getwd()
## [1] "/Users/mac/bigdata"
setwd("/Users/mac/bigdata")
getwd()
## [1] "/Users/mac/bigdata"
ls()
## character(0)
rm(list=ls())
ls()
## character(0)
library(dplyr)
##
## Attaching package: 'dplyr'
## The following objects are masked from 'package:stats':
##
## filter, lag
## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, union
df<-read.csv("ta1.csv",fileEncoding = "euc-kr")
names(df)
## [1] "가해자연령층별.1." "월별.1." "X2022"
## [4] "X2022.1" "X2022.2"
df %>% rename(month=월별.1.,사고건수=X2022,사망자수=X2022.1,
연령층=가해자연령층별.1.,부상자수=X2022.2)
## 연령층 month 사고건수 사망자수 부상자수
## 1 가해자연령층별(1) 월별(1) 사고건수 (건) 사망자수 (명) 부상자수 (명)
## 2 20세이하 전체 6508 72 8863
## 3 20세이하 1월 435 6 633
## 4 20세이하 2월 357 2 505
## 5 20세이하 3월 473 3 678
## 6 20세이하 4월 580 7 810
## 7 20세이하 5월 713 6 955
## 8 20세이하 6월 668 5 877
## 9 20세이하 7월 639 6 847
## 10 20세이하 8월 557 7 735
## 11 20세이하 9월 609 8 808
## 12 20세이하 10월 618 8 805
## 13 20세이하 11월 532 8 724
## 14 20세이하 12월 327 6 486
## 15 21-30세 전체 26904 335 39706
## 16 21-30세 1월 2307 31 3470
## 17 21-30세 2월 1787 22 2614
## 18 21-30세 3월 1950 26 2793
## 19 21-30세 4월 2310 16 3460
## 20 21-30세 5월 2503 29 3719
## 21 21-30세 6월 2182 29 3209
## 22 21-30세 7월 2368 32 3546
## 23 21-30세 8월 2322 30 3382
## 24 21-30세 9월 2276 28 3419
## 25 21-30세 10월 2376 38 3442
## 26 21-30세 11월 2228 26 3209
## 27 21-30세 12월 2295 28 3443
## 28 31-40세 전체 28402 317 41287
## 29 31-40세 1월 2336 28 3418
## 30 31-40세 2월 2001 30 2903
## 31 31-40세 3월 1969 19 2820
## 32 31-40세 4월 2409 29 3534
## 33 31-40세 5월 2525 26 3613
## 34 31-40세 6월 2341 22 3446
## 35 31-40세 7월 2463 22 3615
## 36 31-40세 8월 2330 30 3428
## 37 31-40세 9월 2268 25 3285
## 38 31-40세 10월 2589 32 3750
## 39 31-40세 11월 2489 23 3579
## 40 31-40세 12월 2682 31 3896
## 41 41-50세 전체 33915 409 48389
## 42 41-50세 1월 2939 33 4156
## 43 41-50세 2월 2197 20 3086
## 44 41-50세 3월 2391 27 3302
## 45 41-50세 4월 2805 29 4013
## 46 41-50세 5월 3096 34 4321
## 47 41-50세 6월 2760 37 3878
## 48 41-50세 7월 2930 44 4296
## 49 41-50세 8월 2776 30 4056
## 50 41-50세 9월 2900 37 4255
## 51 41-50세 10월 3083 38 4543
## 52 41-50세 11월 2994 43 4182
## 53 41-50세 12월 3044 37 4301
## 54 51-60세 전체 44581 570 63632
## 55 51-60세 1월 3683 40 5243
## 56 51-60세 2월 2849 34 4085
## 57 51-60세 3월 3191 37 4345
## 58 51-60세 4월 3772 56 5385
## 59 51-60세 5월 3989 47 5745
## 60 51-60세 