+ filter(!is.na(income)) %>%
+ group_by(gender) %>%
+ summarise(mean_income = mean(income
))
> gender_income
# A tibble: 2 x 2
gender mean_income
<chr> <dbl>
1 female 163.2471
2 male 312.2932
2) 그래프 생성
- 분석결과를 그래프로 만들어 쉽게 이해할 수 있도록 한다.
- 막대그래프는 + geom_col() 추가로 만들수 있다.
ggplot(data = gender_income, aes(x = gender, y = mean_income)) + geom_col()
3. 나이와 월급의 관계
(1) 1단계 - 변수 검토 및 전처리
1) 월급은 전처리가 완료되었으므로 나이의 전처리만 한다.
- 나이변수는 태어난연도를 이용해서 만들어야 한다.
- 태어난 연도 검토한다.
> class(welfare$birth)
[1] "numeric"
> summary(welfare$birth)
Min. 1st Qu. Median Mean 3rd Qu. Max.
1907 1946 1966 1968 1988 2014
> qplot(welfare$birth)
- 코드북을 보면 1900년도~2014년도 사이의 값을 지니며, 모름/무응답은 9999 이다
- 이상치 확인후 만약 존재한다면 전처리 작업을 해줘야 하다.
- 현재 데이터는 이상치(9999)나 NA(결측치)가 없다.# 이상치 확인->없음
summary(welfare$birth)
# 결측치 확인->없음
table(is.na(welfare$birth))
# 이상치 결측 처리->없으므로 생략 가능
welfare$birth <- ifelse(welfare$birth == 9999, NA, welfare$birth)
table(is.na(welfare$birth))
- 태어난 연도를 이용해 파생변수를 만든다.
- 2015년도에 조사한 내용이므로 나이= 2015-태어난연도 를 하면된다.> welfare$age <- 2015 - welfare$birth + 1
> summary(welfare$age)
Min. 1st Qu. Median Mean 3rd Qu. Max.
2.00 28.00 50.00 48.43 70.00 109.00
> qplot(welfare$age)
(2) 2단계 - 변수 간 관계 분석
1) 나이별 월급 평균표 생성
> age_income <- welfare %>% #기본데이터에서
+ filter(!is.na(income)) %>% #월급의 결측치가 없는 데이터만
+ group_by(age) %>% #나이별 그룹으로
+ summarise(mean_income = mean(income)) #월급 평균을 구한다.
> head(age_income)
# A tibble: 6 x 2
age mean_income
<dbl> <dbl>
1 20 121.3000
2 21 105.5185
3 22 130.0923
4 23 141.7157
5 24 134.0877
6 25 144.6559
2) 그래프 생성
- x축 나이, y축 월급으로 나이에 따른 월급의 변화를 선그래프로 생성한다.
ggplot(data = age_income, aes(x = age, y = mean_income)) + geom_line()
4. 연령대에 따른 월급 차이
(1) 1단계 - 변수 검토 및 전처리
- 연령대 변수는 앞에서 만든 나이변수로 만들 수 있다.
- 초년(30미만),중년(30~59세),노년(60세이상)이란 범주를 만들고 각 범주에 몇명이 있는지 확인한다.
> welfare <- welfare %>%
+ mutate(ageg = ifelse(age < 30, "young",
+ ifelse(age <= 59, "middle", "old")))
> table(welfare$ageg)
middle old young
6049 6281 4334
> qplot(welfare$ageg)
(2) 2단계 - 변수 간 관계 분석
1) 연련대별 월급 평균표 생성
> ageg_income <- welfare %>% #기본데이터에서
+ filter(!is.na(income)) %>% #월급에서 결측치없이
+ group_by(ageg) %>% #연령대별로
+ summarise(mean_income = mean(income)) #평균급여를 생성한다.
