Nhiệm vụ 3.1

Tóm tắt

Khi phân tích về dân số của các quốc gia trên Thế giới từ 1950-2021, chúng ta nhận thấy được tốc độ tăng trưởng dân số, độ tuổi trung bình của dân số giữa các quốc gia với nhau:

Tốc độ tăng trưởng dân số thế giới đạt mức cao nhất trong khoảng thời gian từ năm 1965 đến năm 1970, khi số lượng người trên thế giới tăng trung bình 2,1% mỗi năm.
Trong giai đoạn từ năm 2000 đến 2020, mặc dù dân số toàn cầu tăng với tốc độ trung bình hằng năm là 1,2%, 48 quốc gia hoặc khu vực ở châu Phi và châu Á vẫn có tốc độ tăng nhanh hơn ít nhất hai lần.
Tuổi thọ của người trưởng thành ở các nước phát triển đã tăng lên kể từ giữa thế kỷ 20. Lượng người có tuổi thọ trên 100 tuổi hiện nay là số lượng cao nhất từng ghi nhận trong lịch sử.
5 quốc gia có dân số lớn nhất: Trung Quốc, Ấn Độ, Hoa Kỳ, Indonesia, Pakistan

Country name: Tên quốc gia
Year: năm
Population: dân số
Population of children under the age of 1: dân số trẻ em dưới 1 tuổi
Population of children under the age of 5: dân số trẻ em dưới 5 tuổi
Population of children under the age of 15: dân số trẻ em dưới 15 tuổi
Population under the age of 25: dân số dưới 25 tuổi
Population aged 15 to 64 years: số dân từ 15 đến 64 tuổi
Population older than 15 years: dân số trên 15 tuổi
Population older than 18 years: dân số trên 18 tuổi
Population at age 1: dân số 1 tuổi
Population aged 1 to 4 years: dân số 1 đến 4 tuổi
Population aged 5 to 9 years: dân số 5 đến 9 tuổi
Population aged 10 to 14 years: dân số 10 đến 14 tuổi
Population aged 15 to 19 years: dân số 15 đến 19 tuổi
Population aged 20 to 29 years: dân số 20 đến 29 tuổi
Population aged 30 to 39 years: dân số 30 đến 39 tuổi
Population aged 40 to 49 years: dân số 40 đến 49 tuổi
Population aged 50 to 59 years: dân số 50 đến 59 tuổi
Population aged 60 to 69 years: dân số 60 đến 69 tuổi
Population aged 70 to 79 years: dân số 70 đến 79 tuổi
Population aged 80 to 89 years: dân số 80 đến 89 tuổi
Population aged 90 to 99 years: dân số 90 đến 99 tuổi
Population older than 100 years: dân số hơn 100 tuổi

Phân tích dữ liệu

Chọn ra 5 quốc gia, 5 độ tuổi và tổng dân số bằng cách rút trích các dữ liệu cần thiết để dễ dàng trong việc quan sát. bằng cách sử dụng câu lệnh filter để chọn ra các dòng dữ liệu “Name” có tên là ‘Vietnam, North Korea, Thailand, Laos, Maylaysia’từ năm 2000 trở đi và các cột dữ liệu ’Name’,‘Year’,‘Population’,‘1-4’,‘5-9’,‘10-14’,‘15-19’,‘20-29’

hnd <- read.csv("D:/naaaaaa/NNLT_ST2/population-and-demography.csv", header = T)
library(tidyverse)
library(flextable)
library(dplyr)
names(hnd)<-c('Name','Year','Population','0-1','0-5','0-15','0-25','15-64','>15','>18','1','1-4','5-9','10-14','15-19','20-29','30-39','40-49','50-59','60-69','70-79','80-89','90-99','>100')
hnd1 <- hnd %>% filter(Name =='Vietnam' & Year>2000|Name =='North Korea' & Year>2000|Name =='Thailand' & Year>2000|Name =='Laos' & Year>2000|Name =='Malaysia' & Year>2000) %>% select(Name,Year,Population,'1-4','5-9','10-14','15-19','20-29')
hnd1