6월 3733 50 5266
## 61 51-60세 7월 3747 49 5414
## 62 51-60세 8월 3677 44 5400
## 63 51-60세 9월 3872 61 5485
## 64 51-60세 10월 4156 53 6083
## 65 51-60세 11월 4001 52 5554
## 66 51-60세 12월 3911 47 5627
## 67 61-64세 전체 19160 297 27566
## 68 61-64세 1월 1494 19 2178
## 69 61-64세 2월 1112 16 1578
## 70 61-64세 3월 1211 23 1658
## 71 61-64세 4월 1535 20 2309
## 72 61-64세 5월 1735 23 2503
## 73 61-64세 6월 1691 29 2432
## 74 61-64세 7월 1705 24 2472
## 75 61-64세 8월 1681 29 2477
## 76 61-64세 9월 1751 27 2464
## 77 61-64세 10월 1855 43 2679
## 78 61-64세 11월 1703 27 2430
## 79 61-64세 12월 1687 17 2386
## 80 65-70세 전체 19399 349 27792
## 81 65-70세 1월 1395 17 1973
## 82 65-70세 2월 1042 14 1478
## 83 65-70세 3월 1234 26 1660
## 84 65-70세 4월 1554 26 2229
## 85 65-70세 5월 1792 27 2613
## 86 65-70세 6월 1633 25 2339
## 87 65-70세 7월 1724 34 2512
## 88 65-70세 8월 1614 38 2333
## 89 65-70세 9월 1777 32 2528
## 90 65-70세 10월 1960 31 2816
## 91 65-70세 11월 1945 37 2769
## 92 65-70세 12월 1729 42 2542
## 93 71세이상 전체 15253 386 21489
## 94 71세이상 1월 1074 19 1453
## 95 71세이상 2월 845 23 1148
## 96 71세이상 3월 1018 22 1393
## 97 71세이상 4월 1296 33 1828
## 98 71세이상 5월 1453 43 2013
## 99 71세이상 6월 1257 34 1740
## 100 71세이상 7월 1324 30 1877
## 101 71세이상 8월 1306 34 1865
## 102 71세이상 9월 1483 39 2095
## 103 71세이상 10월 1647 42 2396
## 104 71세이상 11월 1443 41 1994
## 105 71세이상 12월 1107 26 1687
## 106 불명 전체 2714 0 3079
## 107 불명 1월 231 0 267
## 108 불명 2월 172 0 191
## 109 불명 3월 183 0 204
## 110 불명 4월 211 0 231
## 111 불명 5월 259 0 290
## 112 불명 6월 216 0 242
## 113 불명 7월 215 0 233
## 114 불명 8월 233 0 278
## 115 불명 9월 280 0 305
## 116 불명 10월 224 0 261
## 117 불명 11월 243 0 302
## 118 불명 12월 247 0 275
df1<-df %>% rename(month=월별.1.,사고건수=X2022,사망자수=X2022.1,
연령층=가해자연령층별.1.,부상자수=X2022.2)
head(df1)
## 연령층 month 사고건수 사망자수 부상자수
## 1 가해자연령층별(1) 월별(1) 사고건수 (건) 사망자수 (명) 부상자수 (명)
## 2 20세이하 전체 6508 72 8863
## 3 20세이하 1월 435 6 633
## 4 20세이하 2월 357 2 505
## 5 20세이하 3월 473 3 678
## 6 20세이하 4월 580 7 810
df1 %>% slice(-1)