> ageg_income
# A tibble: 3 x 2
ageg mean_income
<chr> <dbl>
1 middle 281.8871
2 old 125.3295
3 young 163.5953
2) 그래프 생성
ggplot(data = ageg_income, aes(x = ageg, y = mean_income)) + geom_col()
- 연령대별의 나이순으로 막대를 정렬하려면 scale_x_discrete(limits = c("young", "middle", "old")) 지정한다.
ggplot(data = ageg_income, aes(x = ageg, y = mean_income)) +
geom_col() +
scale_x_discrete(limits = c("young", "middle", "old"))
5. 연령대 및 성별 월급 차이
(1) 1단계 - 변수 검토 및 전처리
- 연령대, 성별, 월급 검토 및 전처리 앞에서 완료
(2) 2단계 - 변수 간 관계 분석
1) 연령대 및 성별 월급 평균표 생성
gender_income <- welfare %>%
+ filter(!is.na(income)) %>%
+ group_by(ageg, gender) %>% #연령대별 및 성별 그룹으로
+ summarise(mean_income = mean(income)) #월급 평균을 생성
> gender_income
# A tibble: 6 x 3
# Groups: ageg [?]
ageg gender mean_income
<chr> <chr> <dbl>
1 middle female 187.97552
2 middle male 353.07574
3 old female 81.52917
4 old male 173.85558
5 young female 159.50518
6 young male 170.81737
2) 그래프 생성
- 연령대 별로 표시되므로 x축에 ageg를 지정하며 성별에 따라 다른 색으로 표현되도록
fill = gender를 명시합니다.
- 연령대 순으로 정렬을 위해서 scale_x_discrete(limits = c("young", "middle", "old")) 지정한다.
ggplot(data = gender_income, aes(x = ageg, y = mean_income, fill = gender)) +
geom_col() +
scale_x_discrete(limits = c("young", "middle", "old"))
- 독립된 막대로 성별을 표시하기 위해서 geom_col(position = "dodge")
ggplot(data = gender_income, aes(x = ageg, y = mean_income, fill = gender)) +
geom_col(position = "dodge") +
scale_x_discrete(limits = c("young", "middle", "old"))
3) 연령대로 구분하지 않고 나이 및 성별 월급 평균표 작성하여 그래프 그리기> gender_age <- welfare %>%
+ filter(!is.na(income)) %>%
+ group_by(age, gender) %>%
+ summarise(mean_income = mean(income))
> head(gender_age)
# A tibble: 6 x 3
# Groups: age [3]
age gender mean_income
<dbl> <chr> <dbl>
1 20 female 147.4500
2 20 male 69.0000
3 21 female 106.9789
4 21 male 102.0500
5 22 female 139.8547
6 22 male 118.2379
> ggplot(data = gender_age, aes(x = age, y = mean_income, col = gender)) + geom_line()
6. 직업별 월급 차이
(1) 1단계 - 변수 검토 및 전처리
1) 월급의 변수검토 및 전처리를 되어있으므로 직업에 대한 변수 검토 및 전처리를 하나.
- code_job변수는 직업분류코드이다 이변수를 파악하여 직업 명칭 변수를 만든다.
class(welfare$code_job)
table(welfare$code_job)
- 코드북(Koweps_Codebook.xlsx)의 직종코드 sheet 에서 직업 명칭을 가져온다.
- left_join()으로 job변수를 welfare에 결합하다. 공통변수 code_job을 기준으로 결합한다.
