rm(list  =  ls())

if(!require("pacman")) install.packages("pacman")

##  要求されたパッケージ pacman をロード中です

pacman::p_load("tidyverse", 　
               "skimr", 　　　
               "gt")　　　　　
 options(scipen = 999)

dat_temp <- read_csv("QFR2023TermPaper.csv")

## New names:
## Rows: 350 Columns: 5
## ── Column specification
## ────────────────────────────────────────────────────────
## Delimiter: "," chr (1): Fish_Market dbl (4): ...1, Year, Month, Total
## ℹ Use `spec()` to retrieve the full column specification for this data. ℹ
## Specify the column types or set `show_col_types = FALSE` to quiet this message.
## • `` -> `...1`

skimr::skim(dat_temp)

Data summary

Name	dat_temp
Number of rows	350
Number of columns	5
_______________________
Column type frequency:
character	1
numeric	4
________________________
Group variables	None

Variable type: character

skim_variable	n_missing	complete_rate	min	max	empty	n_unique	whitespace
Fish_Market	0	1	8	8	0	2	0

Variable type: numeric

skim_variable	n_missing	complete_rate	mean	sd	p0	p25	p50	p75	p100	hist
…1	0	1	175.50	101.18	1	88.25	175.5	262.75	350	▇▇▇▇▇
Year	0	1	2005.13	6.92	1994	1999.00	2005.0	2011.00	2019	▇▇▇▆▃
Month	0	1	8.33	2.91	1	7.00	9.0	11.00	12	▂▁▅▆▇
Total	0	1	2317.37	3038.65	0	1.00	640.0	4176.50	13095	▇▂▂▁▁

summary_1 <- dat_temp |> group_by(Year, Month) |> summarize(total_landing = sum(Total))

## `summarise()` has grouped output by 'Year'. You can override using the
## `.groups` argument.

fig_1 <- ggplot(summary_1, aes(x = Month, y = total_landing, fill = Year)) + geom_bar(stat = "identity", position = "dodge")

fig_1

summary_1 <- dat_temp |> group_by(Year, Month) |> 
  summarize(total_landing = sum(Total)) |>
  mutate(Month = as.factor(Month), Year = as.factor(Year)) |> ungroup()

## `summarise()` has grouped output by 'Year'. You can override using the
## `.groups` argument.

fig_2 <-  ggplot(summary_1, aes(x = Month, y = total_landing, fill = Year)) + 
            geom_bar(stat = "identity", position = "dodge")

fig_2

#上のグラフはマーケットA、Bでの水揚げ量を合計した数値をもとに作成したものである。この魚種は8月から12月までの期間にのみ漁獲されそれ以外の期間には全く漁獲が行われていない。漁獲量の最も多くなる月は１０月である。また、年別に漁獲量を見ると各月ともに2000年前後までは増加しておりそれ以降は減少傾向であることが分かる。このことから、この種の資源量は2000年前後までは増加傾向であり、それ以降は減少が続いていると考えられる。

table(dat_temp$Fish_Market)

## 
## Market_A Market_B 
##      183      167

dat_temp <- dat_temp|> filter(Fish_Market %in% c("Market_A")) 

summary_1 <- dat_temp |> group_by(Year, Month) |> 
  summarize(total_landing = sum(Total)) |>
  mutate(Month = as.factor(Month), Year = as.factor(Year)) |> ungroup()

## `summarise()` has grouped output by 'Year'. You can override using the
## `.groups` argument.

fig_3 <-  ggplot(summary_1, aes(x = Month, y = total_landing, fill = Year)) + 
            geom_bar(stat = "identity", position = "dodge")
  
   
fig_3

#マーケットAに限定してみると１０月に漁獲量が最大となる傾向が顕著に表れていることが分かる。年別に見ると年々漁獲量が減少しているが減少の幅は大きくない。

dat_temp2 <- read_csv("QFR2023TermPaper.csv")

## New names:
## Rows: 350 Columns: 5
## ── Column specification
## ────────────────────────────────────────────────────────
## Delimiter: "," chr (1): Fish_Market dbl (4): ...1, Year, Month, Total
## ℹ Use `spec()` to retrieve the full column specification for this data. ℹ
## Specify the column types or set `show_col_types = FALSE` to quiet this message.
## • `` -> `...1`

dat_temp2 <- dat_temp2|> filter(Fish_Market %in% c("Market_B")) 

summary_2 <- dat_temp2 |> group_by(Year, Month) |> 
  summarize(total_landing = sum(Total)) |>
  mutate(Month = as.factor(Month), Year = as.factor(Year)) |> ungroup()