## 연령층 month 사고건수 사망자수 부상자수
## 1 20세이하 전체 6508 72 8863
## 2 20세이하 1월 435 6 633
## 3 20세이하 2월 357 2 505
## 4 20세이하 3월 473 3 678
## 5 20세이하 4월 580 7 810
## 6 20세이하 5월 713 6 955
## 7 20세이하 6월 668 5 877
## 8 20세이하 7월 639 6 847
## 9 20세이하 8월 557 7 735
## 10 20세이하 9월 609 8 808
## 11 20세이하 10월 618 8 805
## 12 20세이하 11월 532 8 724
## 13 20세이하 12월 327 6 486
## 14 21-30세 전체 26904 335 39706
## 15 21-30세 1월 2307 31 3470
## 16 21-30세 2월 1787 22 2614
## 17 21-30세 3월 1950 26 2793
## 18 21-30세 4월 2310 16 3460
## 19 21-30세 5월 2503 29 3719
## 20 21-30세 6월 2182 29 3209
## 21 21-30세 7월 2368 32 3546
## 22 21-30세 8월 2322 30 3382
## 23 21-30세 9월 2276 28 3419
## 24 21-30세 10월 2376 38 3442
## 25 21-30세 11월 2228 26 3209
## 26 21-30세 12월 2295 28 3443
## 27 31-40세 전체 28402 317 41287
## 28 31-40세 1월 2336 28 3418
## 29 31-40세 2월 2001 30 2903
## 30 31-40세 3월 1969 19 2820
## 31 31-40세 4월 2409 29 3534
## 32 31-40세 5월 2525 26 3613
## 33 31-40세 6월 2341 22 3446
## 34 31-40세 7월 2463 22 3615
## 35 31-40세 8월 2330 30 3428
## 36 31-40세 9월 2268 25 3285
## 37 31-40세 10월 2589 32 3750
## 38 31-40세 11월 2489 23 3579
## 39 31-40세 12월 2682 31 3896
## 40 41-50세 전체 33915 409 48389
## 41 41-50세 1월 2939 33 4156
## 42 41-50세 2월 2197 20 3086
## 43 41-50세 3월 2391 27 3302
## 44 41-50세 4월 2805 29 4013
## 45 41-50세 5월 3096 34 4321
## 46 41-50세 6월 2760 37 3878
## 47 41-50세 7월 2930 44 4296
## 48 41-50세 8월 2776 30 4056
## 49 41-50세 9월 2900 37 4255
## 50 41-50세 10월 3083 38 4543
## 51 41-50세 11월 2994 43 4182
## 52 41-50세 12월 3044 37 4301
## 53 51-60세 전체 44581 570 63632
## 54 51-60세 1월 3683 40 5243
## 55 51-60세 2월 2849 34 4085
## 56 51-60세 3월 3191 37 4345
## 57 51-60세 4월 3772 56 5385
## 58 51-60세 5월 3989 47 5745
## 59 51-60세 6월 3733 50 5266
## 60 51-60세 7월 3747 49 5414
## 61 51-60세 8월 3677 44 5400
## 62 51-60세 9월 3872 61 5485
## 63 51-60세 10월 4156 53 6083
## 64 51-60세 11월 4001 52 5554
## 65 51-60세 12월 3911 47 5627
## 66 61-64세 전체 19160 297 27566
## 67 61-64세 1월 1494 19 2178
## 68 61-64세 2월 1112 16 1578
## 69 61-64세 3월 1211 23 1658
## 70 61-64세 4월 1535 20 2309
## 71 61-64세 5월 1735 23 2503
## 72 61-64세 6월 1691 29 2432
## 73 61-64세 7월 1705 24 2472
## 74 61-64세 8월 1681 29 2477
## 75 61-64세 9월 1751 27 2464
## 76 61-64세 10월 1855 43 2679
## 77 61-64세 11월 1703 27 2430
## 78 61-64세 12월 1687 17 2386
## 79 65-70세 전체 19399 349 27792
## 80 65-70세 1월 1395 17 1973
## 81 65-70세 2월 1042 14 1478
## 82 65-70세 3월 1234 26 1660
## 83 65-70세 4월 1554 26 2229
## 84 65-70세 5월 1792 27 2613
## 85 65-70세 6월 1633 25 2339
## 86 65-70세 7월 1724 34 2512
## 87 65-70세 8월 1614 38 2333
## 88 65-70세 9월 1777 32 2528
## 89 65-70세 10월 1960 31 2816
## 90 65-70세 11월 1945 