Untitled
nousradine hamid hambaga
2024-04-17
## R paketleri R programlama
dilinde kullanılan ek fonksiyon ve araçların bir araya getirildiği,
önceden yazılmış kod parçaları ve işlevlerdir. R paketleri, belirli bir
amaca yönelik analiz, veri manipülasyonu, grafik çizimi, istatistiksel
modellerle çalışma ve daha fazlası gibi çeşitli görevler için
kullanılabilir.
R paketleri, R dilinin esnekliğini ve genişletilebilirliğini artıran birçok ek özellik sunar. Bu paketler, R topluluğu tarafından oluşturulur ve genellikle bir merkezi depo olan CRAN (Comprehensive R Archive Network) üzerinde yayınlanır. Ayrıca, GitHub gibi diğer platformlarda da birçok R paketi bulunabilir.
##R paketleri R programlama dilinde kullanılan ek fonksiyon ve araçların bir araya getirildiği, önceden yazılmış kod parçaları ve işlevlerdir. R paketleri, belirli bir amaca yönelik analiz, veri manipülasyonu, grafik çizimi, istatistiksel modellerle çalışma ve daha fazlası gibi çeşitli görevler için kullanılabilir.
R paketleri, R dilinin esnekliğini ve genişletilebilirliğini artıran birçok ek özellik sunar. Bu paketler, R topluluğu tarafından oluşturulur ve genellikle bir merkezi depo olan CRAN (Comprehensive R Archive Network) üzerinde yayınlanır. Ayrıca, GitHub gibi diğer platformlarda da birçok R paketi bulunabilir.
R paketlerini kullanarak, analizlerinizi hızlandırabilir, tekrar eden görevleri otomatikleştirebilir ve kodunuzu daha düzenli hale getirebilirsiniz. Ayrıca, R paketleri genellikle belirli bir alanda uzmanlaşmış işlevler sunar, bu da size analizlerinizi daha etkili bir şekilde gerçekleştirme imkanı sağlar.
tidyverse
R programlama dilinde veri analizi ve veri manipülasyonu için tasarlanmış bir koleksiyon veya bir “araç seti”dir. tidyverse, veri analizi sürecini daha kolay ve tutarlı hale getirmek için bir dizi popüler R paketini içerir. Bu paketler, veri manipülasyonu, görselleştirme, modelleme ve raporlama gibi veri analizi sürecinin farklı aşamalarında kullanılan işlevleri sağlar.
##“Pacman” R programlama dilinde kullanılan bir paket yöneticisidir. Pacman, R paketlerini yönetmek, yüklemek, güncellemek, kaldırmak ve yüklenmiş paketlerin durumunu kontrol etmek için kullanılan bir araçtır. Pacman, CRAN, Bioconductor ve GitHub gibi farklı kaynaklardan paketleri yönetebilir.
Pacman, özellikle birden fazla R paketi kullanıldığında paket yönetim sürecini daha kolay ve etkili hale getirir. Aşağıda, Pacman’ın temel işlevlerini açıklamaya çalıştım:
- Paketleri Yükleme: pacman paketi, p_load() veya p_load_gh() işlevlerini kullanarak bir veya birden fazla paketi yüklemenizi sağlar.
##“Conflicted” R paketi, çakışan işlev isimlerini yönetmek için kullanılan bir araçtır. Çoğu durumda, R paketlerinde aynı isimle farklı işlevler bulunabilir ve bu durumda hangi işlevin kullanılacağı belirsizlik yaratabilir. “Conflicted” paketi, çakışan işlevleri yönetmek ve hangi işlevin kullanılacağını belirlemek için bir dizi işlev sağlar.
