Nhiệm vụ 3

1 Nhiệm vụ 3.1:

1.1 Giải thích bộ dữ liệu:

Bộ dữ liệu trong file population-and-demography.csv nói về Dân số và Nhân khẩu học của 254 quốc gia được phân tích từ năm 1950 đến năm 2021, bao gồm 18288 quan sát và 24 biến

• 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: Dân số từ 15 đến 64 tuổi

• Population older than 15 years: Dân số lớn hơn 15 tuổi

• Population older than 18 years: Dân số lớn hơn 18 tuổi

• Population at age 1: Dân số 1 tuổi

• Population aged 1 to 4 years: Dân số từ 1 đến 4 tuổi

• Population aged 5 to 9 years: Dân số từ 5 đến 9 tuổi

• Population aged 10 to 14 years: Dân số từ 10 đến 14 tuổi

• Population aged 15 to 19 years: Dân số từ 15 đến 19 tuổi

• Population aged 20 to 29 years: Dân số từ 20 đến 29 tuổi

• Population aged 30 to 39 years: Dân số từ 30 đến 39 tuổi

• Population aged 40 to 49 years: Dân số từ 40 đến 49 tuổi

• Population aged 50 to 59 years: Dân số từ 50 đến 59 tuổi

• Population aged 60 to 69 years: Dân số từ 60 đến 69 tuổi

• Population aged 70 to 79 years: Dân số từ 70 đến 79 tuổi

• Population aged 80 to 89 years: Dân số từ 80 đến 89 tuổi

• Population aged 90 to 99 years: Dân số từ 90 đến 99 tuổi

• Population older than 100 years: Dân số lớn hơn 100 tuổi

1.2 Phân tích dữ liệu:

• Tạo một bản sao của file dữ liệu population-and-demography.csv và gán nó vào một biến mới có tên p. Điều này giúp bạn giữ nguyên dữ liệu gốc trong khi thực hiện các thao tác trên bản sao.

library(DT)
library(readr)
p <- read_csv("C:/Users/Dell/Downloads/population-and-demography.csv") 

## Rows: 18288 Columns: 24
## ── Column specification ────────────────────────────────────────────────────────
## Delimiter: ","
## chr  (1): Country name
## dbl (23): Year, Population, Population of children under the age of 1, Popul...
## 
## 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.

datatable(p)

• header = T là lấy dữ liệu từ hàng đầu tiên của file csv

• Thực hiện đổi tên các biến của dữ liệu để dễ dàng gọi tên trong các thao tác phân tích

names(p) <- c('cn','y','p','pcu1','pcu5','pcu15','pu25','p15to64','po15','po18','p1','p1to4','p5to9','p10to14','p15to19','p20to29','p30to39','p40to49','p50to59','p60to69','p70to79','p80to89','p90t90to99','po100')
names(p)

##  [1] "cn"         "y"          "p"          "pcu1"       "pcu5"      
##  [6] "pcu15"      "pu25"       "p15to64"    "po15"       "po18"      
## [11] "p1"         "p1to4"      "p5to9"      "p10to14"    "p15to19"   
## [16] "p20to29"    "p30to39"    "p40to49"    "p50to59"    "p60to69"   
## [21] "p70to79"    "p80to89"    "p90t90to99" "po100"

• Từ đó tên dữ liệu được rút gọn như sau:

  • Country name được đổi tên thành cn: Tên Quốc Gia

  • Year được đổi tên thành y: Năm lấy số liệu

  • Population được đổi tên thành p: Dân số

  • Population of children under the age of 1 được đổi tên thành pcu1: Dân số trẻ em dưới 1 tuổi

  • Population of children under the age of 5 được đổi tên thành pcu5: Dân số trẻ em dưới 5 tuổi

  • Population of children under the age of 15 được đổi tên thành pcu15: Dân số trẻ em dưới 15 tuổi

  • Population under the age of 25 được đổi tên thành pu25: Dân số dưới 25 tuổi

  • Population aged 15 to 64 years được đổi tên thành p15to64: Dân số từ 15 đến 64 tuổi

  • Population older than 15 years được đổi tên thành po15: Dân số lớn hơn 15 tuổi

  • Population older than 18 years được đổi tên thành po18: Dân số lớn hơn 18 tuổi

  • Population at age 1 được đổi tên thành p1: Dân số 1 tuổi

  • Population aged 1 to 4 years được đổi tên thành p1to4: Dân số từ 1 đến 4 tuổi

  • Population aged 5 to 9 years được đổi tên thành p5to9: Dân số từ 5 đến 9 tuổi

  • Population aged 10 to 14 years được đổi tên thành p10to14: Dân số từ 10 đến 14 tuổi

  • Population aged 15 to 19 years được đổi tên thành p15to19: Dân số từ 15 đến 19 tuổi

  • Population aged 20 to 29 years được đổi tên thành p20to29: Dân số từ 20 đến 29 tuổi

  • Population aged 30 to 39 years được đổi tên thành p30to39: Dân số từ 30 đến 39 tuổi

  • Population aged 40 to 49 years được đổi tên thành p40to49: Dân số từ 40 đến 49 tuổi

  • Population aged 50 to 59 years được đổi tên thành p50to59: Dân số từ 50 đến 59 tuổi

  • Population aged 60 to 69 years được đổi tên thành p60to69: Dân số từ 60 đến 69 tuổi

  • Population aged 70 to 79 years được đổi tên thành p70to79: Dân số từ 70 đến 79 tuổi

  • Population aged 80 to 89 years được đổi tên thành p80to89: Dân số từ 80 đến 89 tuổi

  • Population aged 90 to 99 years được đổi tên thành p90to99: Dân số từ 90 đến 99 tuổi

  • Population older than 100 years được đổi tên thành po100: Dân số lớn hơn 100 tuổi

• Thực hiện lọc 5 quốc gia cần phân tích, ở đây phân tích “China, Japan, Spain, Thailand, Vietnam”

• Chọn 5 cột số liệu về các độ tuổi của dân số trong các năm, ở đây phân tích tổng dân số của 5 quốc gia (p), dân số trẻ em dưới 15 tuổi (pcu15), dân số dưới 25 tuổi (pu25), dân số từ 30 đến 39 tuôi (p30to39), dân số từ 70 đến 79 tuổi (p70to79)

• Xóa bỏ các cột thừa chỉ giữ lại 7 cột cần lấy dữ liệu để phân tích và gán cho dữ liệu mới một object p1

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

p1 <- filter(p, cn == 'China' | cn == 'Japan' | cn == 'Vietnam' | cn == 'Thailand' | cn == 'Spain') %>% select(-c('pcu1','pcu5','p15to64','po15','po18','p1','p1to4','p5to9','p10to14','p15to19','p20to29','p40to49','p50to59','p60to69','p80to89','p90t90to99','po100'))

table <- knitr::kable(p, format = "markdown")
datatable(p)

Giải thích dữ liệu:

Có 360 quan sát và 7 bién

• Country name được đổi tên thành cn: Tên quốc gia

• Year được đổi tên thành y: Năm

• Population được đổi tên thành p: Dân số

• Population of children under the age of 15 được đỏi tên thành pcu15: Dân số của trẻ em dưới 15 tuổi

• Population under the age of 25 được đổi tên thành pu25 : Dân số dưới 25 tuổi

• Population aged 30 to 39 years được đổi tên thành p30to39: Dân số từ 30 đến 39 tuổi

• Population aged 70 to 79 years được đổi tên thành p70to79: Dân số từ 70 đến 79 tuổi

1.3 Mã hóa dữ liệu, lập bảng tần số:

p1$cn.Coded <- ifelse(p1$cn == 'Vietnam','Vietnam','other country')

• Muốn thống kê

table(p1$cn)

## 
##    China    Japan    Spain Thailand  Vietnam 
##       72       72       72       72       72

Kết quả trả về cho thấy tần suất xuất hiện tên của các quốc gia, chằng hạn như ‘China’ xuất hiện 72 lần tương ứng với 72 năm phân tích về dân số của Trung Quốc

1.4 Phân tích dữ liệu theo quốc gia và theo thời gian:

1.4.1 Các đặc trưng đo lường theo quốc gia:

p2 <- filter(p1, cn == 'Vietnam') %>% select (p30to39)

filter(p1, cn == 'Vietnam') %>%
  select(cn, p30to39) %>% 
  summary(p1$p30to39)