37 2769
## 91 65-70세 12월 1729 42 2542
## 92 71세이상 전체 15253 386 21489
## 93 71세이상 1월 1074 19 1453
## 94 71세이상 2월 845 23 1148
## 95 71세이상 3월 1018 22 1393
## 96 71세이상 4월 1296 33 1828
## 97 71세이상 5월 1453 43 2013
## 98 71세이상 6월 1257 34 1740
## 99 71세이상 7월 1324 30 1877
## 100 71세이상 8월 1306 34 1865
## 101 71세이상 9월 1483 39 2095
## 102 71세이상 10월 1647 42 2396
## 103 71세이상 11월 1443 41 1994
## 104 71세이상 12월 1107 26 1687
## 105 불명 전체 2714 0 3079
## 106 불명 1월 231 0 267
## 107 불명 2월 172 0 191
## 108 불명 3월 183 0 204
## 109 불명 4월 211 0 231
## 110 불명 5월 259 0 290
## 111 불명 6월 216 0 242
## 112 불명 7월 215 0 233
## 113 불명 8월 233 0 278
## 114 불명 9월 280 0 305
## 115 불명 10월 224 0 261
## 116 불명 11월 243 0 302
## 117 불명 12월 247 0 275
df2<-df1 %>% slice(-1)
head(df2)
## 연령층 month 사고건수 사망자수 부상자수
## 1 20세이하 전체 6508 72 8863
## 2 20세이하 1월 435 6 633
## 3 20세이하 2월 357 2 505
## 4 20세이하 3월 473 3 678
## 5 20세이하 4월 580 7 810
## 6 20세이하 5월 713 6 955
table(df2$month)
##
## 10월 11월 12월 1월 2월 3월 4월 5월 6월 7월 8월 9월 전체
## 9 9 9 9 9 9 9 9 9 9 9 9 9
df2 %>% filter(month!="전체")
## 연령층 month 사고건수 사망자수 부상자수
## 1 20세이하 1월 435 6 633
## 2 20세이하 2월 357 2 505
## 3 20세이하 3월 473 3 678
## 4 20세이하 4월 580 7 810
## 5 20세이하 5월 713 6 955
## 6 20세이하 6월 668 5 877
## 7 20세이하 7월 639 6 847
## 8 20세이하 8월 557 7 735
## 9 20세이하 9월 609 8 808
## 10 20세이하 10월 618 8 805
## 11 20세이하 11월 532 8 724
## 12 20세이하 12월 327 6 486
## 13 21-30세 1월 2307 31 3470
## 14 21-30세 2월 1787 22 2614
## 15 21-30세 3월 1950 26 2793
## 16 21-30세 4월 2310 16 3460
## 17 21-30세 5월 2503 29 3719
## 18 21-30세 6월 2182 29 3209
## 19 21-30세 7월 2368 32 3546
## 20 21-30세 8월 2322 30 3382
## 21 21-30세 9월 2276 28 3419
## 22 21-30세 10월 2376 38 3442
## 23 21-30세 11월 2228 26 3209
## 24 21-30세 12월 2295 28 3443
## 25 31-40세 1월 2336 28 3418
## 26 31-40세 2월 2001 30 2903
## 27 31-40세 3월 1969 19 2820
## 28 31-40세 4월 2409 29 3534
## 29 31-40세 5월 2525 26 3613
## 30 31-40세 6월 2341 22 3446
## 31 31-40세 7월 2463 22 3615
## 32 31-40세 8월 2330 30 3428
## 33 31-40세 9월 2268 25 3285
## 34 31-40세 10월 2589 32 3750
## 35 31-40세 11월 2489 23 3579
## 36 31-40세 12월 2682 31 3896
## 37 41-50세 1월 2939 33 4156
## 38 41-50세 2월 2197 20 3086
## 39 41-50세 3월 2391 27 3302
## 40 41-50세 4월 2805 29 4013
## 41 41-50세 5월 3096 34 4321
## 42 41-50세 6월 2760 37 3878
## 43 41-50세 7월 2930 44 4296
## 44 