##            Name Year Population     1-4     5-9   10-14   15-19    20-29
## 1          Laos 2001    5519714  643167  792994  720949  599817   912907
## 2          Laos 2002    5606103  640610  787089  739909  618149   929625
## 3          Laos 2003    5689072  636699  779506  756409  637142   948978
## 4          Laos 2004    5768170  630352  773029  767806  656836   971237
## 5          Laos 2005    5852969  621499  769698  769900  677374  1000098
## 6          Laos 2006    5946597  614629  768481  763808  696594  1035590
## 7          Laos 2007    6041355  612772  766648  755462  711590  1072845
## 8          Laos 2008    6135863  614099  761795  748903  721412  1110554
## 9          Laos 2009    6229933  617041  754060  746323  725622  1147914
## 10         Laos 2010    6323425  618567  747048  746779  725183  1184010
## 11         Laos 2011    6416331  617257  743553  747631  722260  1217396
## 12         Laos 2012    6508806  614543  743755  746514  719084  1246145
## 13         Laos 2013    6600736  611487  746461  742033  718209  1269288
## 14         Laos 2014    6691467  608758  749523  734983  720913  1286704
## 15         Laos 2015    6787420  608606  752032  729702  726071  1303286
## 16         Laos 2016    6891366  612745  752961  729287  730769  1320815
## 17         Laos 2017    6997925  619074  752483  732978  732445  1336168
## 18         Laos 2018    7105008  625141  752323  738747  730664  1350233
## 19         Laos 2019    7212058  629836  753408  744374  726503  1364242
## 20         Laos 2020    7319397  631516  757454  748198  722865  1377809
## 21         Laos 2021    7425055  630895  764037  749269  722715  1388995
## 22     Malaysia 2001   23542522 2162090 2677012 2463784 2307805  3977932
## 23     Malaysia 2002   24142448 2145746 2720887 2547125 2403763  4091585
## 24     Malaysia 2003   24739420 2134597 2741299 2624312 2493912  4227791
## 25     Malaysia 2004   25333250 2124688 2743404 2692648 2576288  4387684
## 26     Malaysia 2005   25923540 2115589 2734946 2746381 2651040  4568306
## 27     Malaysia 2006   26509416 2107771 2726505 2778749 2718855  4763320
## 28     Malaysia 2007   27092604 2099831 2723279 2791564 2777518  4970005
## 29     Malaysia 2008   27664304 2093253 2718465 2788904 2824635  5184149
## 30     Malaysia 2009   28217208 2079445 2708517 2777299 2859236  5399028
## 31     Malaysia 2010   28717728 2048415 2692370 2764662 2872140  5571731
## 32     Malaysia 2011   29184140 2010582 2671626 2757890 2865167  5690266
## 33     Malaysia 2012   29660216 1986788 2650169 2754682 2851098  5782937
## 34     Malaysia 2013   30134806 1985555 2625097 2743739 2832594  5853510
## 35     Malaysia 2014   30606454 2006224 2590714 2723411 2812401  5905267
## 36     Malaysia 2015   31068834 2042029 2550610 2701331 2795389  5936102
## 37     Malaysia 2016   31526414 2075475 2520514 2680203 2787124  5948120
## 38     Malaysia 2017   31975812 2096171 2506653 2658312 2782758  5943093
## 39     Malaysia 2018   32399270 2104545 2511536 2632430 2769106  5921110
## 40     Malaysia 2019   32804024 2098889 2540425 2597278 2745977  5892148
## 41     Malaysia 2020   33199988 2081462 2581161 2556687 2721924  5862166
## 42     Malaysia 2021   33573870 2063126 2611168 2525865 2698538  5830052
## 43  North Korea 2001   23512524 1565104 2053639 1946099 1831728  3738178
## 44  North Korea 2002   23638414 1528787 2033375 1972090 1850478  3618313
## 45  North Korea 2003   23781706 1497943 2004958 2000307 1870020  3527553
## 46  North Korea 2004   23948936 1469187 1975498 2025345 1889308  3490362
## 47  North Korea 2005   24100980 1442948 1943194 2039361 1908856  3480603
## 48  North Korea 2006   24235764 1416262 1909495 2038516 1932744  3498651
## 49  North Korea 2007   24356508 1388047 1876877 2023154 1961208  3538469
## 50  North Korea 2008   24469050 1364128 1842908 1997292 1990583  3583940
## 51  North Korea 2009   24581508 1344765 1809107 1967868 2015376  3626657
## 52  North Korea 2010   24686436 1330433 1777014 1935736 2029347  3668752
## 53  North Korea 2011   24783790 1310198 1742989 1902315 2028674  3715075
## 54  North Korea 2012   24887770 1284523 1710453 1870037 2013698  3764068
## 55  North Korea 2013   25001824 1264626 1686117 1836443 1988378  3814250
## 56  North Korea 2014   25126140 1253437 1666049 1803004 1959534  3859011
## 57  North Korea 2015   25258012 1263795 1638535 1771047 1927553  3892136
## 58  North Korea 2016   25389614 1290556 1608420 1736939 1893881  3913728
## 59  North Korea 2017   25516318 1315407 1587892 1704283 1861379  3925518
## 60  North Korea 2018   25638152 1334482 1575755 1679765 1827575  3927869
## 61  North Korea 2019   25755442 1347009 1572787 1659481 1793928  3922137
## 62  North Korea 2020   25867474 1354794 1589574 1631942 1762031  3903256
## 63  North Korea 2021   25971910 1359431 1619406 1601969 1728235  3868881
## 64     Thailand 2001   63649892 3656043 5104097 5291553 5519353  9771710
## 65     Thailand 2002   64222576 3539763 5056243 5217875 5461544  9931929
## 66     Thailand 2003   64776960 3456987 4998212 5150660 5365148 10107700
## 67     Thailand 2004   65311164 3406068 4907954 5101782 5263796 10248438
## 68     Thailand 2005   65821360 3369012 4779118 5076646 5183138 10358181
## 69     Thailand 2006   66319530 3328176 4633309 5064441 5139354 10432536
## 70     Thailand 2007   66826750 3292705 4495949 5056779 5103533 10458379
## 71     Thailand 2008   67328240 3273730 4377361 5039141 5060969 10434545
## 72     Thailand 2009   67813656 3267385 4287356 4988749 5025309 10365367
## 73     Thailand 2010   68270490 3266170 4212082 4879957 5020528 10308674
## 74     Thailand 2011   68712850 3261602 4146665 4719446 5040700 10282709
## 75     Thailand 2012   69157020 3254329 4105760 4550725 5061146 10231567
## 76     Thailand 2013   69578600 3246681 4088973 4403059 5056890 10161687
## 77     Thailand 2014   69960940 3226369 4084697 4293825 5002749 10107045
## 78     Thailand 2015   70294410 3189688 4079993 4211364 4886816 10095988
## 79     Thailand 2016   70607030 3131520 4075376 4146488 4726838 10135170
## 80     Thailand 2017   70898210 3051837 4067867 4105913 4559297 10171462
## 81     Thailand 2018   71127810 2966644 4044670 4088375 4408977 10147854
## 82     Thailand 2019   71307770 2883419 4001845 4083107 4295657 10064242
## 83     Thailand 2020   71475660 2804279 3942321 4078340 4212015  9944581
## 84     Thailand 2021   71601100 2732588 3860904 4073313 4146021  9794190
## 85      Vietnam 2001   79817770 5622948 8380240 8930278 8620240 14790633
## 86      Vietnam 2002   80642300 5559458 8033526 8902326 8607017 15055157
## 87      Vietnam 2003   81475816 5564649 7673906 8852584 8575405 15263316
## 88      Vietnam 2004   82311230 5610030 7346731 8747842 8541516 15439871
## 89      Vietnam 2005   83142100 5659262 7106903 8556134 8516735 15600101
## 90      Vietnam 2006   83951800 5694287 6973193 8272481 8504375 15734694
## 91      Vietnam 2007   84762270 5688865 6930809 7932526 8496772 15844888
## 92      Vietnam 2008   85597230 5669742 6948863 7581057 8473485 15929809
## 93      Vietnam 2009   86482920 5667191 6999177 7271271 8423706 16016362
## 94      Vietnam 2010   87411016 5678647 7047544 7053520 8312253 16125880
## 95      Vietnam 2011   88349100 5715787 7062909 6933724 8102562 16239842
## 96      Vietnam 2012   89301330 5766479 7057241 6897846 7822469 16338180
## 97      Vietnam 2013   90267736 5819866 7060268 6918091 7515494 16406260
## 98      Vietnam 2014   91235500 5886974 7070996 6968784 7227021 16422823
## 99      Vietnam 2015   92191400 5960859 7088078 7017172 7012758 16362801
## 100     Vietnam 2016   93126530 6022399 7137436 7032703 6893662 16216320
## 101     Vietnam 2017   94033050 6051516 7211593 7027354 6858329 16004474
## 102     Vietnam 2018   94914330 6038188 7290955 7030804 6879217 15745344
## 103     Vietnam 2019   95776710 6001151 7370019 7041759 6930338 15447534
## 104     Vietnam 2020   96648680 5957775 7443781 7059237 6979806 15132400
## 105     Vietnam 2021   97468024 5914593 7496645 7109512 6997474 14810058

Trong giai đoạn 2001-2021, ta thấy dân số các năm sau đều cao hơn so với năm trước đó, thể hiển tốc độ tăng trưởng dân số tăng lên ở mức bình. Các quốc gia ở Châu Á và Châu Phi có xu hướng tăng nhanh ít nhất là 2 lần.

Mã hóa dữ liệu

Thêm một cột Na.Code để chia North Korea với 4 nước còn lại

hnd2 <- hnd1
hnd2$Na.Code <- ifelse(hnd2$Name == 'North Korea','North Korea','Not North Korea')

Thêm một cột Pop.Code để chia dân số thành 3 nhóm: nhóm 1 với số dân nhỏ hơn 100000000, nhóm 2 với số dân từ 100000000 đến 999999999 , nhóm 3 với số dân lớn hơn 1000000000

hnd2$Population.Code <- case_when(hnd2$Population < 9999999 ~ 'Mật độ thấp', hnd2$Population >= 10000000 & hnd2$Population <= 60000000 ~ 'Mật độ trung bình', hnd2$Population >60000000 ~ 'Mật độ cao')