##       cn               p30to39        
##  Length:72          Min.   : 3480061  
##  Class :character   1st Qu.: 4313676  
##  Mode  :character   Median : 7073500  
##                     Mean   : 8300103  
##                     3rd Qu.:11843949  
##                     Max.   :15962702

table <- knitr::kable(p1, format = "markdown")

filter(p1, cn == 'Vietnam') %>% 
  select(p30to39) %>% 
  sum(p1$p30to39)

## [1] 14176100072

mean(p2$p30to39, rm.na = T)

## [1] 8300103

length(p2$p30to39)

## [1] 72

var(p2$p30to39)

## [1] 1.907825e+13

sd(p2$p30to39) 

## [1] 4367865

median(p2$p30to39)

## [1] 7073501

quantile(p2$p30to39, probs = c(.25,.5,.75))

##      25%      50%      75% 
##  4313677  7073501 11843949

1.4.2 Đặc trưng đo lường theo nhóm quốc gia:

VNTL <- p1 %>% 
  filter(cn == 'Vietnam' | cn == 'Thailand') %>%
  group_by(cn, p30to39) %>%
  summarise(mean_of_p = mean(p), .groups = 'drop')

mean(VNTL$mean_of_p)

## [1] 54876102

1.4.3 Đặc trưng đo lường theo năm:

filter(p1, y == '2020') %>%
  select(y, p70to79) %>% 
  sum(p1$p70to79)

## [1] 3243112368

1.4.4 Đặc trưng đo lường theo khoảng thời gian:

nam <- p1 %>% 
  filter(y == '1970' | y == '1990') %>%
  group_by(y, pcu15) %>%
  summarise(mean_of_pcu15 = mean(pcu15), .groups = 'drop')

mean(nam$mean_of_pcu15)

## [1] 80977349

2 NHIỆM VỤ 3.2

---

2.1 Giải thích bộ dữ liệu

Nhiệm vụ 3.2 thực hiện thao tác trên datasets biweekly_cases, là 1 dataset thống kê tình hình nhiễm covid 19 ở các quốc gia ## . Mô tả cơ bản *** Là 1 dataframe Không có dữ liệu trống Datasets có 212 quan sát và 247 biến như sau:

world: thế giới Afghanistan: người Afghanistan Châu Phi Albania: Đông Nam Châu Âu Algeria: Bắc Phi

Đọc bộ dữ liệu

library(csv)

## Warning: package 'csv' was built under R version 4.3.3

 t <- read.csv("C:/Users/Dell/Desktop/biweekly_cases.csv")
str(t)

## 'data.frame':    200 obs. of  247 variables:
##  $ date                            : chr  "" "4/5/2020" "4/12/2020" "4/19/2020" ...
##  $ World                           : int  689954 1156243 1680600 2187561 2727739 3271481 3840476 4428081 5093319 5813080 ...
##  $ Afghanistan                     : int  91 274 521 908 1330 2171 3563 6053 9866 14443 ...
##  $ Africa                          : int  4566 9249 14590 21829 31322 44003 62086 83378 110316 144577 ...
##  $ Albania                         : int  186 304 416 539 678 782 850 916 981 1099 ...
##  $ Algeria                         : int  454 1251 1825 2534 3256 4295 5558 6821 8113 9267 ...
##  $ American.Samoa                  : int  0 0 0 0 0 0 0 0 0 0 ...
##  $ Andorra                         : int  341 466 622 704 738 747 754 761 763 764 ...
##  $ Angola                          : int  0 10 19 24 25 35 43 48 61 84 ...
##  $ Anguilla                        : int  2 3 3 3 3 3 3 3 3 3 ...
##  $ Antigua.and.Barbuda             : int  7 7 21 23 24 24 25 25 25 25 ...
##  $ Argentina                       : int  1282 2073 2990 4066 5464 6753 8650 11560 16621 22406 ...
##  $ Armenia                         : int  424 822 1013 1291 1746 2386 3313 4472 6661 9282 ...
##  $ Aruba                           : int  46 64 92 96 100 100 101 101 101 101 ...
##  $ Asia                            : int  155461 213781 285956 367653 457236 539973 631068 736489 865280 1027765 ...
##  $ Australia                       : int  3809 5635 6289 6586 6703 6779 6917 7021 7091 7163 ...
##  $ Austria                         : int  4946 8699 10641 11530 11980 12346 12605 12934 13183 13396 ...
##  $ Azerbaijan                      : int  147 443 991 1340 1592 1854 2279 2980 3855 4989 ...
##  $ Bahamas                         : int  9 24 42 54 72 82 92 96 97 101 ...
##  $ Bahrain                         : int  476 688 1040 1773 2589 3284 4774 6747 8802 10793 ...
##  $ Bangladesh                      : int  48 88 621 2456 5416 9455 14657 22268 33610 47153 ...
##  $ Barbados                        : int  24 51 67 75 77 81 82 85 90 92 ...
##  $ Belarus                         : int  94 440 2226 5289 9590 15828 22973 28681 35244 41658 ...
##  $ Belgium                         : int  12031 21665 32874 41225 47500 50762 53881 56081 57621 58853 ...
##  $ Belize                          : int  2 4 10 18 18 18 18 18 18 18 ...
##  $ Benin                           : int  3 13 35 54 60 90 111 131 137 239 ...
##  $ Bermuda                         : int  17 35 48 83 99 114 118 123 128 140 ...
##  $ Bhutan                          : int  3 5 5 5 7 7 7 21 27 43 ...
##  $ Bolivia                         : int  90 139 275 493 807 1229 2266 3577 5579 8731 ...
##  $ Bonaire.Sint.Eustatius.and.Saba : int  0 2 3 5 5 6 6 6 6 7 ...
##  $ Bosnia.and.Herzegovina          : int  318 619 935 1268 1486 1839 2090 2267 2391 2494 ...
##  $ Botswana                        : int  0 4 13 15 22 23 23 25 32 35 ...
##  $ Brazil                          : int  3417 9056 19638 33682 52995 91589 145328 218223 330890 465166 ...
##  $ British.Virgin.Islands          : int  2 3 3 3 6 6 7 8 8 8 ...
##  $ Brunei                          : int  120 135 136 137 138 138 141 141 141 141 ...
##  $ Bulgaria                        : int  346 531 675 894 1300 1618 1965 2211 2427 2513 ...
##  $ Burkina.Faso                    : int  222 364 484 576 632 652 748 782 841 855 ...
##  $ Burundi                         : int  0 3 5 5 15 19 27 42 42 63 ...
##  $ Cambodia                        : int  102 114 122 122 122 122 121 121 123 124 ...
##  $ Cameroon                        : int  90 555 822 1016 1621 2077 2335 3047 4400 5904 ...
##  $ Canada                          : int  4675 12519 22133 31872 43877 55049 66418 74595 82462 89398 ...
##  $ Cape.Verde                      : int  5 5 7 55 90 152 236 328 371 421 ...
##  $ Cayman.Islands                  : int  8 28 45 61 70 74 81 94 129 141 ...
##  $ Central.African.Republic        : int  13 18 20 21 30 88 170 367 604 1052 ...
##  $ Chad                            : int  5 9 18 33 46 117 322 503 675 778 ...
##  $ Chile                           : int  1909 4161 6927 9730 12858 18435 27219 41428 65393 94858 ...
##  $ China                           : int  82341 82930 83481 84156 84213 82408 70019 47233 15941 7528 ...
##  $ Colombia                        : int  723 1267 2473 3439 4881 7006 10051 14216 19131 26688 ...
##  $ Comoros                         : int  0 0 0 0 0 3 11 11 34 62 ...
##  $ Congo                           : int  19 49 70 143 200 229 287 410 487 604 ...
##  $ Cook.Islands                    : int  0 0 0 0 0 0 0 0 0 0 ...
##  $ Costa.Rica                      : int  263 416 558 649 687 725 773 843 911 1022 ...
##  $ Cote.d.Ivoire                   : int  178 338 628 868 1150 1362 1667 2061 2366 2799 ...
##  $ Croatia                         : int  657 1126 1534 1832 2016 2088 2176 2224 2243 2246 ...
##  $ Cuba                            : int  119 288 620 986 1337 1611 1754 1862 1931 2025 ...
##  $ Curacao                         : int  7 11 14 14 14 16 16 16 16 20 ...
##  $ Cyprus                          : int  179 426 616 761 810 864 892 914 927 943 ...
##  $ Czechia                         : int  2683 4504 5942 6696 7397 7809 8153 8525 8973 9319 ...
##  $ Democratic.Republic.of.Congo    : int  65 154 234 327 442 674 991 1454 2140 3048 ...
##  $ Denmark                         : int  2201 4077 5996 7242 8445 9407 10319 10858 11289 11633 ...
##  $ Djibouti                        : int  15 51 187 732 1008 1112 1189 1331 2270 3194 ...
##  $ Dominica                        : int  11 11 16 16 16 16 16 16 16 16 ...
##  $ Dominican.Republic              : int  581 1488 2620 4335 5926 7578 9882 12110 14422 16908 ...
##  $ Ecuador                         : int  1823 3465 7257 9022 22719 27464 29071 31467 36258 38843 ...
##  $ Egypt                           : int  576 1070 1939 3032 4319 6193 8964 11719 16512 23448 ...
##  $ El.Salvador                     : int  19 56 118 190 274 446 784 1265 1819 2395 ...
##  $ Equatorial.Guinea               : int  13 16 21 79 285 505 688 927 1313 1728 ...
##  $ Eritrea                         : int  6 20 34 39 39 39 39 39 39 39 ...
##  $ Estonia                         : int  5955 6359 6582 6781 6890 6946 6984 7027 7066 7112 ...
##  $ Eswatini                        : int  9 9 14 22 56 108 163 202 238 283 ...
##  $ Ethiopia                        : int  16 38 69 105 122 133 210 306 494 1063 ...
##  $ Europe                          : int  379351 579088 765455 938636 1101616 1252490 1405800 1543171 1665976 1778030 ...
##  $ European.Union                  : int  328804 484807 615552 717681 796488 848424 889844 924437 956309 984227 ...
##  $ Faeroe.Islands                  : int  156 181 184 185 187 187 187 187 187 187 ...
##  $ Falkland.Islands                : int  0 1 5 11 13 13 13 13 13 13 ...
##  $ Fiji                            : int  5 12 16 17 18 18 18 18 18 18 ...
##  $ Finland                         : int  2683 3452 4195 4894 5521 5965 6224 6414 6525 6589 ...
##  $ France                          : int  16 16 16 16 16 13 10 681 5021 8453 ...
##  $ French.Guiana                   : int  31 62 86 96 109 128 141 189 261 436 ...
##  $ French.Polynesia                : int  35 40 51 55 57 58 60 60 60 60 ...
##  $ Gabon                           : int  7 21 50 110 177 336 661 1320 1934 2655 ...
##  $ Gambia                          : int  3 4 9 9 10 17 20 24 25 25 ...
##  $ Georgia                         : int  98 170 252 394 485 589 635 695 730 783 ...
##  $ Germany                         : int  63904 99971 127115 144460 156811 164252 170486 175252 178851 182051 ...
##  $ Ghana                           : int  141 214 566 834 1279 2169 4263 5735 6617 7768 ...
##  $ Gibraltar                       : int  48 90 105 125 128 136 138 139 143 153 ...
##  $ Greece                          : int  1332 1866 2155 2273 2576 2680 2780 2884 2931 2978 ...
##  $ Greenland                       : int  10 10 11 11 11 11 11 11 11 13 ...
##  $ Grenada                         : int  7 12 13 13 15 20 21 22 22 23 ...
##  $ Guadeloupe                      : int  96 130 143 145 149 152 154 155 156 162 ...
##  $ Guam                            : int  55 93 133 133 137 144 147 149 161 166 ...
##  $ Guatemala                       : int  77 NA 164 262 457 671 927 1670 2770 4634 ...
##  $ Guernsey                        : int  46 127 209 239 245 252 252 252 252 252 ...
##  $ Guinea                          : int  9 121 250 477 1094 1586 2042 2663 3176 3706 ...
##  $ Guinea.Bissau                   : int  2 18 39 50 52 260 642 913 1114 1256 ...
##  $ Guyana                          : int  5 23 37 63 73 82 93 116 127 150 ...
##  $ Haiti                           : int  8 18 31 44 72 85 146 310 812 1584 ...
##  $ High.income                     : int  533110 926202 1342970 1710385 2075764 2406060 2709318 3002336 3301119 3572185 ...
##  $ Honduras                        : int  67 264 392 457 591 899 1771 2460 3477 4886 ...
##   [list output truncated]