41-50세 8월 2776 30 4056
## 45 41-50세 9월 2900 37 4255
## 46 41-50세 10월 3083 38 4543
## 47 41-50세 11월 2994 43 4182
## 48 41-50세 12월 3044 37 4301
## 49 51-60세 1월 3683 40 5243
## 50 51-60세 2월 2849 34 4085
## 51 51-60세 3월 3191 37 4345
## 52 51-60세 4월 3772 56 5385
## 53 51-60세 5월 3989 47 5745
## 54 51-60세 6월 3733 50 5266
## 55 51-60세 7월 3747 49 5414
## 56 51-60세 8월 3677 44 5400
## 57 51-60세 9월 3872 61 5485
## 58 51-60세 10월 4156 53 6083
## 59 51-60세 11월 4001 52 5554
## 60 51-60세 12월 3911 47 5627
## 61 61-64세 1월 1494 19 2178
## 62 61-64세 2월 1112 16 1578
## 63 61-64세 3월 1211 23 1658
## 64 61-64세 4월 1535 20 2309
## 65 61-64세 5월 1735 23 2503
## 66 61-64세 6월 1691 29 2432
## 67 61-64세 7월 1705 24 2472
## 68 61-64세 8월 1681 29 2477
## 69 61-64세 9월 1751 27 2464
## 70 61-64세 10월 1855 43 2679
## 71 61-64세 11월 1703 27 2430
## 72 61-64세 12월 1687 17 2386
## 73 65-70세 1월 1395 17 1973
## 74 65-70세 2월 1042 14 1478
## 75 65-70세 3월 1234 26 1660
## 76 65-70세 4월 1554 26 2229
## 77 65-70세 5월 1792 27 2613
## 78 65-70세 6월 1633 25 2339
## 79 65-70세 7월 1724 34 2512
## 80 65-70세 8월 1614 38 2333
## 81 65-70세 9월 1777 32 2528
## 82 65-70세 10월 1960 31 2816
## 83 65-70세 11월 1945 37 2769
## 84 65-70세 12월 1729 42 2542
## 85 71세이상 1월 1074 19 1453
## 86 71세이상 2월 845 23 1148
## 87 71세이상 3월 1018 22 1393
## 88 71세이상 4월 1296 33 1828
## 89 71세이상 5월 1453 43 2013
## 90 71세이상 6월 1257 34 1740
## 91 71세이상 7월 1324 30 1877
## 92 71세이상 8월 1306 34 1865
## 93 71세이상 9월 1483 39 2095
## 94 71세이상 10월 1647 42 2396
## 95 71세이상 11월 1443 41 1994
## 96 71세이상 12월 1107 26 1687
## 97 불명 1월 231 0 267
## 98 불명 2월 172 0 191
## 99 불명 3월 183 0 204
## 100 불명 4월 211 0 231
## 101 불명 5월 259 0 290
## 102 불명 6월 216 0 242
## 103 불명 7월 215 0 233
## 104 불명 8월 233 0 278
## 105 불명 9월 280 0 305
## 106 불명 10월 224 0 261
## 107 불명 11월 243 0 302
## 108 불명 12월 247 0 275
df2 %>% filter(month!="전체") %>% glimpse()
## Rows: 108
## Columns: 5
## $ 연령층 <chr> "20세이하", "20세이하", "20세이하", "20세이하", "20세이하", "…
## $ month <chr> "1월", "2월", "3월", "4월", "5월", "6월", "7월", "8월", "9월"…
## $ 사고건수 <chr> "435", "357", "473", "580", "713", "668", "639", "557", "609"…
## $ 사망자수 <chr> "6", "2", "3", "7", "6", "5", "6", "7", "8", "8", "8", "6", "…
## $ 부상자수 <chr> "633", "505", "678", "810", "955", "877", "847", "735", "808"…
df2$사고건수 <-as.numeric(df2$사고건수)