> library(readxl) #엑셀에서 읽어오는 함수가 들어있는 패키지 로등
> list_job <- read_excel("Koweps_Codebook.xlsx", col_names = T, sheet = 2) #엑셀파일 읽어오기
> head(list_job)
# A tibble: 6 x 2
code_job job
<dbl> <chr>
1 111 의회의원 고위공무원 및 공공단체임원
2 112 기업고위임원
3 120 행정 및 경영지원 관리자
4 131 연구 교육 및 법률 관련 관리자
5 132 보험 및 금융 관리자
6 133 보건 및 사회복지 관련 관리자
> dim(list_job)
[1] 149 2
> welfare <- left_join(welfare, list_job, id = "code_job") #id 기준으로 welfare데이터에 직업 분류를 새로운 열로 조인
Joining, by = "code_job"
> welfare %>%
+ filter(!is.na(code_job)) %>%
+ select(code_job, job) %>%
+ head(10)
code_job job
1 942 경비원 및 검표원
2 762 전기공
3 530 방문 노점 및 통신 판매 관련 종사자
4 999 기타 서비스관련 단순 종사원
5 312 경영관련 사무원
6 254 문리 기술 및 예능 강사
7 510 영업 종사자
8 530 방문 노점 및 통신 판매 관련 종사자
9 286 스포츠 및 레크레이션 관련 전문가
10 521 매장 판매 종사자
(2) 2단계 - 변수 간 관계 분석
1) 직업별 월급 평균표 만들기
job_income <- welfare %>%
filter(!is.na(job) & !is.na(income)) %>%
group_by(job) %>%
summarise(mean_income = mean(income))
head(job_income)
2) 월급을 내림차순으로 정렬후 상위10위까지 출력> top10 <- job_income %>%
+ arrange(desc(mean_income)) %>%
+ head(10)
> top10
# A tibble: 10 x 2
job mean_income
<chr> <dbl>
1 금속 재료 공학 기술자 및 시험원 845.0667
2 의료진료 전문가 843.6429
3 의회의원 고위공무원 및 공공단체임원 750.0000
4 보험 및 금융 관리자 726.1800
5 제관원 및 판금원 572.4067
6 행정 및 경영지원 관리자 563.7633
7 문화 예술 디자인 및 영상 관련 관리자 557.4667
8 연구 교육 및 법률 관련 관리자 549.9125
9 건설 전기 및 생산 관련 관리자 535.8056
10 석유 및 화학물 가공장치 조작원 531.6600
3) 그래프 생성
- x축 직업명이 겹쳐 보여 잘 안보이므로 오른쪽으로 90도 회전해서 보기위해 coord_flip()를 추가한다.
ggplot(data = top10, aes(x = reorder(job, mean_income), y = mean_income)) +
geom_col() +
coord_flip()
- 직업을 하위10위로 정렬하여 그래프로 그려본다. > bottom10 <- job_income %>%
+ arrange(mean_income) %>%
+ head(10)
> bottom10
# A tibble: 10 x 2
job mean_income
<chr> <dbl>
1 가사 및 육아 도우미 80.16648
2 임업관련 종사자 83.33000
3 기타 서비스관련 단순 종사원 88.22101
4 청소원 및 환경 미화원 88.78775
5 약사 및 한약사 89.00000
6 작물재배 종사자 92.00000
7 농립어업관련 단순 종사원 101.58125
8 의료 복지 관련 서비스 종사자 103.52643
9 음식관련 단순 종사원 107.84511
10 판매관련 단순 종사원 116.82203
> ggplot(data = bottom10, aes(x = reorder(job, -mean_income),
+ y = mean_income)) +
+ geom_col() +
+ coord_flip() +
+ ylim(0, 850) #하위순위의 월급 평균이 최대100이 안되므로 상위10위비교하기 위해 y축을 지정하였다.