is.data.frame(t)

## [1] TRUE

library(skimr)
skim(t)

Data summary

Name	t
Number of rows	200
Number of columns	247
_______________________
Column type frequency:
character	1
numeric	246
________________________
Group variables	None

Variable type: character

skim_variable	n_missing	complete_rate	min	max	empty	n_unique	whitespace
date	0	1	0	10	1	200	0

Variable type: numeric

skim_variable	n_missing	complete_rate	mean	sd	p0	p25	p50	p75	p100	hist
World	0	1.00	54102693.00	49092900.57	689954	10879761.00	50811397.5	67159866.25	209907479	▇▇▂▁▁
Afghanistan	0	1.00	16049.24	19308.45	91	4852.25	9894.5	17214.25	90336	▇▂▁▁▁
Africa	0	1.00	918842.54	916342.50	4566	82284.50	678465.0	1481324.25	3179653	▇▃▂▁▂
Albania	0	1.00	23411.04	25985.42	0	1147.00	9559.5	46425.00	79557	▇▁▂▂▂
Algeria	0	1.00	19038.26	21060.27	36	493.25	10420.0	35648.00	69203	▇▂▂▂▁
American.Samoa	0	1.00	585.13	1488.64	0	0.00	10.0	57.25	6185	▇▁▁▁▁
Andorra	0	1.00	3360.37	4933.15	0	333.50	1417.5	4417.75	21913	▇▂▁▁▁
Angola	0	1.00	7450.98	9437.51	0	579.75	2397.5	12961.00	34282	▇▂▂▁▁
Anguilla	0	1.00	273.28	432.01	0	0.00	15.0	456.50	1531	▇▁▁▁▁
Antigua.and.Barbuda	0	1.00	637.41	945.66	0	0.00	76.0	1016.00	3319	▇▂▁▁▁
Argentina	0	1.00	705258.48	891492.42	1282	27878.75	369132.0	953429.00	3566620	▇▂▁▁▁
Armenia	0	1.00	31582.24	33447.83	172	1956.25	19403.0	52236.50	110627	▇▂▁▂▂
Aruba	0	1.00	3095.66	4186.91	0	123.25	2027.5	4000.25	17511	▇▂▁▁▁
Asia	0	1.00	21067869.20	25432258.96	155461	3233106.00	11567834.5	26941331.50	106247438	▇▂▁▁▁
Australia	0	1.00	817920.95	1278045.29	922	7073.50	129724.0	939552.75	4266926	▇▁▁▁▁
Austria	0	1.00	425681.08	605647.54	0	19622.00	210524.0	632031.00	2743198	▇▂▁▁▁
Azerbaijan	0	1.00	58389.12	68271.00	147	3641.00	25088.0	101772.50	213278	▇▁▁▂▂
Bahamas	0	1.00	2665.86	3032.28	0	102.50	1470.5	4114.25	10469	▇▃▂▁▁
Bahrain	0	1.00	48759.85	64415.72	0	1589.75	27693.0	72519.00	276754	▇▂▁▁▁
Bangladesh	0	1.00	143232.35	177055.97	48	5766.00	61151.5	230333.75	719423	▇▃▁▁▁
Barbados	0	1.00	7710.12	10694.22	24	433.25	1986.5	15240.50	33173	▇▁▁▂▁
Belarus	0	1.00	69582.07	79560.55	0	0.00	35394.5	124904.25	279172	▇▂▂▁▁
Belgium	0	1.00	338671.34	469317.15	7129	53101.25	165060.5	377046.50	2018252	▇▂▁▁▁
Belize	1	1.00	4898.50	6777.15	0	379.00	1684.0	7737.00	27289	▇▂▁▁▁
Benin	0	1.00	1962.51	3735.68	0	34.00	708.5	1742.00	16434	▇▁▁▁▁
Bermuda	0	1.00	1320.19	1714.18	0	56.00	439.0	2221.75	6539	▇▂▂▁▁
Bhutan	0	1.00	4388.77	12190.01	0	59.75	241.0	1306.25	55570	▇▁▁▁▁
Bolivia	0	1.00	84722.88	87760.66	90	13332.50	62851.5	113029.75	366981	▇▃▂▁▁
Bonaire.Sint.Eustatius.and.Saba	0	1.00	834.54	1289.84	0	35.00	244.0	1149.00	5458	▇▂▁▁▁
Bosnia.and.Herzegovina	0	1.00	28238.04	32086.65	87	1633.25	13279.5	57448.25	104583	▇▁▁▂▁
Botswana	0	1.00	23127.91	32245.40	0	355.75	5664.0	32227.75	110126	▇▂▁▁▁
Brazil	0	1.00	2626392.19	2160564.91	0	791114.50	2385997.5	3659118.25	7836442	▇▅▃▂▂
British.Virgin.Islands	0	1.00	517.44	914.85	0	10.25	64.0	544.50	3320	▇▁▁▁▁
Brunei	0	1.00	22523.74	32462.27	1	57.75	7687.5	32149.50	126875	▇▂▁▁▁
Bulgaria	0	1.00	92344.18	110519.20	346	11056.25	43737.5	147576.00	415241	▇▂▂▁▁
Burkina.Faso	0	1.00	1546.37	2291.67	0	220.50	527.0	1479.75	9325	▇▁▁▁▁
Burundi	1	1.00	3832.40	4898.73	0	331.50	2043.0	5195.00	17807	▇▂▁▁▁
Cambodia	0	1.00	9728.35	18779.26	6	122.00	594.5	9843.00	67359	▇▁▁▁▁
Cameroon	0	1.00	8758.97	11119.90	0	587.00	4518.5	13414.25	45362	▇▂▁▁▁
Canada	0	1.00	331827.55	357778.46	2679	72941.75	249123.0	461413.00	1568306	▇▅▁▁▁
Cape.Verde	0	1.00	4513.15	5122.42	4	474.50	2763.0	6138.50	17589	▇▅▁▁▂
Cayman.Islands	0	1.00	2203.02	3861.04	0	31.00	156.0	2300.75	15301	▇▁▁▁▁
Central.African.Republic	0	1.00	1078.78	1580.34	0	73.00	382.0	1161.50	5355	▇▁▁▁▁
Chad	0	1.00	538.86	708.81	0	38.75	164.0	828.00	2659	▇▂▁▁▁
Chile	0	1.00	372512.03	382761.61	1909	112982.25	270677.0	530511.75	1703209	▇▃▁▁▁
China	0	1.00	6949880.20	21920571.09	2455	6510.00	18421.5	1300878.00	89898665	▇▁▁▁▁
Colombia	0	1.00	446962.32	537554.33	723	18305.25	175856.0	849341.25	2097129	▇▂▂▁▁
Comoros	0	1.00	637.63	1036.19	0	86.75	215.5	489.00	3683	▇▁▁▁▁
Congo	0	1.00	1764.84	1939.04	0	118.25	788.0	3072.75	7989	▇▃▂▁▁
Cook.Islands	0	1.00	502.78	1273.88	0	0.00	3.5	275.25	5687	▇▁▁▁▁
Costa.Rica	0	1.00	86145.01	72886.96	0	16835.25	69152.5	142201.00	270936	▇▆▃▂▁
Cote.d.Ivoire	0	1.00	6186.00	6638.26	3	367.75	3783.5	11000.50	22895	▇▂▂▁▁
Croatia	0	1.00	90549.88	122090.88	657	5611.75	43874.5	109408.00	515535	▇▂▁▁▁
Cuba	0	1.00	78052.91	160596.06	0	1271.25	4595.0	86125.75	714051	▇▁▁▁▁
Curacao	0	1.00	3211.79	5245.19	0	62.50	921.5	3951.00	22160	▇▂▁▁▁
Cyprus	0	1.00	46813.73	63284.69	0	3783.25	27764.0	45197.25	288485	▇▁▁▁▁
Czechia	0	1.00	329686.62	447643.92	2232	25678.00	110154.5	518837.75	1792603	▇▂▁▁▁
