R11_복지패널 데이터분석3

# 복지패널 데이터 분석

# 필요한 라이브러리 로드

library(dplyr)

library(ggplot2)

search()

# 저장해둔 R 데이터 파일을 로드 -> 변수 자동 생성

rm(list=ls())

load('data/welfare.rda')

#데이터프레임 확인

str(welfare)

welfare %>%

  select(code_job, job) %>%

  head(10)

   code_job                                job

1        NA                               <NA>

2        NA                               <NA>

3       942                   경비원 및 검표원

4       762                             전기공

5        NA                               <NA>

6       530 방문 노점 및 통신 판매 관련 종사자

7        NA                               <NA>

8        NA                               <NA>

9        NA                               <NA>

10       NA                               <NA>

> table(is.na(welfare$job))

FALSE  TRUE

7529  9135

• 직업별 평균 소득 분석

income_by_job = welfare %>%

  filter(!is.na(job)& !is.na(income)) %>%

  group_by(job) %>%

  summarise(mean_income= mean(income))

income_by_job %>% arrange(desc(mean_income))

# A tibble: 142 x 2

   job                                  mean_income

   <chr>                                      <dbl>

1 금속 재료 공학 기술자 및 시험원             845.

2 의료진료 전문가                             844.

3 의회의원 고위공무원 및 공공단체임원         750

4 보험 및 금융 관리자                         726.

5 제관원 및 판금원                            572.

6 행정 및 경영지원 관리자                     564.

7 문화 예술 디자인 및 영상 관련 관리자        557.

8 연구 교육 및 법률 관련 관리자               550.

9 건설 전기 및 생산 관련 관리자               536.

10 석유 및 화학물 가공장치 조작원              532.

# ... with 132 more rows

• 평균소득 하위 10개 직종

>   bottom10 = income_by_job %>%

+     arrange(mean_income) %>%

+     head(10)

>   bottom10  

# A tibble: 10 x 2

   job                          mean_income

   <chr>                              <dbl>

1 가사 및 육아 도우미                 80.2

2 임업관련 종사자                     83.3

3 기타 서비스관련 단순 종사원         88.2

4 청소원 및 환경 미화원               88.8

5 약사 및 한약사                      89  

6 작물재배 종사자                     92  

7 농립어업관련 단순 종사원           102.

8 의료 복지 관련 서비스 종사자       104.

9 음식관련 단순 종사원               108.

10 판매관련 단순 종사원               117

• 직종별 평균 급여 상위 10개 그래프

  ggplot(data = top10,

         mapping = aes( x = reorder( job, mean_income), y = mean_income))+

    geom_col()+coord_flip() +  xlab('job')

# 이 데이터가 의미가 있는 데이터일까? 특정 직업의 표본이 1명인데, 

그 사람의 급여가 지나치게 높다면, 데이터를 왜곡하지 않을까?

  # 직종별 인구수가 30명 이상인 직종에 대해서

  # 평균 소득 상위 10개의 직종을 찾고, 그래프 작성

  

  top10_30m= welfare %>%  

    filter(!is.na(job)& !is.na(income)) %>%                  # job, income NA 제외

    group_by(job) %>%

    summarise(mean_income=mean(income), numofworker=n())  %>%  # job별 평균소득 + job별 인구수

    filter(numofworker>=30) %>%                # 종사자 수 30명 이상인 직업만 선택

    arrange(desc(mean_income)) %>%      # 평균소득별 내림차순 정렬

    head(10)

  ggplot(data= top10_30m, mapping = aes(x = reorder(job, mean_income), y = mean_income))  +

    geom_col() + coord_flip() + xlab('job')  

# 지역별 연령대 비율

  # 지역(1 ~ 7권역) 변수 확인 - NA 없음

  table(welfare$code_region)

  

  # 연령대(ageg, age_range)

  table (welfare$ageg)

  table (welfare$age_range)  

  

  # 지역 코드 - 해당 지역 이름 데이터 프레임 생성

  regions = 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/제주')  )

  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/제주

# 두개의 데이터 프레임을 조인해서 region(지역 이름) 변수를 추가

welfare = left_join(welfare,regions, by = "code_region")

> table(welfare$region)

          강원/충북 광주/전남/전북/제주           대구/경북           대전/충남      부산/경남/울산

               1257                2922                2036                1467                2785

               서울    수도권/인천/경기

               2486                3711  

# 지역별, 연령대별 인구수

region_ageg = welfare %>%

  group_by(region, ageg) %>%

  summarise(count = n()) %>%

  mutate(total = sum(count), percentage = count/total * 100)

> region_ageg

# A tibble: 21 x 3

# Groups:   region [7]

   region              ageg   count total percentage

   <fct>               <ord>  <int> <int>      <dbl>

1 강원/충북           young    294  1257       23.4

2 강원/충북           middle   431  1257       34.3

3 강원/충북           old      532  1257       42.3

4 광주/전남/전북/제주 young    758  2922       25.9

5 광주/전남/전북/제주 middle   963  2922       33.0

6 광주/전남/전북/제주 old     1201  2922       41.1

7 대구/경북           young    481  2036       23.6

8 대구/경북           middle   651  2036       32.0

9 대구/경북           old      904  2036       44.4

10 대전/충남           young    401  1467       27.3

# ... with 11 more rows

ggplot(data=region_ageg, mapping = aes(x = region, y = percentage, fill=ageg))+

  geom_col() + coord_flip()

region_ageg = welfare %>%

  group_by(region, age_range) %>%                # 지난강의 연습문제에서 만든 변수

  summarise(count = n()) %>%

  mutate(total = sum(count), percentage = count/total*100)

region_ageg

ggplot(data=region_ageg, mapping = aes(x = region, y = percentage, fill=age_range))+

  geom_col() + coord_flip()

install.packages('tidyr')

library(tidyr)

#tidyr::gather()함수 사용법

> exam

   id class math english science

1   1     1   50      98      50

2   2     1   60      97      60

3   3     1   45      86      78

4   4     1   30      98      58

5   5     2   25      80      65

6   6     2   50      89      98

7   7     2   80      90      45

8   8     2   90      78      25

9   9     3   20      98      15

10 10     3   50      98      45

11 11     3   65      65      65

12 12     3   45      85      32

13 13     4   46      98      65

14 14     4   48      87      12

15 15     4   75      56      78

16 16     4   58      98      65

17 17     5   65      68      98

18 18     5   80      78      90

19 19     5   89      68      87

20 20     5   78      83      58

• 표 변환 함수 : 데이터 프레임에서 행과 열의 위치를 바꾸어줌.

df <- exam_by_class %>%

   gather(key = 'subject', value = 'mean', -class)  # class를 제외하고 돌리기 ( 피봇 -> 클래스를 제외하고 math, english, science가 피봇됨)

df

class subject  mean

   <int> <chr>   <dbl>

1     1 math     46.2

2     2 math     61.2

3     3 math     45  

4     4 math     56.8

5     5 math     78  

6     1 english  94.8

7     2 english  84.2

8     3 english  86.5

9     4 english  84.8

10     5 english  74.2

11     1 science  61.5

12     2 science  58.2

13     3 science  39.2

14     4 science  55  

15     5 science  83.2

ggplot(data = df,

       mapping = aes ( x = class, y = mean, fill = subject)) + geom_col(position = 'dodge')