7. 성별 직업 빈도
(1) 1단계 - 변수 검토 및 전처리
1) 성별 및 직업의 검토및 전처리 완료됨
(2) 2단계 - 변수 간 관계 분석
1) 성별 직업 빈도표 생성
- 성별로 직업빈도표를 구해 상위 10개 생성
# 남성 직업 빈도 상위 10개 추출
> job_male <- welfare %>%
+ filter(!is.na(job) & gender == "male") %>%
+ group_by(job) %>%
+ summarise(n = n()) %>%
+ arrange(desc(n)) %>%
+ head(10)
> job_male
# A tibble: 10 x 2
job n
<chr> <int>
1 작물재배 종사자 640
2 자동차 운전원 251
3 경영관련 사무원 213
4 영업 종사자 141
5 매장 판매 종사자 132
6 제조관련 단순 종사원 104
7 청소원 및 환경 미화원 97
8 건설 및 광업 단순 종사원 95
9 경비원 및 검표원 95
10 행정 사무원 92
# 여성 직업 빈도 상위 10개 추출
> job_female <- welfare %>%
+ filter(!is.na(job) & gender == "female") %>%
+ group_by(job) %>%
+ summarise(n = n()) %>%
+ arrange(desc(n)) %>%
+ head(10)
> job_female
# A tibble: 10 x 2
job n
<chr> <int>
1 작물재배 종사자 680
2 청소원 및 환경 미화원 228
3 매장 판매 종사자 221
4 제조관련 단순 종사원 185
5 회계 및 경리 사무원 176
6 음식서비스 종사자 149
7 주방장 및 조리사 126
8 가사 및 육아 도우미 125
9 의료 복지 관련 서비스 종사자 121
10 음식관련 단순 종사원 104
2) 그래프 생성
# 남성 직업 빈도 상위 10개 직업
ggplot(data = job_male, aes(x = reorder(job, n), y = n)) +
geom_col() +
coord_flip()
# 여성 직업 빈도 상위 10개 직업
ggplot(data = job_female, aes(x = reorder(job, n), y = n)) +
geom_col() +
coord_flip()
8. 종교 유무에 따른 이혼율
(1) 1단계 - 변수 검토 및 전처리
1) 종교변수 검토 및 전처리
> class(welfare$religion)
[1] "numeric"
> table(welfare$religion) #종교있음1, 종교없음2, 모름/무응답9
1 2
8047 8617
- 1,2대신 yes,no로 값변경
> welfare$religion <- ifelse(welfare$religion == 1, "yes", "no")
> table(welfare$religion)
no yes
8617 8047
> qplot(welfare$religion) #그래프로 확인
2) 혼인상태 변수 검토 및 전처리
> class(welfare$marriage)
[1] "numeric"
> table(welfare$marriage)
0 1 2 3 4 5 6
2861 8431 2117 712 84 2433 26
- marriage코드를 코드북에서 확인하면
0:18세미만, 1: 유배우, 2: 사별, 3:이혼, 4:별거, 5:미혼, 6:기타(사방 등)# 이혼 여부 변수 만들기
welfare$group_marriage <- ifelse(welfare$marriage == 1, "marriage",
ifelse(welfare$marriage == 3, "divorce", NA))> table(welfare$group_marriage)
divorce marriage
712 8431
> table(is.na(welfare$group_marriage))
FALSE TRUE
9143 7521
> qplot(welfare$group_marriage)
(2) 2단계 - 변수 간 관계 분석
1) 종교 유무에 따른 이혼율표 생성
- 종교유무 및 결혼 상태별로 나눠 빈도를 구한뒤 각 종교 유무 그룹의 전체 빈도로 나눠 비율을 구한다.
- 비율은 round()를 이용해서 소수점 첫째 자리까지 표현한다.
religion_marriage <- welfare %>%
filter(!is.na(group_marriage)) %>%
group_by(religion, group_marriage) %>%
summarise(n = n()) %>%
mutate(tot_group = sum(n)) %>%
mutate(pct = round(n/tot_group*100, 1)) # 종교유무별 결혼 및 이혼비율
> religion_marriage
# A tibble: 4 x 5
# Groups: religion [2]
religion group_marriage n tot_group pct
<chr> <chr> <int> <int> <dbl>
1 no divorce 384 4602 8.3
2 no marriage 4218 4602 91.7
3 yes divorce 328 4541 7.2
4 yes marriage 4213 4541 92.8
- 이혼율을 구하는 것이므로 이혼을 추출 한다.# 이혼 추출
divorce <- religion_marriage %>%
filter(group_marriage == "divorce") %>%
select(religion, pct)
> divorce# A tibble: 2 x 2
# Groups: religion [2]
religion pct
<chr> <dbl>
1 no 8.3
2 yes 7.2
2) 그래프 생성
ggplot(data = divorce, aes(x = religion, y = pct)) + geom_col()
3) 연령대 및 종교 유무에 따른 이혼율 분석하기
- 연령대별 이혼율 표만들기
ageg_marriage <- welfare %>%
filter(!is.na(group_marriage)) %>%
group_by(ageg, group_marriage) %>%
summarise(n = n()) %>%
mutate(tot_group = sum(n)) %>%
mutate(pct = round(n/tot_group*100, 1))> ageg_marriage
# A tibble: 6 x 5
# Groups: ageg [3]
ageg group_marriage n tot_group pct
<chr> <chr> <int> <int> <dbl>
1 middle divorce 437 4918 8.9
2 middle marriage 4481 4918 91.1
3 old divorce 273 4165 6.6
4 old marriage 3892 4165 93.4
5 young divorce 2 60 3.3
6 young marriage 58 60 96.7
- 연령대별 이혼율 그래프를 생성한다.