Democratic.Republic.of.Congo	0	1.00	6952.88	7545.97	50	1594.75	3911.0	8947.75	28173	▇▂▁▁▁
Denmark	0	1.00	239768.56	548944.25	2082	11386.75	68672.0	131963.75	2449023	▇▁▁▁▁
Djibouti	0	1.00	1098.30	1588.35	0	0.00	307.0	1788.50	5523	▇▂▁▁▁
Dominica	0	1.00	1122.57	1743.40	0	16.75	70.0	1667.00	5791	▇▁▁▁▁
Dominican.Republic	0	1.00	46282.16	45016.70	4	7422.00	42151.0	71648.50	181755	▇▆▃▁▁
Ecuador	1	1.00	74715.40	73520.85	0	25621.00	59712.0	96810.50	321170	▇▅▁▁▁
Egypt	0	1.00	36119.34	39685.90	0	327.25	20447.0	69884.00	134109	▇▂▃▂▁
El.Salvador	0	1.00	14128.35	12238.12	0	31.75	15968.5	22461.75	41249	▇▃▆▂▂
Equatorial.Guinea	1	1.00	1200.50	1378.20	0	41.50	553.0	2191.00	4699	▇▂▂▁▁
Eritrea	0	1.00	713.22	946.49	0	0.75	226.5	1389.50	3004	▇▁▁▁▁
Estonia	0	1.00	42424.06	72471.78	429	4505.75	12712.0	49370.00	317271	▇▁▁▁▁
Eswatini	0	1.00	5262.05	7566.13	9	413.00	2023.5	5505.25	27189	▇▁▁▁▁
Ethiopia	0	1.00	35077.25	38409.83	16	1555.50	18251.0	66110.00	125196	▇▂▂▂▁
Europe	0	1.00	17570658.26	22085259.47	379351	2120679.25	11232096.0	20746657.50	96692907	▇▂▁▁▁
European.Union	0	1.00	12945646.67	17062815.25	328804	1230446.00	7365130.0	14426807.75	74096486	▇▁▁▁▁
Faeroe.Islands	0	1.00	2425.50	7105.25	0	0.00	88.5	285.25	31182	▇▁▁▁▁
Falkland.Islands	0	1.00	134.61	404.34	0	0.00	9.0	31.25	1707	▇▁▁▁▁
Fiji	1	1.00	4858.06	11107.86	0	18.00	147.0	3104.00	48842	▇▁▁▁▁
Finland	0	1.00	104919.46	162741.84	1378	12633.25	31940.0	149696.00	693212	▇▂▁▁▁
France	0	1.00	2729823.73	3829043.71	0	222076.00	1389257.5	3235456.50	16366184	▇▂▁▁▁
French.Guiana	0	1.00	6862.74	7923.58	0	243.00	4456.0	10255.00	32136	▇▃▁▁▁
French.Polynesia	0	1.00	5526.90	8301.62	5	414.50	1256.0	6188.25	26421	▇▁▁▁▁
Gabon	0	1.00	3432.55	4240.22	0	59.00	990.5	6280.25	13291	▇▁▁▁▂
Gambia	0	1.00	883.82	1164.17	0	25.00	271.5	1607.25	3885	▇▁▂▁▁
Georgia	0	1.00	129869.74	188616.95	0	10115.00	50517.5	185295.75	790761	▇▂▁▁▁
Germany	0	1.00	2690449.04	3890079.82	0	153723.25	1104770.0	4145473.00	16309538	▇▂▁▁▁
Ghana	0	1.00	12026.75	12620.24	0	537.00	7043.5	24511.50	39235	▇▂▁▂▂
Gibraltar	0	1.00	1438.44	2195.70	0	120.75	274.5	2029.50	8837	▇▂▁▁▁
Greece	0	1.00	386695.54	465753.13	1332	89520.25	171460.0	527182.25	2000323	▇▂▁▁▁
Greenland	0	1.00	837.96	2508.88	0	0.00	3.0	24.50	10625	▇▁▁▁▁
Grenada	0	1.00	1378.51	2323.25	0	10.00	32.0	1763.50	8068	▇▁▁▁▁
Guadeloupe	0	1.00	14226.19	20449.76	0	891.25	5410.0	24451.50	86058	▇▁▂▁▁
Guam	0	1.00	3652.86	5536.37	55	454.75	1324.5	4711.00	24650	▇▂▁▁▁
Guatemala	1	1.00	87962.51	77290.50	4	21169.00	72709.0	132755.50	277620	▇▇▂▂▂
Guernsey	0	1.00	2472.70	3927.43	0	30.75	511.0	2881.50	15611	▇▁▁▁▁
Guinea	0	1.00	2699.97	2614.34	0	283.00	1246.0	5345.75	8101	▇▁▂▃▁
Guinea.Bissau	0	1.00	672.98	635.41	0	166.75	450.0	1108.00	2278	▇▃▂▂▁
Guyana	0	1.00	5156.00	6493.56	5	378.50	3180.0	7216.25	26227	▇▂▁▁▁
Haiti	0	1.00	2414.65	2311.66	8	214.75	1724.5	4215.75	7740	▇▃▂▂▂
High.income	0	1.00	29897917.27	32929590.22	533110	5679407.25	20593794.0	35699280.75	145916069	▇▃▁▁▁
Honduras	0	1.00	33091.87	31543.01	1	4699.75	24202.0	57899.50	111959	▇▃▃▂▁
Hungary	0	1.00	155349.88	196137.96	408	8696.50	72208.0	259095.75	806640	▇▂▁▁▁
Iceland	0	1.00	14667.54	33063.72	78	553.00	1846.5	6809.75	150431	▇▁▁▁▁
India	0	1.00	3150517.12	4486439.34	979	136608.50	1211172.0	4447618.50	18634053	▇▂▁▁▁
Indonesia	0	1.00	477216.63	606810.89	128	54740.25	270448.5	629388.75	2312979	▇▂▁▁▁
Iran	0	1.00	533508.76	638893.94	2251	37583.00	238347.5	842056.00	2453717	▇▂▂▁▁
Iraq	0	1.00	172586.18	203827.33	0	1700.50	111256.5	263517.25	725533	▇▂▁▁▁
Ireland	0	1.00	120888.31	194570.30	2121	10649.00	39760.0	138016.75	788278	▇▁▁▁▁
Isle.of.Man	0	1.00	2660.55	4103.75	0	0.00	214.0	5000.00	14977	▇▂▁▁▁
Israel	0	1.00	338901.64	565971.22	444	23058.25	114634.0	425846.00	2605335	▇▁▁▁▁
Italy	0	1.00	1852651.00	2235684.23	33775	286260.00	751096.5	2637907.25	9168375	▇▁▂▁▁
Jamaica	0	1.00	10962.88	11966.53	30	1144.50	7214.5	16659.50	37299	▇▃▁▁▂
Japan	0	1.00	2366236.30	3542413.84	0	57327.25	335320.5	3847536.00	12163347	▇▁▁▁▁
Jersey	0	1.00	4647.28	6886.76	0	70.25	1925.5	6044.50	29553	▇▂▁▁▁
Jordan	0	1.00	122289.29	180673.24	0	0.00	28441.0	219542.75	715384	▇▂▁▁▁
Kazakhstan	0	1.00	105214.42	131144.42	0	6107.75	60399.0	146297.50	492173	▇▂▁▁▁
Kenya	0	1.00	24086.42	25493.30	37	910.75	12685.5	48570.25	71131	▇▁▂▂▃
Kiribati	0	1.00	355.95	808.90	0	0.00	0.0	174.25	3076	▇▁▁▁▁
Kosovo	0	1.00	19199.37	21138.27	32	818.50	9553.5	38459.50	66206	▇▁▂▂▁
Kuwait	0	1.00	46658.60	56080.51	192	2483.25	23055.5	64114.50	214614	▇▃▁▁▁
Kyrgyzstan	0	1.00	6225.36	14146.23	0	0.00	163.0	4852.75	62702	▇▁▁▁▁
Laos	0	1.00	15323.00	28434.65	1	19.75	693.5	7845.75	97924	▇▁▁▁▁
Latvia	0	1.00	68421.00	118696.64	329	1379.75	26967.0	71421.50	531777	▇▁▁▁▁