hnd2

##            Name Year Population     1-4     5-9   10-14   15-19    20-29
## 1          Laos 2001    5519714  643167  792994  720949  599817   912907
## 2          Laos 2002    5606103  640610  787089  739909  618149   929625
## 3          Laos 2003    5689072  636699  779506  756409  637142   948978
## 4          Laos 2004    5768170  630352  773029  767806  656836   971237
## 5          Laos 2005    5852969  621499  769698  769900  677374  1000098
## 6          Laos 2006    5946597  614629  768481  763808  696594  1035590
## 7          Laos 2007    6041355  612772  766648  755462  711590  1072845
## 8          Laos 2008    6135863  614099  761795  748903  721412  1110554
## 9          Laos 2009    6229933  617041  754060  746323  725622  1147914
## 10         Laos 2010    6323425  618567  747048  746779  725183  1184010
## 11         Laos 2011    6416331  617257  743553  747631  722260  1217396
## 12         Laos 2012    6508806  614543  743755  746514  719084  1246145
## 13         Laos 2013    6600736  611487  746461  742033  718209  1269288
## 14         Laos 2014    6691467  608758  749523  734983  720913  1286704
## 15         Laos 2015    6787420  608606  752032  729702  726071  1303286
## 16         Laos 2016    6891366  612745  752961  729287  730769  1320815
## 17         Laos 2017    6997925  619074  752483  732978  732445  1336168
## 18         Laos 2018    7105008  625141  752323  738747  730664  1350233
## 19         Laos 2019    7212058  629836  753408  744374  726503  1364242
## 20         Laos 2020    7319397  631516  757454  748198  722865  1377809
## 21         Laos 2021    7425055  630895  764037  749269  722715  1388995
## 22     Malaysia 2001   23542522 2162090 2677012 2463784 2307805  3977932
## 23     Malaysia 2002   24142448 2145746 2720887 2547125 2403763  4091585
## 24     Malaysia 2003   24739420 2134597 2741299 2624312 2493912  4227791
## 25     Malaysia 2004   25333250 2124688 2743404 2692648 2576288  4387684
## 26     Malaysia 2005   25923540 2115589 2734946 2746381 2651040  4568306
## 27     Malaysia 2006   26509416 2107771 2726505 2778749 2718855  4763320
## 28     Malaysia 2007   27092604 2099831 2723279 2791564 2777518  4970005
## 29     Malaysia 2008   27664304 2093253 2718465 2788904 2824635  5184149
## 30     Malaysia 2009   28217208 2079445 2708517 2777299 2859236  5399028
## 31     Malaysia 2010   28717728 2048415 2692370 2764662 2872140  5571731
## 32     Malaysia 2011   29184140 2010582 2671626 2757890 2865167  5690266
## 33     Malaysia 2012   29660216 1986788 2650169 2754682 2851098  5782937
## 34     Malaysia 2013   30134806 1985555 2625097 2743739 2832594  5853510
## 35     Malaysia 2014   30606454 2006224 2590714 2723411 2812401  5905267
## 36     Malaysia 2015   31068834 2042029 2550610 2701331 2795389  5936102
## 37     Malaysia 2016   31526414 2075475 2520514 2680203 2787124  5948120
## 38     Malaysia 2017   31975812 2096171 2506653 2658312 2782758  5943093
## 39     Malaysia 2018   32399270 2104545 2511536 2632430 2769106  5921110
## 40     Malaysia 2019   32804024 2098889 2540425 2597278 2745977  5892148
## 41     Malaysia 2020   33199988 2081462 2581161 2556687 2721924  5862166
## 42     Malaysia 2021   33573870 2063126 2611168 2525865 2698538  5830052
## 43  North Korea 2001   23512524 1565104 2053639 1946099 1831728  3738178
## 44  North Korea 2002   23638414 1528787 2033375 1972090 1850478  3618313
## 45  North Korea 2003   23781706 1497943 2004958 2000307 1870020  3527553
## 46  North Korea 2004   23948936 1469187 1975498 2025345 1889308  3490362
## 47  North Korea 2005   24100980 1442948 1943194 2039361 1908856  3480603
## 48  North Korea 2006   24235764 1416262 1909495 2038516 1932744  3498651
## 49  North Korea 2007   24356508 1388047 1876877 2023154 1961208  3538469
## 50  North Korea 2008   24469050 1364128 1842908 1997292 1990583  3583940
## 51  North Korea 2009   24581508 1344765 1809107 1967868 2015376  3626657
## 52  North Korea 2010   24686436 1330433 1777014 1935736 2029347  3668752
## 53  North Korea 2011   24783790 1310198 1742989 1902315 2028674  3715075
## 54  North Korea 2012   24887770 1284523 1710453 1870037 2013698  3764068
## 55  North Korea 2013   25001824 1264626 1686117 1836443 1988378  3814250
## 56  North Korea 2014   25126140 1253437 1666049 1803004 1959534  3859011
## 57  North Korea 2015   25258012 1263795 1638535 1771047 1927553  3892136
## 58  North Korea 2016   25389614 1290556 1608420 1736939 1893881  3913728
## 59  North Korea 2017   25516318 1315407 1587892 1704283 1861379  3925518
## 60  North Korea 2018   25638152 1334482 1575755 1679765 1827575  3927869
## 61  North Korea 2019   25755442 1347009 1572787 1659481 1793928  3922137
## 62  North Korea 2020   25867474 1354794 1589574 1631942 1762031  3903256
## 63  North Korea 2021   25971910 1359431 1619406 1601969 1728235  3868881
## 64     Thailand 2001   63649892 3656043 5104097 5291553 5519353  9771710
## 65     Thailand 2002   64222576 3539763 5056243 5217875 5461544  9931929
## 66     Thailand 2003   64776960 3456987 4998212 5150660 5365148 10107700
## 67     Thailand 2004   65311164 3406068 4907954 5101782 5263796 10248438
## 68     Thailand 2005   65821360 3369012 4779118 5076646 5183138 10358181
## 69     Thailand 2006   66319530 3328176 4633309 5064441 5139354 10432536
## 70     Thailand 2007   66826750 3292705 4495949 5056779 5103533 10458379
## 71     Thailand 2008   67328240 3273730 4377361 5039141 5060969 10434545
## 72     Thailand 2009   67813656 3267385 4287356 4988749 5025309 10365367
## 73     Thailand 2010   68270490 3266170 4212082 4879957 5020528 10308674
## 74     Thailand 2011   68712850 3261602 4146665 4719446 5040700 10282709
## 75     Thailand 2012   69157020 3254329 4105760 4550725 5061146 10231567
## 76     Thailand 2013   69578600 3246681 4088973 4403059 5056890 10161687
## 77     Thailand 2014   69960940 3226369 4084697 4293825 5002749 10107045
## 78     Thailand 2015   70294410 3189688 4079993 4211364 4886816 10095988
## 79     Thailand 2016   70607030 3131520 4075376 4146488 4726838 10135170
## 80     Thailand 2017   70898210 3051837 4067867 4105913 4559297 10171462
## 81     Thailand 2018   71127810 2966644 4044670 4088375 4408977 10147854
## 82     Thailand 2019   71307770 2883419 4001845 4083107 4295657 10064242
## 83     Thailand 2020   71475660 2804279 3942321 4078340 4212015  9944581
## 84     Thailand 2021   71601100 2732588 3860904 4073313 4146021  9794190
## 85      Vietnam 2001   79817770 5622948 8380240 8930278 8620240 14790633
## 86      Vietnam 2002   80642300 5559458 8033526 8902326 8607017 15055157
## 87      Vietnam 2003   81475816 5564649 7673906 8852584 8575405 15263316
## 88      Vietnam 2004   82311230 5610030 7346731 8747842 8541516 15439871
## 89      Vietnam 2005   83142100 5659262 7106903 8556134 8516735 15600101
## 90      Vietnam 2006   83951800 5694287 6973193 8272481 8504375 15734694
## 91      Vietnam 2007   84762270 5688865 6930809 7932526 8496772 15844888
## 92      Vietnam 2008   85597230 5669742 6948863 7581057 8473485 15929809
## 93      Vietnam 2009   86482920 5667191 6999177 7271271 8423706 16016362
## 94      Vietnam 2010   87411016 5678647 7047544 7053520 8312253 16125880
## 95      Vietnam 2011   88349100 5715787 7062909 6933724 8102562 16239842
## 96      Vietnam 2012   89301330 5766479 7057241 6897846 7822469 16338180
## 97      Vietnam 2013   90267736 5819866 7060268 6918091 7515494 16406260
## 98      Vietnam 2014   91235500 5886974 7070996 6968784 7227021 16422823
## 99      Vietnam 2015   92191400 5960859 7088078 7017172 7012758 16362801
## 100     Vietnam 2016   93126530 6022399 7137436 7032703 6893662 16216320
## 101     Vietnam 2017   94033050 6051516 7211593 7027354 6858329 16004474
## 102     Vietnam 2018   94914330 6038188 7290955 7030804 6879217 15745344
## 103     Vietnam 2019   95776710 6001151 7370019 7041759 6930338 15447534
## 104     Vietnam 2020   96648680 5957775 7443781 7059237 6979806 15132400
## 105     Vietnam 2021   97468024 5914593 7496645 7109512 6997474 14810058
##             Na.Code   Population.Code
## 1   Not North Korea       Mật độ thấp
## 2   Not North Korea       Mật độ thấp
## 3   Not North Korea       Mật độ thấp
## 4   Not North Korea       Mật độ thấp
## 5   Not North Korea       Mật độ thấp
## 6   Not North Korea       Mật độ thấp
## 7   Not North Korea       Mật độ thấp
## 8   Not North Korea       Mật độ thấp
## 9   Not North Korea       Mật độ thấp
## 10  Not North Korea       Mật độ thấp
## 11  Not North Korea       Mật độ thấp
## 12  Not North Korea       Mật độ thấp
## 13  Not North Korea       Mật độ thấp
## 14  Not North Korea       Mật độ thấp
## 15  Not North Korea       Mật độ thấp
## 16  Not North Korea       Mật độ thấp
## 17  Not North Korea       Mật độ thấp
## 18  Not North Korea       Mật độ thấp
## 19  Not North Korea       Mật độ thấp
## 20  Not North Korea       Mật độ thấp
## 21  Not North Korea       Mật độ thấp
## 22  Not North Korea Mật độ trung bình
## 23  Not North Korea Mật độ trung bình
## 24  Not North Korea Mật độ trung bình
## 25  Not North Korea Mật độ trung bình
## 26  Not North Korea Mật độ trung bình
## 27  Not North Korea Mật độ trung bình
## 28  Not North Korea Mật độ trung bình
## 29  Not North Korea Mật độ trung bình
## 30  Not North Korea Mật độ trung bình
## 31  Not North Korea Mật độ trung bình
## 32  Not North Korea Mật độ trung bình
## 33  Not North Korea Mật độ trung bình
## 34  Not North Korea Mật độ trung bình
## 35  Not North Korea Mật độ trung bình
## 36  Not North Korea Mật độ trung bình
## 37  Not North Korea Mật độ trung bình
## 38  Not North Korea Mật độ trung bình
## 39  Not North Korea Mật độ trung bình
## 40  Not North Korea Mật độ trung bình
## 41  Not North Korea Mật độ trung bình
## 42  Not North Korea Mật độ trung bình
## 43      North Korea Mật độ trung bình
## 44      North Korea Mật độ trung bình
## 45      North Korea Mật độ trung bình
## 46      North Korea Mật độ trung bình
## 47      North Korea Mật độ trung bình
## 48      North Korea Mật độ trung bình
## 49      North Korea Mật độ trung bình
## 50      North Korea Mật độ trung bình
## 51      North Korea Mật độ trung bình
## 52      North Korea Mật độ trung bình
## 53      North Korea Mật độ trung bình
## 54      North Korea Mật độ trung bình
## 55      North Korea Mật độ trung bình
## 56      North Korea Mật độ trung bình
## 57      North Korea Mật độ trung bình
## 58      North Korea Mật độ trung bình
## 59      North Korea Mật độ trung bình
## 60      North Korea Mật độ trung bình
## 61      North Korea Mật độ trung bình
## 62      North Korea Mật độ trung bình
## 63      North Korea Mật độ trung bình
## 64  Not North Korea        Mật độ cao
## 65  Not North Korea        Mật độ cao
## 66  Not North Korea        Mật độ cao
## 67  Not North Korea        Mật độ cao
## 68  Not North Korea        Mật độ cao
## 69  Not North Korea        Mật độ cao
## 70  Not North Korea        Mật độ cao
## 71  Not North Korea        Mật độ cao
## 72  Not North Korea        Mật độ cao
## 73  Not North Korea        Mật độ cao
## 74  Not North Korea        Mật độ cao
## 75  Not North Korea        Mật độ cao
## 76  Not North Korea        Mật độ cao
## 77  Not North Korea        Mật độ cao
## 78  Not North Korea        Mật độ cao
## 79  Not North Korea        Mật độ cao
## 80  Not North Korea        Mật độ cao
## 81  Not North Korea        Mật độ cao
## 82  Not North Korea        Mật độ cao
## 83  Not North Korea        Mật độ cao
## 84  Not North Korea        Mật độ cao
## 85  Not North Korea        Mật độ cao
## 86  Not North Korea        Mật độ cao
## 87  Not North Korea        Mật độ cao
## 88  Not North Korea        Mật độ cao
## 89  Not North Korea        Mật độ cao
## 90  Not North Korea        Mật độ cao
## 91  Not North Korea        Mật độ cao
## 92  Not North Korea        Mật độ cao
## 93  Not North Korea        Mật độ cao
## 94  Not North Korea        Mật độ cao
## 95  Not North Korea        Mật độ cao
## 96  Not North Korea        Mật độ cao
## 97  Not North Korea        Mật độ cao
## 98  Not North Korea        Mật độ cao
## 99  Not North Korea        Mật độ cao
## 100 Not North Korea        Mật độ cao
## 101 Not North Korea        Mật độ cao
## 102 Not North Korea        Mật độ cao
## 103 Not North Korea        Mật độ cao
## 104 Not North Korea        Mật độ cao
## 105 Not North Korea        Mật độ cao