# 초년 제외, 이혼 추출
ageg_divorce <- ageg_marriage %>%
filter(ageg != "young" & group_marriage == "divorce") %>%
select(ageg, pct)
> ageg_divorce
# A tibble: 2 x 2
# Groups: ageg [2]
ageg pct
<chr> <dbl>
1 middle 8.9
2 old 6.6
# 그래프 만들기
ggplot(data = ageg_divorce, aes(x = ageg, y = pct)) + geom_col()
- 연령대(ageg)별 종교 유무(religion)에 따른 이혼율 표 생성
# 연령대, 종교유무, 결혼상태(group_marriage)별 비율표 만들기
ageg_religion_marriage <- welfare %>%
filter(!is.na(group_marriage) & ageg != "young") %>%
group_by(ageg, religion, group_marriage) %>%
summarise(n = n()) %>%
mutate(tot_group = sum(n)) %>%
mutate(pct = round(n/tot_group*100, 1)) #비율> ageg_religion_marriage
# A tibble: 8 x 6
# Groups: ageg, religion [4]
ageg religion group_marriage n tot_group pct
<chr> <chr> <chr> <int> <int> <dbl>
1 middle no divorce 260 2681 9.7
2 middle no marriage 2421 2681 90.3
3 middle yes divorce 177 2237 7.9
4 middle yes marriage 2060 2237 92.1
5 old no divorce 123 1884 6.5
6 old no marriage 1761 1884 93.5
7 old yes divorce 150 2281 6.6
8 old yes marriage 2131 2281 93.4
# 연령대 및 종교 유무별 이혼율 표 만들기
df_divorce <- ageg_religion_marriage %>%
filter(group_marriage == "divorce") %>%
select(ageg, religion, pct)
> df_divorce
# A tibble: 4 x 3
# Groups: ageg, religion [4]
ageg religion pct
<chr> <chr> <dbl>
1 middle no 9.7
2 middle yes 7.9
3 old no 6.5
4 old yes 6.6
- 연령대별 종교 유무에 따른 이혼율 그래프 생성한다.
종교유무별 막대색깔 다르게 표현을 위해 fill = religion
geom_col()의 position='dodge'로 막대그래프를 분리한다.
ggplot(data = df_divorce, aes(x = ageg, y = pct, fill = religion )) +
geom_col(position = "dodge")
9. 지역별 연령대 비율
(1) 1단계 - 변수 검토 및 전처리
1) 지역 변수 검토 및 전처리
- code_region 변수의 값은 7개로 나누어진 지역 코드이다.