Lebanon	0	1.00	86791.48	108152.61	0	5268.75	44955.0	112788.50	410474	▇▂▁▁▁
Lesotho	0	1.00	2526.84	3411.88	0	3.50	1061.5	3200.00	10966	▇▁▁▁▁
Liberia	1	1.00	569.13	851.41	0	67.00	257.0	538.00	3550	▇▁▁▁▁
Libya	0	1.00	35508.83	43728.88	0	93.75	4833.0	63562.75	151128	▇▂▂▁▁
Liechtenstein	0	1.00	1507.69	2396.85	5	78.00	481.5	1855.50	10438	▇▁▁▁▁
Lithuania	0	1.00	94609.88	136817.39	262	14399.75	41861.5	96912.25	602396	▇▂▁▁▁
Low.income	0	1.00	162659.84	169514.12	677	24250.50	80275.5	289126.00	555417	▇▂▂▁▂
Lower.middle.income	0	1.00	6826429.84	7369899.30	44130	627243.00	3891277.0	9623936.25	24637876	▇▃▂▁▂
Luxembourg	0	1.00	27166.90	33141.49	814	4284.25	15394.0	32207.50	143507	▇▂▁▁▁
Madagascar	0	1.00	4789.77	6401.85	42	418.50	1506.5	6851.75	21535	▇▁▁▁▁
Malawi	1	1.00	6273.93	9090.70	0	286.00	1427.0	6739.50	27305	▇▁▁▁▂
Malaysia	0	1.00	362339.82	474092.76	1565	31184.00	192840.0	438095.50	1622726	▇▁▁▁▁
Maldives	1	1.00	13134.09	21263.18	0	687.00	5082.0	11494.50	83146	▇▁▁▁▁
Mali	0	1.00	2321.36	3285.14	4	268.25	1113.5	2907.50	14199	▇▂▁▁▁
Malta	0	1.00	8461.56	9756.90	159	1425.25	3446.0	13033.00	34959	▇▂▁▁▁
Marshall.Islands	0	1.00	1129.66	3797.94	0	0.00	4.0	51.25	15318	▇▁▁▁▁
Martinique	0	1.00	16124.58	24629.95	0	652.50	4725.0	21324.25	98138	▇▁▁▁▁
Mauritania	1	1.00	4494.53	5641.84	5	244.00	2332.0	6427.00	21221	▇▂▁▁▁
Mauritius	0	1.00	22183.07	31967.95	12	337.00	8694.0	29392.00	126742	▇▂▁▁▁
Mayotte	1	1.00	2984.78	4566.42	0	303.50	1319.0	2411.00	15921	▇▁▁▁▁
Mexico	0	1.00	539169.90	475162.52	978	137836.00	399041.5	849651.50	1794056	▇▃▂▂▁
Micronesia..country.	0	1.00	1858.29	4497.97	0	0.00	0.0	592.00	21994	▇▁▁▁▁
Moldova	0	1.00	44044.27	40953.57	231	7624.25	24773.5	80113.75	143481	▇▂▂▂▁
Monaco	0	1.00	1200.78	1608.29	15	169.25	573.5	1380.25	6727	▇▁▁▁▁
Mongolia	0	1.00	70793.57	120572.02	12	328.75	10391.0	57122.25	472116	▇▁▁▁▁
Montenegro	0	1.00	17589.60	18515.59	0	1686.50	8197.0	28940.75	58679	▇▂▂▁▂
Montserrat	0	1.00	98.20	217.09	0	0.00	5.0	47.25	877	▇▁▁▁▁
Morocco	0	1.00	89452.98	114339.53	390	3727.25	37773.0	138054.50	405604	▇▂▁▁▁
Mozambique	0	1.00	16359.41	24211.17	0	646.25	3054.0	20177.75	78520	▇▁▁▁▁
Myanmar	0	1.00	44899.20	72296.78	8	1165.25	7054.5	69424.75	315303	▇▂▁▁▁
Namibia	0	1.00	12054.09	17275.73	11	711.25	5149.0	17140.00	72643	▇▂▁▁▁
Nauru	0	1.00	377.51	1114.44	0	0.00	0.0	11.00	4607	▇▁▁▁▁
Nepal	0	1.00	70241.27	99661.98	3	1223.50	18661.5	133311.50	397251	▇▂▁▁▁
Netherlands	0	1.00	603800.74	1087091.09	2288	33106.75	276353.0	573817.00	4837498	▇▁▁▁▁
New.Caledonia	0	1.00	5604.46	11231.46	0	8.00	65.5	5754.50	47713	▇▁▁▁▁
New.Zealand	0	1.00	169824.98	271111.56	83	376.75	33800.5	228822.00	1115883	▇▁▁▁▁
Nicaragua	0	1.00	1126.03	1348.27	2	313.75	543.5	1405.00	5553	▇▁▁▁▁
Niger	0	1.00	666.04	846.55	0	81.50	322.0	918.25	3448	▇▂▁▁▁
Nigeria	0	1.00	18701.92	22649.02	0	480.75	7498.0	34634.50	91600	▇▂▂▁▁
Niue	0	1.00	64.65	150.26	0	0.00	0.0	64.00	662	▇▁▁▁▁
North.America	0	1.00	8713789.13	8411205.20	72487	2828830.50	5970186.5	12487428.75	36155965	▇▃▁▁▁
North.Korea	0	1.00	0.00	0.00	0	0.00	0.0	0.00	0	▁▁▇▁▁
North.Macedonia	0	1.00	24505.70	25247.15	114	2080.50	12833.5	44136.75	84830	▇▂▂▂▁
Northern.Mariana.Islands	0	1.00	1003.20	2094.33	0	40.00	180.5	554.00	9339	▇▁▁▁▁
Norway	0	1.00	104834.87	243278.92	1773	6654.75	16123.5	52021.25	1066749	▇▁▁▁▁
Oceania	0	1.00	1022445.10	1561620.74	4396	22234.50	210478.5	1226942.50	5366161	▇▁▁▁▁
Oman	0	1.00	27960.96	34199.09	0	399.00	8355.0	53702.75	123967	▇▂▁▂▁
Pakistan	0	1.00	110641.72	112774.94	0	3960.25	61856.5	219937.75	351714	▇▂▂▃▁
Palau	1	1.00	440.10	986.66	0	0.00	20.0	314.00	4277	▇▁▁▁▁
Palestine	0	1.00	49225.41	57297.36	0	159.00	27263.5	94475.00	191718	▇▂▂▂▁
Panama	0	1.00	72942.12	73755.64	546	9819.25	48554.5	93681.50	280914	▇▃▁▁▁
Papua.New.Guinea	0	1.00	3280.48	4909.21	0	38.75	559.0	5985.75	17672	▇▁▁▁▁
Paraguay	0	1.00	51532.50	64522.57	35	1665.50	16843.0	72048.25	225799	▇▂▁▁▁
Peru	0	1.00	317127.79	315442.92	635	61807.75	255073.5	490273.75	1293329	▇▅▃▁▁
Philippines	1	1.00	294575.29	334074.12	1075	38026.50	159494.0	475310.50	1249157	▇▂▁▁▁
Pitcairn	0	1.00	0.28	1.02	0	0.00	0.0	0.00	4	▇▁▁▁▁
Poland	0	1.00	461099.47	609061.17	1638	42166.25	128292.0	839477.50	2347354	▇▁▂▁▁
Portugal	0	1.00	394516.24	625361.08	5449	30097.00	118085.5	406484.25	2481064	▇▁▁▁▁
Puerto.Rico	0	1.00	87689.70	101057.95	0	19465.00	43170.5	125703.00	370123	▇▂▁▁▁
Qatar	0	1.00	36012.53	31497.55	0	14346.00	23011.0	54619.75	115104	▇▃▂▁▂
Reunion	0	1.00	34621.35	64824.57	0	427.50	9879.5	25189.75	274485	▇▁▁▁▁
Romania	0	1.00	245390.98	270111.05	1452	47451.00	99597.0	355587.00	1061595	▇▃▁▁▁
Russia	0	1.00	1641526.15	1735122.14	1534	593754.25	946939.5	2192553.25	7565796	▇▃▁▁▁