## `summarise()` has grouped output by 'Year'. You can override using the
## `.groups` argument.

fig_4 <-  ggplot(summary_2, aes(x = Month, y = total_landing, fill = Year)) + 
            geom_bar(stat = "identity", position = "dodge")

fig_4

#マーケットBに限定してみると9月、10月に漁獲量が増大している。年別に見ると各月ともにマーケットAに比べて漁獲量の減少幅が大きい。

#このように、この魚種は8～12月にのみ漁獲され、10月頃に漁獲量が最大となり、年別の漁獲量は減少傾向にあるという漁獲量の特徴があることが分かる。秋に漁獲される魚にはシロザケ、サンマや近年増加しているタチウオ等が存在する。いわて大漁ナビ（URL: https://www.suigi.pref.iwate.jp/shikyosearch）の市況検索を用いてこられの魚種の水揚げ量について調べるとシロザケは秋に漁獲量が増大するものの春、夏にもごく少量ではあるが漁獲されており作成したグラフの特徴とは合致しない。タチウオについてはデータ上では分類がなく確認ができなかった。一方、サンマの漁獲量は作成したグラフの特徴に非常に似ていた。1994年から2023年までの岩手県内の全ての市場でのサンマの漁獲量のグラフは次のようになる。

dat_temp3 <- read_csv("kadai.csv")

## New names:
## Rows: 140 Columns: 6
## ── Column specification
## ────────────────────────────────────────────────────────
## Delimiter: "," chr (1): Date num (1): Landing_Amount lgl (4): ...3, ...4, ...5,
## ...6
## ℹ Use `spec()` to retrieve the full column specification for this data. ℹ
## Specify the column types or set `show_col_types = FALSE` to quiet this message.
## • `` -> `...3`
## • `` -> `...4`
## • `` -> `...5`
## • `` -> `...6`

#いわて大漁ナビの市況検索で1994年9月から2023年9月までの岩手県内の市場のサンマの水揚げ量のデータを取得した。

skimr::skim(dat_temp3)

Data summary

Name	dat_temp3
Number of rows	140
Number of columns	6
_______________________
Column type frequency:
character	1
logical	4
numeric	1
________________________
Group variables	None

Variable type: character

skim_variable	n_missing	complete_rate	min	max	empty	n_unique	whitespace
Date	1	0.99	8	9	0	139	0

Variable type: logical

skim_variable	n_missing	complete_rate	mean	count
…3	140	0	NaN	:
…4	140	0	NaN	:
…5	140	0	NaN	:
…6	140	0	NaN	:

Variable type: numeric

skim_variable	n_missing	complete_rate	mean	sd	p0	p25	p50	p75	p100	hist
Landing_Amount	1	0.99	6772625	6693217	4094	862112.5	4643085	12171277	22943560	▇▂▂▂▁

dat_temp3 <- dat_temp3 |> mutate(Date = lubridate::ymd(Date)) 

dat_temp3 <- dat_temp3 |> 
  mutate(YEAR = lubridate::year(Date), 
         MONTH = lubridate::month(Date), 
         DAY = lubridate::day(Date))

skimr::skim(dat_temp3)

Data summary

Name	dat_temp3
Number of rows	140
Number of columns	9
_______________________
Column type frequency:
Date	1
logical	4
numeric	4
________________________
Group variables	None

Variable type: Date

skim_variable	n_missing	complete_rate	min	max	median	n_unique
Date	1	0.99	1994-09-01	2023-09-01	2009-11-01	139

Variable type: logical

skim_variable	n_missing	complete_rate	mean	count
…3	140	0	NaN	:
…4	140	0	NaN	:
…5	140	0	NaN	:
…6	140	0	NaN	:

Variable type: numeric

skim_variable	n_missing	complete_rate	mean	sd	p0	p25	p50	p75	p100	hist
Landing_Amount	1	0.99	6772624.97	6693217.36	4094	862112.5	4643085	12171277	22943560	▇▂▂▂▁
YEAR	1	0.99	2008.81	8.42	1994	2001.5	2009	2016	2023	▇▇▇▇▇
MONTH	1	0.99	9.81	1.41	6	9.0	10	11	12	▁▅▅▅▇
DAY	1	0.99	1.00	0.00	1	1.0	1	1	1	▁▁▇▁▁

summary_3 <- dat_temp3 |> group_by(YEAR, MONTH) |> summarize(total_landing = sum(Landing_Amount))

## `summarise()` has grouped output by 'YEAR'. You can override using the
## `.groups` argument.

fig_5 <- ggplot(summary_3, aes(x = MONTH, y = total_landing, fill = YEAR)) + geom_bar(stat = "identity", position = "dodge")

fig_5

## Warning: Removed 1 rows containing missing values (`geom_bar()`).

summary_3 <- dat_temp3 |> group_by(YEAR, MONTH) |> 
  summarize(total_landing = sum(Landing_Amount)) |>
  mutate(MONTH = as.factor(MONTH), YEAR = as.factor(YEAR)) |> ungroup()

## `summarise()` has grouped output by 'YEAR'. You can override using the
## `.groups` argument.

fig_6 <-  ggplot(summary_3, aes(x = MONTH, y = total_landing, fill = YEAR)) + 
            geom_bar(stat = "identity", position = "dodge")

fig_6

## Warning: Removed 1 rows containing missing values (`geom_bar()`).

#このグラフでは7～12月にサンマが漁獲されていることが分かり7月の漁獲は非常に少量であるためマーケットABのグラフと一致しているといえる。漁獲量も9，10，11月に増大しておりこの特徴も一致している。また、年別の漁獲量を見ても2000年前後にかけて増加してそれ以降は大きく減少しているという特徴も一致している。以上のことから与えられたデータの魚種はサンマであると推測できる。