hnd3 <- hnd2$Population.Coded <- cut(hnd2$Population,3,labels = c('Mật độ thấp','Mật độ trung bình','Mật độ cao'))

Lập bảng tần số cho dữ liệu

Tần suất xuất hiện của từng quốc gia trong dữ liệu

Các quốc gia đều đểu thể hiển số dân số của nước mình trong giai đoạn 2001-2021

ndip <- hnd1
table(ndip$Name)

## 
##        Laos    Malaysia North Korea    Thailand     Vietnam 
##          21          21          21          21          21

Lập bảng tần số về tổng dân số của nước có Mật độ dân số thấp, Mật độ dân số trung bình và Mật độ dân số cao

Mật độ dân số giữ các quốc gia không đồng đều, điều đó còn phụ thuộc vào nền kinh tế hoặc các yếu tố khác ở từng quốc gia

table(hnd2$Population.Coded)

## 
##       Mật độ thấp Mật độ trung bình        Mật độ cao 
##                63                 6                36

Phân tích dữ liệu theo quốc gia và theo thời gian

Tính các đặc trưng đo lường theo độ tuổi từ 20-29 tuổi của 5 quốc gia

Dân số cao nhất, thấp nhất và trung vị ở độ tuổi 20-29

b <- summary(hnd1$"20-29")
b

##     Min.  1st Qu.   Median     Mean  3rd Qu.     Max. 
##   912907  3583940  5690266  7230850 10308674 16422823

và kết quả thu được là: ở độ tuổi từ 20-29 thì dân số thấp nhất là 912907, cao nhất là 16422823, trung vị là 5690266