Rwanda	0	1.00	9324.19	15580.61	0	284.75	1933.5	12185.00	67457	▇▁▁▁▁
Saint.Barthelemy	0	1.00	385.46	533.35	0	21.00	125.5	603.00	2343	▇▃▁▁▁
Saint.Helena	0	1.00	151.62	518.60	0	0.00	0.0	0.00	2160	▇▁▁▁▁
Saint.Kitts.and.Nevis	0	1.00	462.49	802.48	0	7.00	21.0	593.25	2801	▇▁▁▁▁
Saint.Lucia	0	1.00	2114.58	2694.37	3	72.50	794.5	3721.00	9806	▇▂▁▁▁
Saint.Martin..French.part.	0	1.00	862.64	1385.84	0	43.25	493.5	951.25	5951	▇▁▁▁▁
Saint.Pierre.and.Miquelon	0	1.00	239.82	529.26	0	1.00	9.0	179.75	2424	▇▁▁▁▁
Saint.Vincent.and.the.Grenadines	0	1.00	677.17	968.46	0	37.75	127.0	891.25	3343	▇▁▁▁▁
Samoa	1	1.00	1188.37	3311.75	0	0.00	3.0	215.50	15012	▇▁▁▁▁
San.Marino	0	1.00	1758.05	1982.54	33	407.00	875.5	2352.25	8563	▇▅▁▁▁
Sao.Tome.and.Principe	0	1.00	467.96	583.29	0	92.00	195.0	699.50	2210	▇▂▂▁▁
Saudi.Arabia	0	1.00	58900.32	69290.58	0	9338.50	29857.0	83864.50	261803	▇▂▁▁▁
Senegal	0	1.00	6232.16	8198.71	10	119.00	2137.0	10054.25	31809	▇▃▁▁▁
Serbia	0	1.00	180556.98	188927.37	659	26902.00	82694.0	303223.00	690236	▇▂▂▁▁
Seychelles	0	1.00	3579.82	4612.01	0	90.50	1917.0	4788.25	16417	▇▃▁▁▁
Sierra.Leone	0	1.00	543.97	682.04	0	8.75	89.5	1132.25	2270	▇▁▂▂▁
Singapore	0	1.00	195614.12	228362.53	802	10105.25	113497.5	312055.00	890319	▇▂▁▁▁
Sint.Maarten..Dutch.part.	1	1.00	777.13	1194.49	0	56.50	445.0	863.50	5005	▇▁▁▁▁
Slovakia	0	1.00	131048.98	228805.53	314	3990.75	23564.0	157350.00	905932	▇▁▁▁▁
Slovenia	0	1.00	94579.82	123453.20	665	5803.50	64233.5	130410.00	520850	▇▃▁▁▁
Solomon.Islands	0	1.00	1816.78	3848.05	0	0.00	2.0	67.00	15258	▇▁▁▁▁
Somalia	0	1.00	1913.38	2425.65	0	48.00	827.5	3046.25	9632	▇▂▁▁▁
South.Africa	0	1.00	285082.02	309479.27	0	23526.00	191946.0	537558.00	1162743	▇▃▂▂▁
South.America	0	1.00	4808703.32	4283335.30	10366	1106205.25	3859811.5	6539420.50	16614273	▇▅▂▂▁
South.Korea	0	1.00	2419889.36	3919785.28	0	46467.50	343129.0	3329290.25	16750350	▇▂▁▁▁
South.Sudan	0	1.00	1314.26	1746.87	0	221.75	613.0	1476.00	6867	▇▂▁▁▁
Spain	0	1.00	978301.50	1365343.04	0	134462.00	540911.0	1244014.50	6084288	▇▂▁▁▁
Sri.Lanka	0	1.00	47085.35	74948.70	35	482.00	4900.5	64006.50	280853	▇▂▁▁▁
Sudan	0	1.00	4479.50	5371.82	0	242.25	2314.5	7034.75	19895	▇▂▂▁▁
Suriname	0	1.00	5775.40	8500.32	0	244.75	1653.5	4929.75	27780	▇▁▁▁▁
Sweden	1	1.00	192477.27	297739.26	4719	30844.50	67716.0	216242.50	1257244	▇▂▁▁▁
Switzerland	0	1.00	310405.66	497636.54	4150	22805.25	143043.0	340699.50	2249273	▇▁▁▁▁
Syria	0	1.00	4019.61	5185.22	0	34.25	1332.0	7191.00	21064	▇▃▂▁▁
Tajikistan	0	1.00	1245.02	1984.48	0	0.00	0.0	2435.50	7669	▇▁▂▁▁
Tanzania	0	1.00	3022.45	6241.32	0	0.00	505.5	3037.75	25506	▇▁▁▁▁
Thailand	1	1.00	334908.77	528615.64	361	4437.50	25261.0	570953.00	1892316	▇▁▁▁▁
Timor	0	1.00	1642.19	3143.13	0	17.75	113.5	1258.75	10775	▇▁▁▁▁
Togo	0	1.00	2766.80	3583.83	2	122.75	1087.5	4069.50	11721	▇▁▁▁▁
Tokelau	0	1.00	5.60	18.25	0	0.00	0.0	0.00	75	▇▁▁▁▁
Tonga	0	1.00	1182.87	2680.02	0	0.00	4.0	428.50	11414	▇▁▁▁▁
Trinidad.and.Tobago	0	1.00	13404.67	16592.71	0	693.00	4687.5	22759.25	62041	▇▂▂▁▁
Tunisia	0	1.00	80734.88	99707.61	0	1659.50	32529.0	128158.25	332881	▇▃▂▁▂
Turkey	0	1.00	1190322.62	1404706.63	0	13324.75	749347.5	1777662.00	5658613	▇▃▂▁▁
Turkmenistan	0	1.00	0.00	0.00	0	0.00	0.0	0.00	0	▁▁▇▁▁
Turks.and.Caicos.Islands	0	1.00	468.88	690.64	2	62.00	184.5	507.25	2812	▇▁▁▁▁
Tuvalu	0	1.00	206.01	677.44	0	0.00	0.0	3.00	2759	▇▁▁▁▁
Uganda	0	1.00	12032.16	17236.14	5	847.00	2792.0	20846.00	75916	▇▁▁▁▁
Ukraine	0	1.00	386438.58	440064.02	0	48182.50	165983.5	712072.50	1505891	▇▁▂▁▁
United.Arab.Emirates	0	1.00	74690.42	72763.31	0	14042.00	49013.0	114120.75	270296	▇▂▂▁▁
United.Kingdom	0	1.00	1738538.55	2313911.63	23781	217643.00	583557.0	2594415.00	9180267	▇▂▁▁▁
United.States	36	0.82	8764030.73	7145440.85	126309	4447538.25	6066868.0	10654971.00	31168780	▇▅▂▁▁
United.States.Virgin.Islands	1	1.00	1780.17	2053.17	0	420.50	1052.0	2346.00	8026	▇▂▁▁▁
Upper.middle.income	0	1.00	17130787.00	22021634.40	111517	2945168.50	13065469.0	18131974.75	94097546	▇▁▁▁▁
Uruguay	0	1.00	72859.62	117060.18	274	2003.75	19390.5	77028.25	481900	▇▁▁▁▁
Uzbekistan	0	1.00	12243.56	18674.85	0	9.00	2645.5	16108.25	66020	▇▁▁▁▁
Vanuatu	0	1.00	841.33	2320.81	0	0.00	2.0	33.00	10685	▇▁▁▁▁
Vatican	0	1.00	1.80	4.31	0	0.00	0.0	0.00	14	▇▁▁▁▁
Venezuela	0	1.00	38688.35	40642.43	0	1703.25	18639.5	75813.00	120300	▇▂▁▂▂
Vietnam	0	1.00	813678.82	1996175.67	13	808.00	22720.0	715734.75	8539956	▇▁▁▁▁
Wallis.and.Futuna	0	1.00	248.50	689.50	0	0.00	1.0	123.00	2959	▇▁▁▁▁
Yemen	0	1.00	836.15	1166.97	0	0.00	108.5	1542.75	4570	▇▃▁▁▁
Zambia	0	1.00	24451.13	33177.25	10	3288.50	9209.5	29347.75	112787	▇▁▁▁▁
Zimbabwe	1	1.00	18708.43	28873.85	7	1225.00	5092.0	20626.50	105068	▇▁▁▁▁