glimpse
## function (x, width = NULL, ...)
## {
## UseMethod("glimpse")
## }
## <bytecode: 0x10a8ae1c8>
## <environment: namespace:pillar>
library(gapminder)
glimpse(gapminder)
## Rows: 1,704
## Columns: 6
## $ country <fct> "Afghanistan", "Afghanistan", "Afghanistan", "Afghanistan", …
## $ continent <fct> Asia, Asia, Asia, Asia, Asia, Asia, Asia, Asia, Asia, Asia, …
## $ year <int> 1952, 1957, 1962, 1967, 1972, 1977, 1982, 1987, 1992, 1997, …
## $ lifeExp <dbl> 28.801, 30.332, 31.997, 34.020, 36.088, 38.438, 39.854, 40.8…
## $ pop <int> 8425333, 9240934, 10267083, 11537966, 13079460, 14880372, 12…
## $ gdpPercap <dbl> 779.4453, 820.8530, 853.1007, 836.1971, 739.9811, 786.1134, …
library(dplyr)
y<-gapminder %>% group_by(year, continent) %>% summarize(c_pop=sum(pop))
## `summarise()` has grouped output by 'year'. You can override using the
## `.groups` argument.
head(y,20)
## # A tibble: 20 × 3
## # Groups: year [4]
## year continent c_pop
## <int> <fct> <dbl>
## 1 1952 Africa 237640501
## 2 1952 Americas 345152446
## 3 1952 Asia 1395357351
## 4 1952 Europe 418120846
## 5 1952 Oceania 10686006
## 6 1957 Africa 264837738
## 7 1957 Americas 386953916
## 8 1957 Asia 1562780599
## 9 1957 Europe 437890351
## 10 1957 Oceania 11941976
## 11 1962 Africa 296516865
## 12 1962 Americas 433270254
## 13 1962 Asia 1696357182
## 14 1962 Europe 460355155
## 15 1962 Oceania 13283518
## 16 1967 Africa 335289489
## 17 1967 Americas 480746623
## 18 1967 Asia 1905662900
## 19 1967 Europe 481178958
## 20 1967 Oceania 14600414
plot(log10(gapminder$gdpPercap),gapminder$lifeExp,col=gapminder$continent)
glimpse(gapminder)
## Rows: 1,704
## Columns: 6
## $ country <fct> "Afghanistan", "Afghanistan", "Afghanistan", "Afghanistan", …
## $ continent <fct> Asia, Asia, Asia, Asia, Asia, Asia, Asia, Asia, Asia, Asia, …
## $ year <int> 1952, 1957, 1962, 1967, 1972, 1977, 1982, 1987, 1992, 1997, …
## $ lifeExp <dbl> 28.801, 30.332, 31.997, 34.020, 36.088, 38.438, 39.854, 40.8…
## $ pop <int> 8425333, 9240934, 10267083, 11537966, 13079460, 14880372, 12…
## $ gdpPercap <dbl> 779.4453, 820.8530, 853.1007, 836.1971, 739.9811, 786.1134, …
library(ggplot2)
ggplot(gapminder,aes(x=gdpPercap,y=lifeExp,col=continent))+geom_point()+
scale_x_log10()
ggplot(gapminder,aes(x=gdpPercap,y=lifeExp,col=continent,size=pop))+geom_point()+
scale_x_log10()
ggplot(gapminder,aes(x=gdpPercap,y=lifeExp,col=continent,size=pop))+
geom_point(alpha=0.5)+scale_x_log10()
ggplot(gapminder,aes(x=gdpPercap,y=lifeExp,col=continent,size=pop))+
geom_point(alpha=0.5)+scale_x_log10()+facet_wrap(~year)
gapminder %>% filter(year==1952&continent=="Asia") %>%
ggplot(aes(reorder(country,pop),pop))+geom_bar(stat = 'identity')+coord_flip()
gapminder %>% filter(year==1952&continent=="Europe") %>%
ggplot(aes(reorder(country,pop),pop))+geom_bar(stat = 'identity')+coord_flip()
gapminder %>% filter(year==1952&continent=="Africa") %>%
ggplot(aes(reorder(country,pop),pop))+geom_bar(stat = 'identity')+coord_flip()
gapminder %>% filter(year==1952&continent=="Americas") %>%
ggplot(aes(reorder(country,pop),pop))+geom_bar(stat = 'identity')+coord_flip()
gapminder %>% filter(year==1952&continent=="Oceania") %>%
ggplot(aes(reorder(country,pop),pop))+geom_bar(stat = 'identity')+coord_flip()