Tổng dân số ở tuổi 20-29 giai đoạn 2001-2021

o <- sum(hnd1$"20-29")
o

## [1] 759239249

và kết quả thu được sau khi dùng lệnh là 759239249

Tính giá trị dân số trung bình trong độ tuổi 20-29 giai đoạn 2001-2021

b0 <- mean(hnd1$"20-29",na.rm = T)
b0

## [1] 7230850

và kết quả thu được sau khi dùng lệnh là 7230850

Tính số phần tử có trong tập dữ liệu

b1 <- length(hnd1$"20-29")
b1

## [1] 105

Và kết quả thu được là 105 phần tử

Tính phương sai của các giá trị trong tập dữ liệu đã chọn

b2 <- var(hnd1$"20-29")
b2

## [1] 2.720207e+13

Và kết quả thu được là 2.720207e+13

Tính độ lệch chuẩn của các giá trị trong tập dữ liệu đã chọn

b3 <- sd(hnd1$"20-29")
b3

## [1] 5215560

Và kết quả thu được là 5215560

Nhiệm vụ 3.2

Tóm tắt

Khi phân tích về các bài hát trên ứng dụng nghe nhạc Spotify năm 2023, chúng ta nhận thấy được các thể loại âm nhạc mang nhiều màu sắc khác nhau:

Tập dữ liệu này chứa danh sách đầy đủ các bài hát nổi tiếng nhất năm 2023 được liệt kê trên Spotify.
Tập dữ liệu cung cấp nhiều tính năng vượt xa những tính năng thường có trong các tập dữ liệu tương tự.
Nó cung cấp thông tin chi tiết về thuộc tính, mức độ phổ biến và sự hiện diện của từng bài hát trên các nền tảng âm nhạc khác nhau.
Tập dữ liệu bao gồm các thông tin như tên bản nhạc, tên nghệ sĩ, ngày phát hành, danh sách phát và biểu đồ Spotify, số liệu thống kê phát trực tuyến, sự hiện diện của Apple Music, sự hiện diện của Deezer, biểu đồ Shazam và các tính năng âm thanh khác nhau.

track_name: Tên bài hát
artist(s)_name: Ca sĩ
artist_count: Số lượng nghệ sĩ góp giọng vào bài hát
released_year: Năm bài hát được phát hành
released_month: Tháng bài hát được phát hành
released_day: Ngày trong tháng bài hát được phát hành
in_spotify_playlists: Số danh sách phát Spotify có bài hát đó
in_spotify_charts: Sự hiện diện và thứ hạng của bài hát trên bảng xếp hạng
streams:Tổng số lượt phát trực tuyến trên Spotify
in_apple_playlists: Số danh sách phát Apple Music có bài hát đó
in_apple_charts: Sự hiện diện và thứ hạng của bài hát trên bảng xếp hạng Apple Music
in_deezer_playlists: Số danh sách phát Deezer có bài hát đó
in_deezer_charts: Sự hiện diện và thứ hạng của bài hát trên bảng xếp hạng Deezer
in_shazam_charts: Sự hiện diện và thứ hạng của bài hát trên bảng xếp hạng Shazam
bpm: Nhịp mỗi phút, thước đo nhịp độ bài hát
key: Phím của bài hát
mode: Chế độ của bài hát (trưởng hoặc thứ)
danceability_%: Phần trăm cho biết mức độ phù hợp của bài hát để khiêu vũ
valence_%: Tính tích cực của nội dung âm nhạc của bài hát
energy_%: Mức năng lượng cảm nhận được của bài hát
acousticness_%: Lượng âm thanh acoustic trong bài hát
instrumentalness_%:Lượng nội dung nhạc cụ trong bài hát
liveness_%: Sự hiện diện của các yếu tố biểu diễn trực tiếp
speechiness_%: Lượng từ được nói trong bài hát

Phân tích dữ liệu

Chọn ra 5 ca sĩ, 5 bài hát và năm phát hành bài hát bằng cách rút trích các dữ liệu cần thiết để dễ dàng trong việc quan sát.

ktpt <- read.csv("D:/naaaaaa/NNLT_ST2/spotify-2023.csv", header = T)
names(ktpt) <- c('BH','CS','SL','year','month','day','Playlists','BXH','streams','appleplaylists','applecharts','deezerplaylists','deezercharts','shazamcharts','bpm','key','mode','danceability','valence','energy','acousticness','instrumentalness','liveness','speechiness')
ktpt1 <- ktpt %>% filter (CS =='Troye Sivan'|CS =='Taylor Swift'|CS =='JVKE'|CS =='BTS'|CS =='Ed Sheeran') %>% select(BH,CS,SL,Playlists,BXH,streams)

ktpt1

##                                                                      BH
## 1                                                          Cruel Summer
## 2                         I Can See You (Taylor���s Version) (From The 
## 3                                                                  Rush
## 4                                                             Anti-Hero
## 5                                                           Blank Space
## 6                                                                 Style
## 7                                                              cardigan
## 8                                                                 Karma
## 9                                          Enchanted (Taylor's Version)
## 10                                                          golden hour
## 11                                  Back To December (Taylor's Version)
## 12                                                           Don���t Bl
## 13                                                             Take Two
## 14                                                                Lover
## 15                                              Mine (Taylor's Version)
## 16                                                               august
## 17                                                              Perfect
## 18                                                            Enchanted
## 19                                                         Shake It Off
## 20                                                         Shape of You
## 21                                    You Belong With Me (Taylor���s Ve
## 22                               Better Than Revenge (Taylor's Version)
## 23                                                       Hits Different
## 24                                                          Eyes Closed
## 25                                                        Lavender Haze
## 26                                                             Curtains
## 27                                    All Of The Girls You Loved Before
## 28                                                              Shivers
## 29                                                        Midnight Rain
## 30                                                           Bad Habits
## 31                                              You're On Your Own, Kid
## 32                                                               Maroon
## 33                                                            Bejeweled
## 34 All Too Well (10 Minute Version) (Taylor's Version) (From The Vault)
## 35                                                               Butter
## 36                                                             Dynamite
## 37                                                  Permission to Dance
## 38                                                    Thinking Out Loud
## 39                              this is what falling in love feels like
## 40                                                           Angel Baby
## 41                                                           Photograph
## 42                                             This Love (Taylor���s Ve
## 43                                                          Yet To Come
## 44                                                              Run BTS
## 45                                                            For Youth
## 46                                                          Born Singer
## 47                                                            Celestial
## 48                                                       Vigilante Shit
## 49                                                         Question...?
## 50                                                           Mastermind
## 51                                                            Labyrinth
## 52                                                        Sweet Nothing
## 53                                        Would've, Could've, Should've
## 54                                                        The Great War
## 55                                            Bigger Than The Whole Sky
##              CS SL Playlists BXH    streams
## 1  Taylor Swift  1      7858 100  800840817
## 2  Taylor Swift  1       516  38   52135248
## 3   Troye Sivan  1       864  78   22581161
## 4  Taylor Swift  1      9082  56  999748277
## 5  Taylor Swift  1     11434  53 1355959075
## 6  Taylor Swift  1      7830  42  786181836
## 7  Taylor Swift  1      7923  29  812019557
## 8  Taylor Swift  1      3818  23  404562836
## 9  Taylor Swift  1       148  24   39578178
## 10         JVKE  1      4511  36  751134527
## 11 Taylor Swift  1       139  17   39228929
## 12 Taylor Swift  1      4875  23  685032533
## 13          BTS  1       674  47  118482347
## 14 Taylor Swift  1      8448  23  882831184
## 15 Taylor Swift  1        99  15   36912123
## 16 Taylor Swift  1      7324  22  607123776
## 17   Ed Sheeran  1     16596  13 2559529074
## 18 Taylor Swift  1      4564  16  621660989
## 19 Taylor Swift  1     21335  13 1113838873
## 20   Ed Sheeran  1     32181  10 3562543890
## 21 Taylor Swift  1      2619  12  350381515
## 22 Taylor Swift  1        86  11   30343206
## 23 Taylor Swift  1       547   0   68616963
## 24   Ed Sheeran  1      2915  30  195576623
## 25 Taylor Swift  1      3763   8  488386797
## 26   Ed Sheeran  1       715   0   39893489
## 27 Taylor Swift  1      1282   6  185240616
## 28   Ed Sheeran  1     10147  30 1302184087
## 29 Taylor Swift  1      2612   4  433356509
## 30   Ed Sheeran  1     12755   8 1555511105
## 31 Taylor Swift  1      2537   2  348647203
## 32 Taylor Swift  1      2304   0  317726339
## 33 Taylor Swift  1      2699   0  328207708
## 34 Taylor Swift  1      4635   5  583687007
## 35          BTS  1      4779   6 1143647827
## 36          BTS  1      8528   5 1692897992
## 37          BTS  1      1801   2  608334048
## 38   Ed Sheeran  1     33032   0 2280566092
## 39         JVKE  1      2005   0  346127840
## 40  Troye Sivan  1      1959   9  408843328
## 41   Ed Sheeran  1     18778   3 2236667932
## 42 Taylor Swift  1      1492   0  132171975
## 43          BTS  1       829   0  302006641
## 44          BTS  1       736   0  330881149
## 45          BTS  1       327   0  114546317
## 46          BTS  1       279   0   79095270
## 47   Ed Sheeran  1      1639   0  176474912
## 48 Taylor Swift  1      1948   0  253650850
## 49 Taylor Swift  1      1608   0  223064273
## 50 Taylor Swift  1      1936   0  218320587
## 51 Taylor Swift  1      1597   0  187339835
## 52 Taylor Swift  1      1747   0  186104310
## 53 Taylor Swift  1      1715   0  177503916
## 54 Taylor Swift  1      1274   0  181382590
## 55 Taylor Swift  1      1180   0  121871870