• Thông tin mô tả bộ dữ kiệu có các cột sau và ý nghĩa các cột là:

skim_variable: tên biến

n_missing: số dữ liệu trống

complete_rate: tỉ lệ biến có dữ liệu

mean: giá trị trung bình

sd: độ lệch chuẩn

p0: giá trị nhỏ nhất

p25: phân vị thứ nhất

p50: trung vị

p75: phân vị thứ ba

p100: giá trị lớn nhất

his: biểu đồ histogram

**Để dễ dàng phân tích dữ liệu ta chỉ lấy 1 phần nhỏ dữ liệu từ i để phân tích

t1 <- t[1:200,1:6]
t1

date	World	Afghanistan	Africa	Albania	Algeria
	689954	91	4566	186	454
4/5/2020	1156243	274	9249	304	1251
4/12/2020	1680600	521	14590	416	1825
4/19/2020	2187561	908	21829	539	2534
4/26/2020	2727739	1330	31322	678	3256
5/3/2020	3271481	2171	44003	782	4295
5/10/2020	3840476	3563	62086	850	5558
5/17/2020	4428081	6053	83378	916	6821
5/24/2020	5093319	9866	110316	981	8113
5/31/2020	5813080	14443	144577	1099	9267
6/7/2020	6649476	19550	187921	1212	10049
6/14/2020	7531919	24101	239084	1416	10791
6/21/2020	8502897	28290	302240	1805	11594
6/28/2020	9489694	30592	377612	2199	12829
7/5/2020	10466862	32581	468453	2566	15046
7/12/2020	11429623	34077	576090	2974	17461
7/19/2020	12479419	34768	696613	3490	20724
7/26/2020	13715284	35128	814997	4031	24230
8/2/2020	15014252	35380	920024	4598	27694
8/9/2020	16307278	34844	998063	5369	30398
8/16/2020	17611021	33988	1052912	6267	32575
8/23/2020	18823953	31841	1101632	7203	34247
8/30/2020	20002494	28277	1133223	8214	35669
9/6/2020	21258537	23861	1154824	8868	36804
9/13/2020	22371860	19090	1166802	9809	37957
9/20/2020	23565233	14817	1169109	10657	38813
9/27/2020	24637851	10895	1159199	11207	39283
10/4/2020	25612858	8681	1137206	11696	39027
10/11/2020	26649375	7031	1106588	12314	37440
10/18/2020	27818601	5790	1062967	13223	35491
10/25/2020	29335344	5479	1010403	14650	33081
11/1/2020	31119114	5389	960742	16064	31178
11/8/2020	33137466	5323	931753	17934	30431
11/15/2020	35348049	6020	935253	20550	32126
11/22/2020	37573586	6952	957564	24342	35641
11/29/2020	39772211	8072	981429	28126	40144
12/6/2020	42097822	9498	1022143	32107	43720
12/13/2020	44507254	10648	1080209	36896	45567
12/20/2020	47091700	11895	1154326	40983	46774
12/27/2020	49113798	12929	1254179	43307	48234
1/3/2021	51256409	13517	1365616	45678	49245
1/10/2021	54130903	14192	1529186	48413	49918
1/17/2021	56619058	14281	1678419	51569	50671
1/24/2021	58247906	14454	1794151	54154	51166
1/31/2021	58892939	14255	1856113	57794	51492
2/7/2021	58531777	13910	1887798	62448	50910
2/14/2021	57395003	13459	1889154	67625	49132
2/21/2021	55820020	12569	1872239	71208	44945
2/28/2021	54370683	11211	1851058	73770	39186
3/7/2021	53086107	9881	1828014	75056	32892
3/14/2021	51848511	8344	1795668	74821	27641
3/21/2021	50782354	7151	1762993	73159	24428
3/28/2021	50072432	5758	1711654	71212	21969
4/4/2021	50068186	4828	1639042	70462	19667
4/11/2021	50380619	4451	1555325	69072	18219
4/18/2021	50605836	4304	1421472	66929	17573
4/25/2021	51448506	4859	1291214	63635	17125
5/2/2021	52915423	5527	1175122	60430	16942
5/9/2021	54644067	6819	1099083	55227	16778
5/16/2021	56290627	8149	1049311	48857	16342
5/23/2021	57786494	10236	1029523	41318	16138
5/30/2021	58859734	15157	1026937	34376	16692
6/6/2021	59204277	23510	1042833	27143	17721
6/13/2021	59114601	34014	1090672	21136	18966
6/20/2021	58688500	45921	1181513	16361	20443
6/27/2021	57992058	58117	1304472	12484	22047
7/4/2021	56919876	68454	1476992	9310	24257
7/11/2021	56092177	76902	1680357	6738	27772
7/18/2021	55140245	83442	1883328	4852	33832
7/25/2021	53664514	86078	2045811	3521	41382
8/1/2021	52112573	88658	2237643	2766	50656
8/8/2021	50840441	90336	2466566	2506	58045
8/15/2021	49895809	90191	2660854	3563	62755
8/22/2021	49682853	89027	2871267	6193	65977
8/29/2021	50035025	87305	3026307	11021	68020
9/5/2021	50847407	82662	3127823	16832	69203
9/12/2021	51772190	74766	3173239	22921	69141
9/19/2021	52810070	64678	3179653	28887	68154
9/26/2021	53780802	52993	3113911	34206	66988
10/3/2021	54259746	40921	2978811	38272	65544
10/10/2021	54456710	30596	2781798	41642	63483
10/17/2021	54054141	22039	2543707	44528	59903
10/24/2021	53453526	15216	2298903	47976	53540
10/31/2021	52824272	12217	2090131	51512	45490
11/7/2021	51860529	8774	1855241	54958	35687
11/14/2021	50916618	6054	1595941	58422	27517
11/21/2021	50260061	4831	1377105	60383	22184
11/28/2021	49708334	4679	1168447	60600	18809
12/5/2021	49412874	4398	1044531	57871	16626
12/12/2021	49366995	4188	1049650	54098	14993
12/19/2021	50139020	3755	1194584	49931	14508
12/26/2021	52543572	3363	1370512	45897	15152
1/2/2022	59504526	3213	1593316	43534	16244
1/9/2022	72991191	3204	1840218	45908	18085
1/16/2022	90695604	3334	2074354	54609	20994
1/23/2022	111353611	3931	2294836	67074	29337
1/30/2022	131771608	5848	2504110	75118	43560
2/6/2022	148571960	9624	2673249	78832	51240
2/13/2022	161303560	13877	2786712	79557	54147
2/20/2022	170697236	15418	2878801	77891	56063
2/27/2022	177883723	16316	2977129	75791	55939
3/6/2022	184736617	17157	2984720	73298	55247
3/13/2022	192268694	18631	2956675	71507	54113
3/20/2022	200333171	19428	2817653	69746	52887
3/27/2022	206628625	19729	2576490	68094	51291