- 코드북의 내용을 참조하여 지역명 변수를 추가한다.
class(welfare$code_region)
table(welfare$code_region)
# 지역 코드 목록 만들기
list_region <- data.frame(code_region = c(1:7),
region = c("서울",
"수도권(인천/경기)",
"부산/경남/울산",
"대구/경북",
"대전/충남",
"강원/충북",
"광주/전남/전북/제주도"))
> list_region
code_region region
1 1 서울
2 2 수도권(인천/경기)
3 3 부산/경남/울산
4 4 대구/경북
5 5 대전/충남
6 6 강원/충북
7 7 광주/전남/전북/제주도
# 지역명 변수 추가
welfare <- left_join(welfare, list_region, id = "code_region")> welfare %>%
+ select(code_region, region) %>%
+ head
code_region region
1 1 서울
2 1 서울
3 1 서울
4 1 서울
5 1 서울
6 1 서울
(2) 2단계 - 변수 간 관계 분석
1) 지역별 연령대 비율표 만들기
region_ageg <- welfare %>%
group_by(region, ageg) %>%
summarise(n = n()) %>%
mutate(tot_group = sum(n)) %>%
mutate(pct = round(n/tot_group*100, 2))
> head(region_ageg)
# A tibble: 6 x 5
# Groups: region [2]
region ageg n tot_group pct
<fctr> <chr> <int> <int> <dbl>
1 강원/충북 middle 417 1257 33.17
2 강원/충북 old 555 1257 44.15
3 강원/충북 young 285 1257 22.67
4 광주/전남/전북/제주도 middle 947 2922 32.41
5 광주/전남/전북/제주도 old 1233 2922 42.20
6 광주/전남/전북/제주도 young 742 2922 25.39
2) 그래프 생성
- 연령대 비율 막대를 서로 다른색으로 표현하도록 aes의 fill = ageg 지정한다.
- 지역별로 비교가 쉽도록 coord_flip()를 추가해서 오른쪽으로 90도 회전한다.
ggplot(data = region_ageg, aes(x = region, y = pct, fill = ageg)) +
geom_col() +
coord_flip()
3) 노년층 비율 높은 순으로 막대 정렬하기
# 노년층 비율 오름차순 정렬
list_order_old <- region_ageg %>%
filter(ageg == "old") %>%
arrange(pct)
> list_order_old
# A tibble: 7 x 5
# Groups: region [7]
region ageg n tot_group pct
<fctr> <chr> <int> <int> <dbl>
1 수도권(인천/경기) old 1109 3711 29.88
2 서울 old 805 2486 32.38
3 대전/충남 old 527 1467 35.92
4 부산/경남/울산 old 1124 2785 40.36
5 광주/전남/전북/제주도 old 1233 2922 42.20
6 강원/충북 old 555 1257 44.15
7 대구/경북 old 928 2036 45.58
- 지역명이 노년층 비율순으로 정렬된 order변수를 활용하여 그래프 생성한다.
# 지역명 순서 변수 만들기
order <- list_order_old$region
order
[1] 수도권(인천/경기) 서울 대전/충남 부산/경남/울산
[5] 광주/전남/전북/제주도 강원/충북 대구/경북
7 Levels: 강원/충북 광주/전남/전북/제주도 대구/경북 대전/충남 부산/경남/울산 ... 수도권(인천/경기)
- 막대가 노년층 비율이 높은순으로
ggplot(data = region_ageg, aes(x = region, y = pct, fill = ageg)) +
geom_col() +
coord_flip() +
scale_x_discrete(limits = order)
4) 연령대 순으로 막대 색깔 나열하기
- 초년, 중년, 노년의 연령대순으로 나열한다.
- 연령대 별 막대그래프의 색상을 순서대로 나열하기 위해 fill= 변수의범주(ageg) 해야한다.
- ageg는 범주가 아니므로 factor()로 factor로 변환하고 level파라미터를 이용해 순서를 지정한다.
> class(region_ageg$ageg)
[1] "character"
> levels(region_ageg$ageg)
NULL
> region_ageg$ageg <- factor(region_ageg$ageg, #factor로 변환 및 level지정
+ level = c("old", "middle", "young"))
> class(region_ageg$ageg)
[1] "factor"
> levels(region_ageg$ageg)
[1] "old" "middle" "young"
- 그래프 생성 ggplot(data = region_ageg, aes(x = region, y = pct, fill = ageg)) +
geom_col() +
coord_flip() +
scale_x_discrete(limits = order)
댓글