Mã hóa dữ liệu

Thêm một cột Na.Code để chia BTS với ca sĩ còn lại

ktpt2 <- ktpt1
ktpt2$Na.Code <- ifelse(ktpt2$CS == 'BTS','BTS','Not BTS')
ktpt2

##                                                                      BH
## 1                                                          Cruel Summer
## 2                         I Can See You (Taylor���s Version) (From The 
## 3                                                                  Rush
## 4                                                             Anti-Hero
## 5                                                           Blank Space
## 6                                                                 Style
## 7                                                              cardigan
## 8                                                                 Karma
## 9                                          Enchanted (Taylor's Version)
## 10                                                          golden hour
## 11                                  Back To December (Taylor's Version)
## 12                                                           Don���t Bl
## 13                                                             Take Two
## 14                                                                Lover
## 15                                              Mine (Taylor's Version)
## 16                                                               august
## 17                                                              Perfect
## 18                                                            Enchanted
## 19                                                         Shake It Off
## 20                                                         Shape of You
## 21                                    You Belong With Me (Taylor���s Ve
## 22                               Better Than Revenge (Taylor's Version)
## 23                                                       Hits Different
## 24                                                          Eyes Closed
## 25                                                        Lavender Haze
## 26                                                             Curtains
## 27                                    All Of The Girls You Loved Before
## 28                                                              Shivers
## 29                                                        Midnight Rain
## 30                                                           Bad Habits
## 31                                              You're On Your Own, Kid
## 32                                                               Maroon
## 33                                                            Bejeweled
## 34 All Too Well (10 Minute Version) (Taylor's Version) (From The Vault)
## 35                                                               Butter
## 36                                                             Dynamite
## 37                                                  Permission to Dance
## 38                                                    Thinking Out Loud
## 39                              this is what falling in love feels like
## 40                                                           Angel Baby
## 41                                                           Photograph
## 42                                             This Love (Taylor���s Ve
## 43                                                          Yet To Come
## 44                                                              Run BTS
## 45                                                            For Youth
## 46                                                          Born Singer
## 47                                                            Celestial
## 48                                                       Vigilante Shit
## 49                                                         Question...?
## 50                                                           Mastermind
## 51                                                            Labyrinth
## 52                                                        Sweet Nothing
## 53                                        Would've, Could've, Should've
## 54                                                        The Great War
## 55                                            Bigger Than The Whole Sky
##              CS SL Playlists BXH    streams Na.Code
## 1  Taylor Swift  1      7858 100  800840817 Not BTS
## 2  Taylor Swift  1       516  38   52135248 Not BTS
## 3   Troye Sivan  1       864  78   22581161 Not BTS
## 4  Taylor Swift  1      9082  56  999748277 Not BTS
## 5  Taylor Swift  1     11434  53 1355959075 Not BTS
## 6  Taylor Swift  1      7830  42  786181836 Not BTS
## 7  Taylor Swift  1      7923  29  812019557 Not BTS
## 8  Taylor Swift  1      3818  23  404562836 Not BTS
## 9  Taylor Swift  1       148  24   39578178 Not BTS
## 10         JVKE  1      4511  36  751134527 Not BTS
## 11 Taylor Swift  1       139  17   39228929 Not BTS
## 12 Taylor Swift  1      4875  23  685032533 Not BTS
## 13          BTS  1       674  47  118482347     BTS
## 14 Taylor Swift  1      8448  23  882831184 Not BTS
## 15 Taylor Swift  1        99  15   36912123 Not BTS
## 16 Taylor Swift  1      7324  22  607123776 Not BTS
## 17   Ed Sheeran  1     16596  13 2559529074 Not BTS
## 18 Taylor Swift  1      4564  16  621660989 Not BTS
## 19 Taylor Swift  1     21335  13 1113838873 Not BTS
## 20   Ed Sheeran  1     32181  10 3562543890 Not BTS
## 21 Taylor Swift  1      2619  12  350381515 Not BTS
## 22 Taylor Swift  1        86  11   30343206 Not BTS
## 23 Taylor Swift  1       547   0   68616963 Not BTS
## 24   Ed Sheeran  1      2915  30  195576623 Not BTS
## 25 Taylor Swift  1      3763   8  488386797 Not BTS
## 26   Ed Sheeran  1       715   0   39893489 Not BTS
## 27 Taylor Swift  1      1282   6  185240616 Not BTS
## 28   Ed Sheeran  1     10147  30 1302184087 Not BTS
## 29 Taylor Swift  1      2612   4  433356509 Not BTS
## 30   Ed Sheeran  1     12755   8 1555511105 Not BTS
## 31 Taylor Swift  1      2537   2  348647203 Not BTS
## 32 Taylor Swift  1      2304   0  317726339 Not BTS
## 33 Taylor Swift  1      2699   0  328207708 Not BTS
## 34 Taylor Swift  1      4635   5  583687007 Not BTS
## 35          BTS  1      4779   6 1143647827     BTS
## 36          BTS  1      8528   5 1692897992     BTS
## 37          BTS  1      1801   2  608334048     BTS
## 38   Ed Sheeran  1     33032   0 2280566092 Not BTS
## 39         JVKE  1      2005   0  346127840 Not BTS
## 40  Troye Sivan  1      1959   9  408843328 Not BTS
## 41   Ed Sheeran  1     18778   3 2236667932 Not BTS
## 42 Taylor Swift  1      1492   0  132171975 Not BTS
## 43          BTS  1       829   0  302006641     BTS
## 44          BTS  1       736   0  330881149     BTS
## 45          BTS  1       327   0  114546317     BTS
## 46          BTS  1       279   0   79095270     BTS
## 47   Ed Sheeran  1      1639   0  176474912 Not BTS
## 48 Taylor Swift  1      1948   0  253650850 Not BTS
## 49 Taylor Swift  1      1608   0  223064273 Not BTS
## 50 Taylor Swift  1      1936   0  218320587 Not BTS
## 51 Taylor Swift  1      1597   0  187339835 Not BTS
## 52 Taylor Swift  1      1747   0  186104310 Not BTS
## 53 Taylor Swift  1      1715   0  177503916 Not BTS
## 54 Taylor Swift  1      1274   0  181382590 Not BTS
## 55 Taylor Swift  1      1180   0  121871870 Not BTS