4/3/2022	209907479	19903	2310814	66538	49308
4/10/2022	206638835	19978	2028041	63884	46902
4/17/2022	195739158	20042	1742305	57690	43997
4/24/2022	179780700	19970	1494321	45908	40277
5/1/2022	160237999	19331	1280236	30820	31244
5/8/2022	140432612	17257	1093246	19525	16484
5/15/2022	124468609	13531	954098	12313	8218
5/22/2022	112338857	9522	855933	8223	4625
5/29/2022	102854198	8193	765140	6108	1937
6/5/2022	95063423	7438	667318	4960	1118
6/12/2022	87686467	6686	635156	4553	698
6/19/2022	79651610	5512	613251	4474	561
6/26/2022	71865388	5033	617280	5250	491
7/3/2022	66149176	5169	626351	7533	494
7/10/2022	63121957	5414	644323	11972	562
7/17/2022	62900375	5360	663248	18348	704
7/24/2022	64376284	6087	689379	27018	1033
7/31/2022	66877742	6932	691962	34593	1613
8/7/2022	69824370	8167	667551	40335	2361
8/14/2022	71957999	9908	628043	44820	3214
8/21/2022	73380139	11192	577831	48112	3915
8/28/2022	74363770	12534	539876	51041	4324
9/4/2022	75266641	13764	515897	52704	4553
9/11/2022	75276937	15029	493147	53422	4636
9/18/2022	75149447	16049	467803	53730	4681
9/25/2022	74597237	16709	427117	53736	4672
10/2/2022	73235840	17200	387872	52864	4652
10/9/2022	71172500	17556	345717	50446	4592
10/16/2022	68006239	17877	302756	45721	4490
10/23/2022	63925368	18579	258815	39137	4353
10/30/2022	59286122	18360	209118	30351	4064
11/6/2022	54416142	18038	175907	22622	3473
11/13/2022	49959781	17385	159215	16661	2740
11/20/2022	46889065	16181	150349	12033	1944
11/27/2022	44480353	15161	146555	8605	1330
12/4/2022	42951578	13956	141884	5462	927
12/11/2022	43276857	12658	135253	3691	720
12/18/2022	54984977	11339	132774	2842	636
12/25/2022	95825400	10240	133416	2357	588
1/1/2023	120339697	9296	132787	2032	574
1/8/2023	128088847	8508	133044	1832	572
1/15/2023	129757066	7754	136832	1767	580
1/22/2023	129096253	7001	135126	1717	592
1/29/2023	127758023	6391	136325	1626	592
2/5/2023	126609206	5858	135673	1525	558
2/12/2023	125521964	5238	131202	1421	562
2/19/2023	124178577	4655	123770	1392	544
2/26/2023	122569412	4239	113447	1364	487
3/5/2023	120620263	3773	106226	1369	408
3/12/2023	118278106	3346	98441	1374	401
3/19/2023	114542188	3204	93421	1309	402
3/26/2023	100397815	3094	87578	1261	400
4/2/2023	56961126	3306	79004	1213	398
4/9/2023	29929495	3933	73700	1198	396
4/16/2023	19644300	4832	68502	1163	388
4/23/2023	15494972	6117	60827	1026	384
4/30/2023	13664697	6783	54897	921	384
5/7/2023	12714645	8336	49846	871	396
5/14/2023	11895891	10047	46656	820	419
5/21/2023	11017394	11311	44386	769	413
5/28/2023	10226677	12131	42074	700	410
6/4/2023	9449576	12744	42478	607	402
6/11/2023	8707296	13157	37000	519	372
6/18/2023	7961179	13449	35021	439	344
6/25/2023	7292379	13407	33649	374	299
7/2/2023	6640996	13200	31120	291	284
7/9/2023	6029250	12978	30934	207	260
7/16/2023	5534724	12273	30134	98	239
7/23/2023	5094851	11418	28560	20	210
7/30/2023	4679221	10154	26621	0	181
8/6/2023	4702808	9539	24227	0	140
8/13/2023	4236651	7905	23127	0	104
8/20/2023	4023611	6131	20743	0	56
8/27/2023	4023431	4932	18739	0	49
9/3/2023	4022791	4159	17723	0	38
9/10/2023	3974803	3597	15291	0	36
9/17/2023	3821056	3266	14787	0	46
9/24/2023	3818202	3040	14246	0	48
10/1/2023	3769999	3091	12622	0	63
10/8/2023	3758253	3276	11597	0	67
10/15/2023	3723657	3257	10709	0	74
10/22/2023	3659975	3371	10410	0	82
10/29/2023	3549353	3509	10384	0	88
11/5/2023	3385682	3668	10672	106	108
11/12/2023	2843066	3844	11147	180	114
11/19/2023	2918292	4034	10334	241	109
11/26/2023	2803184	4105	12006	318	122
12/3/2023	2717689	4164	14336	360	139
12/10/2023	2697107	3991	17145	416	137
12/17/2023	2833668	4111	19754	465	133
12/24/2023	3058156	4283	19684	506	123
12/31/2023	3173126	4376	20615	506	115
1/7/2024	3190654	4395	20382	563	100
1/14/2024	3164345	4316	20139	662	91
1/21/2024	3088423	4200	19677	728	84

2.2 Giải thích cho dữ liệu đã chọn

Ta đổi tên để dễ thao tác - W :*World: thế giới - Afg :Afghanistan: - Afr : Africa: - Al: Albania: - Alg: Algeria:**

names(t1) <- c('W','Afg','Afr','Al','Alg')
str(t1)

## 'data.frame':    200 obs. of  6 variables:
##  $ W  : chr  "" "4/5/2020" "4/12/2020" "4/19/2020" ...
##  $ Afg: int  689954 1156243 1680600 2187561 2727739 3271481 3840476 4428081 5093319 5813080 ...
##  $ Afr: int  91 274 521 908 1330 2171 3563 6053 9866 14443 ...
##  $ Al : int  4566 9249 14590 21829 31322 44003 62086 83378 110316 144577 ...
##  $ Alg: int  186 304 416 539 678 782 850 916 981 1099 ...
##  $ NA : int  454 1251 1825 2534 3256 4295 5558 6821 8113 9267 ...

2.3 Mã hóa dữ liệu

• Gọi packages Tidyverse để sử dụng các lệnh tiếp theo

library(tidyverse)

## Warning: package 'ggplot2' was built under R version 4.3.3

## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ forcats   1.0.0     ✔ stringr   1.5.1
## ✔ ggplot2   3.5.0     ✔ tibble    3.2.1
## ✔ lubridate 1.9.3     ✔ tidyr     1.3.0
## ✔ purrr     1.0.2     
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag()    masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors

• Gán kết quả mới cho gt , nếu giá trị lớn hơn 1000 thì được mã hóa là “cao” và ngược lại nếu nhỏ hơn 1000 là ” thấp”