PHÂN TÍCH DÂN SỐ CÁC QUỐC GIA TRÊN THẾ GIỚI

1.KHÁI QUÁT BỘ DỮ LIỆU

library(tidyverse)
library(grid)
library(dplyr)
library(gganimate)
library(ggplot2)
 nt <-  read.csv("C:/Users/Admin/Downloads/WHO.csv",header = T)
 names(nt) #Quan sát các biến trong dữ liệu
##  [1] "Country"                       "Region"                       
##  [3] "Population"                    "Under15"                      
##  [5] "Over60"                        "FertilityRate"                
##  [7] "LifeExpectancy"                "ChildMortality"               
##  [9] "CellularSubscribers"           "LiteracyRate"                 
## [11] "GNI"                           "PrimarySchoolEnrollmentMale"  
## [13] "PrimarySchoolEnrollmentFemale"

Ta thấy bộ dữ liệu trên nói về các phần xã hội trong mỗi quốc gia trên thế giới bao gồm:

194 quan sát và 13 biến:

“Country” : Quốc gia

“Region” : Khu vực của Quốc gia đó

“Population” : Tổng dân số

“Under15” : Dân số dưới 15 tuổi

“Over60” : Dân số trên 60 tuổi

“FertilityRate” : Tỷ lệ sinh

“LifeExpectancy”: Tuổi thọ

“ChildMortality”: Tử vong ở trẻ em

“CellularSubscribers”: Đăng kí mạng di động

“LiteracyRate”: Tỷ lệ biết đọc viết

“GNI” : Thu nhập quốc dân

“PrimarySchoolEnrollmentMale” : Tiểu học tuyển sinh Nam

“PrimarySchoolEnrollmentFemale”: Tiểu học tuyển sinh Nữ

2.PHÂN TÍCH DỮ LIỆU BẰNG BIỂU ĐỒ

BỘ DỮ LIỆU BẰNG BIỂU ĐỒ

1.TUỔI DƯỚI 15 VÀ TỶ LỆ SINH

ggplot(nt,aes(x= Under15,y= FertilityRate)) +
geom_line() +
  labs(title = "1.BIỂU ĐỒ TUỔI DƯỚI 15 VÀ TỶ LỆ SINH", x= 'TUỔI DƯỚI 15', y= 'TỶ LỆ SINH')

2.TỶ LỆ BIẾT CHỮ VÀ DƯỚI 15 TUỔI

ggplot(nt,aes(x= Under15,y= LiteracyRate)) +
geom_line() +
  labs(title = "2.BIỂU ĐỒ TUỔI DƯỚI 15 VÀ TỶ LỆ BIẾT CHỮ", x= 'TUỔI DƯỚI 15', y= 'TỶ LỆ BIẾT CHỮ')

3. TỶ LỆ SINH THEO KHU VỰC

nt %>% group_by(Region) %>% summarise(FertilityRate) %>%
  ggplot(aes(Region,FertilityRate)) +
    geom_col(fill='PINK') +
    geom_text(aes(label = FertilityRate),Vjust= 1, color = 'WHITE') +
    labs(x = 'Khu Vực', y = 'Tỷ Lệ Sinh')

4.TUỔI DƯỚI 15 VÀ TỶ LỆ BIẾT CHỮ

ggplot(nt,aes(x= Under15, y= LiteracyRate)) +
geom_col() +
  labs(title = "4.BIỂU ĐỒ TUỔI DƯỚI 15 VÀ TỶ LỆ BIẾT CHỮ", x= 'TUỔI DƯỚI 15', y= 'TỶ LỆ BIẾT CHỮ')

5.TUỔI THỌ TRONG TỔNG SỐ DÂN Ở CÁC QUỐC GIA

nt2 <- nt %>% filter(Country %in% c('Vietnam','Nepal','Brazil', 'Cambodia', 'Oman'))
nt2 <- nt2 %>% select(Country,Population,LifeExpectancy)
nt2 %>% ggplot(aes(x = LifeExpectancy, y = Population, color = Country)) +
  geom_point(size=3) +
  labs(title = "5.BIỂU ĐỒ TUỔI THỌ TRONG TỔNG DÂN SỐ CỦA CÁC QUỐC GIA", x= 'Tuổi Thọ', y= 'Tổng dân số', color = 'Quốc gia')

6. TỶ LỆ GIỮA DÂN SỐ DƯỚI 15 VÀ TRÊN 60

nt1 <- nt %>% filter(Country %in% c('China','Chile','Brazil', 'Cambodia', 'Australia'))
nt1 <- nt1 %>% select(Country,Over60,Under15)
nt1 %>% ggplot(aes(x = Under15, y = Over60, color = Country)) +
  geom_point(size=3) +
  labs(title = "6.BIỂU ĐỒ TUỔI DÂN DƯỚI 15 VÀ TRÊN 60 CỦA CÁC QUỐC GIA", x= 'DƯỚI 15', y= 'TRÊN 60', color = 'Quốc gia')

7.TỶ LỆ SINH VÀ TỶ LỆ BIẾT CHỮ CỦA CÁC QUỐC GIA

nt3 <- nt %>% filter(Country %in% c('China','Colombia','Jordan', 'Angola', 'Argentina'))
nt3 <- nt3 %>% select(Country,LiteracyRate,FertilityRate)
nt3 %>% ggplot(aes(x = FertilityRate, y = LiteracyRate, color = Country)) +
  geom_point(size=2) +
  labs(title = "7.BIỂU ĐỒ TỶ LỆ SINH VÀ TỶ LỆ BIẾT CHỮ CỦA CÁC QUỐC GIA", x= 'TỶ LỆ SINH', y= 'TỶ LỆ BIẾT CHỮ', color = 'Quốc gia')

8.TỶ LỆ TỬ VONG Ở TRẺ EM VÀ TỔNG DÂN SỐ CỦA CÁC QUỐC GIA

nt4 <- nt %>% filter(Country %in% c('China','Colombia','Jordan', 'Angola', 'Argentina'))
nt4 <- nt4 %>% select(Country,Population,ChildMortality)
nt4 %>% ggplot(aes(x = Population, y = ChildMortality, color = Country)) +
  geom_point(size=2) +
  labs(title = "8.BIỂU ĐỒ TỶ LỆ TỬ VONG Ở TRẺ EM VÀ TỔNG DÂN SỐ CỦA CÁC QUỐC GIA", x= 'TỔNG DÂN SỐ', y= 'TỶ LỆ TRẺ CON TỬ VONG', color = 'Quốc gia')

9 MẬT ĐỘ TUỔI THỌ CỦA NGƯỜI DÂN CÁC QUỐC GIA

nt %>% ggplot(aes(x= LifeExpectancy)) +
  geom_density(color = "black", fill = 'pink') +
  xlim(30,70) +
  ylim(0,0.1) +
  labs(title = '9.BIỂU ĐỒ MẬT ĐỘ TUỔI THỌ CỦA NGƯỜI DÂN CÁC QUỐC GIA', x = 'Tuổi Thọ',y = 'Mật Độ' )

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