Lập bảng tần số cho dữ liệu

Tần suất xuất hiện của các ca sĩ trong dữ liệu

Các ca sĩ đều có nhiều bài hát được xuất hiện trong Spotify

ktpt <- ktpt1
table(ktpt$CS)

## 
##          BTS   Ed Sheeran         JVKE Taylor Swift  Troye Sivan 
##            8            9            2           34            2

---
title: "Nhiệm vụ 3"
author: "hnd"
date: "`r format(Sys.time(), '%H:%M:%S, %d - %m - %Y')`"
output: 
 html_document: 
   code_download: true
   code_folding: hide
   toc_float: true
   toc: true
   highlight: tango
---

```{r setup,include=FALSE}
knitr::opts_chunk$set(echo = TRUE, warning = FALSE, message = FALSE)
```
# **Nhiệm vụ 3.1** 
<ol>

<h2> <li> Tóm tắt </li> </h2>
Khi phân tích về dân số của các quốc gia trên Thế giới từ 1950-2021, chúng ta nhận thấy được tốc độ tăng trưởng dân số, độ tuổi trung bình của dân số giữa các quốc gia với nhau:

<ul>

<li> Tốc độ tăng trưởng dân số thế giới đạt mức cao nhất trong khoảng thời gian từ năm 1965 đến năm 1970, khi số lượng người trên thế giới tăng trung bình 2,1% mỗi năm.
<li> Trong giai đoạn từ năm 2000 đến 2020, mặc dù dân số toàn cầu tăng với tốc độ trung bình hằng năm là 1,2%, 48 quốc gia hoặc khu vực ở châu Phi và châu Á vẫn có tốc độ tăng nhanh hơn ít nhất hai lần.
<li> Tuổi thọ của người trưởng thành ở các nước phát triển đã tăng lên kể từ giữa thế kỷ 20. Lượng người có tuổi thọ trên 100 tuổi hiện nay là số lượng cao nhất từng ghi nhận trong lịch sử.
<li> 5 quốc gia có dân số lớn nhất: Trung Quốc, Ấn Độ, Hoa Kỳ, Indonesia, Pakistan

</ul>

Dữ liệu trên gồm 24 biến bao gồm:
<ul>

<li> Country name: Tên quốc gia
<li> Year: năm
<li> Population: dân số
<li> Population of children under the age of 1: dân số trẻ em dưới 1 tuổi
<li> Population of children under the age of 5: dân số trẻ em dưới 5 tuổi
<li> Population of children under the age of 15: dân số trẻ em dưới 15 tuổi
<li> Population under the age of 25: dân số dưới 25 tuổi
<li> Population aged 15 to 64 years: số dân từ 15 đến 64 tuổi
<li> Population older than 15 years: dân số trên 15 tuổi
<li> Population older than 18 years: dân số trên 18 tuổi
<li> Population at age 1: dân số 1 tuổi
<li> Population aged 1 to 4 years: dân số 1 đến 4 tuổi
<li> Population aged 5 to 9 years: dân số 5 đến 9 tuổi
<li> Population aged 10 to 14 years: dân số 10 đến 14 tuổi
<li> Population aged 15 to 19 years: dân số 15 đến 19 tuổi
<li> Population aged 20 to 29 years: dân số 20 đến 29 tuổi
<li> Population aged 30 to 39 years: dân số 30 đến 39 tuổi
<li> Population aged 40 to 49 years: dân số 40 đến 49 tuổi
<li> Population aged 50 to 59 years: dân số 50 đến 59 tuổi
<li> Population aged 60 to 69 years: dân số 60 đến 69 tuổi
<li> Population aged 70 to 79 years: dân số 70 đến 79 tuổi
<li> Population aged 80 to 89 years: dân số 80 đến 89 tuổi
<li> Population aged 90 to 99 years: dân số 90 đến 99 tuổi
<li> Population older than 100 years: dân số hơn 100 tuổi

</ul>

<h2> <li> Phân tích dữ liệu </li> </h2>
Chọn ra 5 quốc gia, 5 độ tuổi và tổng dân số bằng cách rút trích các dữ liệu cần thiết để dễ dàng trong việc quan sát. bằng cách sử dụng câu lệnh filter để chọn ra các dòng dữ liệu "Name" có tên là 'Vietnam, North Korea, Thailand, Laos, Maylaysia'từ năm 2000 trở đi và các cột dữ liệu 'Name','Year','Population','1-4','5-9','10-14','15-19','20-29'

```{r}
hnd <- read.csv("D:/naaaaaa/NNLT_ST2/population-and-demography.csv", header = T)
library(tidyverse)
library(flextable)
library(dplyr)
names(hnd)<-c('Name','Year','Population','0-1','0-5','0-15','0-25','15-64','>15','>18','1','1-4','5-9','10-14','15-19','20-29','30-39','40-49','50-59','60-69','70-79','80-89','90-99','>100')
hnd1 <- hnd %>% filter(Name =='Vietnam' & Year>2000|Name =='North Korea' & Year>2000|Name =='Thailand' & Year>2000|Name =='Laos' & Year>2000|Name =='Malaysia' & Year>2000) %>% select(Name,Year,Population,'1-4','5-9','10-14','15-19','20-29')
hnd1
```
Trong giai đoạn 2001-2021, ta thấy dân số các năm sau đều cao hơn so với năm trước đó, thể hiển tốc độ tăng trưởng dân số tăng lên ở mức bình. Các quốc gia ở Châu Á và Châu Phi có xu hướng tăng nhanh ít nhất là 2 lần.

<h2> <li> Mã hóa dữ liệu </li> </h2>
Thêm một cột Na.Code để chia North Korea với 4 nước còn lại

```{r}
hnd2 <- hnd1
hnd2$Na.Code <- ifelse(hnd2$Name == 'North Korea','North Korea','Not North Korea')
```
Thêm một cột Pop.Code để chia dân số thành 3 nhóm: nhóm 1 với số dân nhỏ hơn 100000000, nhóm 2 với số dân từ 100000000 đến 999999999 , nhóm 3 với số dân lớn hơn 1000000000
```{r}
hnd2$Population.Code <- case_when(hnd2$Population < 9999999 ~ 'Mật độ thấp', hnd2$Population >= 10000000 & hnd2$Population <= 60000000 ~ 'Mật độ trung bình', hnd2$Population >60000000 ~ 'Mật độ cao')

```

```{r}
hnd2
```

```{r}
hnd3 <- hnd2$Population.Coded <- cut(hnd2$Population,3,labels = c('Mật độ thấp','Mật độ trung bình','Mật độ cao'))
```
<h2> <li> Lập bảng tần số cho dữ liệu </li> </h2>
<h3> Tần suất xuất hiện của từng quốc gia trong dữ liệu </h3>
Các quốc gia đều đểu thể hiển số dân số của nước mình trong giai đoạn 2001-2021
```{r}
ndip <- hnd1
table(ndip$Name)
```


<h3> Lập bảng tần số về tổng dân số của nước có Mật độ dân số thấp, Mật độ dân số trung bình và Mật độ dân số cao </h3>
Mật độ dân số giữ các quốc gia không đồng đều, điều đó còn phụ thuộc vào nền kinh tế hoặc các yếu tố khác ở từng quốc gia 
```{r}
table(hnd2$Population.Coded)
```

 
<h2> <li> Phân tích dữ liệu theo quốc gia và theo thời gian </li> </h2>
### Tính các đặc trưng đo lường theo độ tuổi từ 20-29 tuổi của 5 quốc gia 

<ul>


**Dân số cao nhất, thấp nhất và trung vị ở độ tuổi 20-29**

```{r}
b <- summary(hnd1$"20-29")
b
```
và kết quả thu được là: ở độ tuổi từ 20-29 thì dân số thấp nhất là 912907, cao nhất là 16422823, trung vị là 5690266 

 **Tổng dân số ở tuổi 20-29 giai đoạn 2001-2021**
```{r}
o <- sum(hnd1$"20-29")
o 
```
 và kết quả thu được sau khi dùng lệnh là 759239249
 
**Tính giá trị dân số trung bình trong độ tuổi 20-29 giai đoạn 2001-2021**

```{r}
b0 <- mean(hnd1$"20-29",na.rm = T)
b0 
```

 và kết quả thu được sau khi dùng lệnh là 7230850
 
**Tính số phần tử có trong tập dữ liệu**

```{r}
b1 <- length(hnd1$"20-29")
b1 
```


 Và kết quả thu được là 105 phần tử
 
**Tính phương sai của các giá trị trong tập dữ liệu đã chọn**

```{r}
b2 <- var(hnd1$"20-29")
b2
```

Và kết quả thu được là  2.720207e+13
 
**Tính độ lệch chuẩn của các giá trị trong tập dữ liệu đã chọn**
 
```{r}
b3 <- sd(hnd1$"20-29")
b3
```
 
 Và kết quả thu được là 5215560

# **Nhiệm vụ 3.2** 

<ol>

<h2> <li> Tóm tắt </li> </h2>
Khi phân tích về các bài hát trên ứng dụng nghe nhạc Spotify năm 2023, chúng ta nhận thấy được các thể loại âm nhạc mang nhiều màu sắc khác nhau:

<ul>

<li> Tập dữ liệu này chứa danh sách đầy đủ các bài hát nổi tiếng nhất năm 2023 được liệt kê trên Spotify. 
<li> Tập dữ liệu cung cấp nhiều tính năng vượt xa những tính năng thường có trong các tập dữ liệu tương tự. 
<li> Nó cung cấp thông tin chi tiết về thuộc tính, mức độ phổ biến và sự hiện diện của từng bài hát trên các nền tảng âm nhạc khác nhau. 
<li> Tập dữ liệu bao gồm các thông tin như tên bản nhạc, tên nghệ sĩ, ngày phát hành, danh sách phát và biểu đồ Spotify, số liệu thống kê phát trực tuyến, sự hiện diện của Apple Music, sự hiện diện của Deezer, biểu đồ Shazam và các tính năng âm thanh khác nhau.

</ul>

Dữ liệu trên bao gồm 24 biến
<ul>

<li>track_name: Tên bài hát
<li>artist(s)_name: Ca sĩ 
<li>artist_count: Số lượng nghệ sĩ góp giọng vào bài hát
<li>released_year: Năm bài hát được phát hành
<li>released_month: Tháng bài hát được phát hành
<li>released_day: Ngày trong tháng bài hát được phát hành
<li>in_spotify_playlists: Số danh sách phát Spotify có bài hát đó
<li>in_spotify_charts: Sự hiện diện và thứ hạng của bài hát trên bảng xếp hạng 
<li>streams:Tổng số lượt phát trực tuyến trên Spotify
<li>in_apple_playlists: Số danh sách phát Apple Music có bài hát đó
<li>in_apple_charts: Sự hiện diện và thứ hạng của bài hát trên bảng xếp hạng Apple Music
<li>in_deezer_playlists: Số danh sách phát Deezer có bài hát đó
<li>in_deezer_charts: Sự hiện diện và thứ hạng của bài hát trên bảng xếp hạng Deezer
<li>in_shazam_charts: Sự hiện diện và thứ hạng của bài hát trên bảng xếp hạng Shazam
<li>bpm: Nhịp mỗi phút, thước đo nhịp độ bài hát
<li>key: Phím của bài hát
<li>mode: Chế độ của bài hát (trưởng hoặc thứ)
<li>danceability_%: Phần trăm cho biết mức độ phù hợp của bài hát để khiêu vũ
<li>valence_%: Tính tích cực của nội dung âm nhạc của bài hát
<li>energy_%: Mức năng lượng cảm nhận được của bài hát
<li>acousticness_%: Lượng âm thanh acoustic trong bài hát
<li>instrumentalness_%:Lượng nội dung nhạc cụ trong bài hát
<li>liveness_%: Sự hiện diện của các yếu tố biểu diễn trực tiếp
<li>speechiness_%: Lượng từ được nói trong bài hát

</ul>

<h2> <li> Phân tích dữ liệu </li> </h2>
Chọn ra 5 ca sĩ, 5 bài hát và năm phát hành bài hát bằng cách rút trích các dữ liệu cần thiết để dễ dàng trong việc quan sát. 
```{r}
ktpt <- read.csv("D:/naaaaaa/NNLT_ST2/spotify-2023.csv", header = T)
names(ktpt) <- c('BH','CS','SL','year','month','day','Playlists','BXH','streams','appleplaylists','applecharts','deezerplaylists','deezercharts','shazamcharts','bpm','key','mode','danceability','valence','energy','acousticness','instrumentalness','liveness','speechiness')
ktpt1 <- ktpt %>% filter (CS =='Troye Sivan'|CS =='Taylor Swift'|CS =='JVKE'|CS =='BTS'|CS =='Ed Sheeran') %>% select(BH,CS,SL,Playlists,BXH,streams)

ktpt1
```
<h2> <li> Mã hóa dữ liệu </li> </h2>
Thêm một cột Na.Code để chia BTS với ca sĩ còn lại

```{r}
ktpt2 <- ktpt1
ktpt2$Na.Code <- ifelse(ktpt2$CS == 'BTS','BTS','Not BTS')
ktpt2
```
<h2> <li> Lập bảng tần số cho dữ liệu </li> </h2>
<h3> Tần suất xuất hiện của các ca sĩ trong dữ liệu </h3>
Các ca sĩ đều có nhiều bài hát được xuất hiện trong Spotify
```{r}
ktpt <- ktpt1
table(ktpt$CS)
```






Nhiệm vụ 3

hnd

11:56:03, 27 - 01 - 2024

Nhiệm vụ 3.1

Tóm tắt

Phân tích dữ liệu

Mã hóa dữ liệu

Lập bảng tần số cho dữ liệu

Tần suất xuất hiện của từng quốc gia trong dữ liệu

Lập bảng tần số về tổng dân số của nước có Mật độ dân số thấp, Mật độ dân số trung bình và Mật độ dân số cao

Phân tích dữ liệu theo quốc gia và theo thời gian

Tính các đặc trưng đo lường theo độ tuổi từ 20-29 tuổi của 5 quốc gia

Nhiệm vụ 3.2

Tóm tắt

Phân tích dữ liệu

Mã hóa dữ liệu

Lập bảng tần số cho dữ liệu

Tần suất xuất hiện của các ca sĩ trong dữ liệu