<https://data.worldbank.org/indicator/AG.PRD.FOOD.XD?view=chart < https://data.worldbank.org/indicator/SP.POP.TOTL?view=chart
<AG.PRD.FOOD.XD <SP.POP.TOTL
library(WDI)data <- WDI(country = "all", indicator = c("AG.PRD.FOOD.XD","SP.POP.TOTL"),start = 2000)str(data)## 'data.frame': 6384 obs. of 6 variables:
## $ country : chr "Afghanistan" "Afghanistan" "Afghanistan" "Afghanistan" ...
## $ iso2c : chr "AF" "AF" "AF" "AF" ...
## $ iso3c : chr "AFG" "AFG" "AFG" "AFG" ...
## $ year : int 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 ...
## $ AG.PRD.FOOD.XD: num 67.8 61.6 74.7 76.8 74.8 ...
## ..- attr(*, "label")= chr "Food production index (2014-2016 = 100)"
## $ SP.POP.TOTL : num 19542982 19688632 21000256 22645130 23553551 ...
## ..- attr(*, "label")= chr "Population, total"library(explore)describe_all(data)## # A tibble: 6 × 8
## variable type na na_pct unique min mean max
## <chr> <chr> <int> <dbl> <int> <dbl> <dbl> <dbl>
## 1 country chr 0 0 266 NA NA NA
## 2 iso2c chr 0 0 266 NA NA NA
## 3 iso3c chr 0 0 262 NA NA NA
## 4 year int 0 0 24 2000 2012. 2023
## 5 AG.PRD.FOOD.XD dbl 1935 30.3 3141 17 94.2 502.
## 6 SP.POP.TOTL dbl 289 4.5 6047 9609 285615032. 7950946801library(tidyverse)## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr 1.1.4 ✔ readr 2.1.5
## ✔ forcats 1.0.0 ✔ stringr 1.5.1
## ✔ ggplot2 3.5.0 ✔ tibble 3.2.1
## ✔ lubridate 1.9.3 ✔ tidyr 1.3.1
## ✔ 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 errorsdata %>% describe_all()## # A tibble: 6 × 8
## variable type na na_pct unique min mean max
## <chr> <chr> <int> <dbl> <int> <dbl> <dbl> <dbl>
## 1 country chr 0 0 266 NA NA NA
## 2 iso2c chr 0 0 266 NA NA NA
## 3 iso3c chr 0 0 262 NA NA NA
## 4 year int 0 0 24 2000 2012. 2023
## 5 AG.PRD.FOOD.XD dbl 1935 30.3 3141 17 94.2 502.
## 6 SP.POP.TOTL dbl 289 4.5 6047 9609 285615032. 7950946801Ekstra_veri <- data$countrylibrary(tidyverse)library("wbstats")library("ggplot2")library("gtrendsR")library("usmap")library("tidyverse")##Task 1: Use WorldBank data
food<-wb_search("Food") head(food,24)## # A tibble: 24 × 3
## indicator_id indicator indicator_desc
## <chr> <chr> <chr>
## 1 1101000 1101000:FOOD AND NON-ALCOHOLIC BEVERAGES <NA>
## 2 1101100 1101100:FOOD <NA>
## 3 1101130 1101130:Fish and seafood <NA>
## 4 1101190 1101190:Food products n.e.c. (Class) <NA>
## 5 AG.AID.CREL.MT Cereal food aid deliveries (FAO, tonnes) Food aid ship…
## 6 AG.AID.FOOD.MT Total food (cereals and non-cereal) food aid … Food aid repr…
## 7 AG.AID.NCREL.MT Non-cereal food aid deliveries (FAO, tonnes) Non-cereal co…
## 8 AG.LND.BLY.HA Land under barley production (hectares) Land under ba…
## 9 AG.LND.CERE.ZS Cereal cropland (% of land area) Land under ce…
## 10 AG.LND.CREL.HA Land under cereal production (hectares) Land under ce…
## # ℹ 14 more rowsdata <- wb_data("AG.AID.CREL.MT",
start_date = 2000, end_date = 2012)-Öncelikle Afrika’ya yapılan Tahıl gıda yardımının miktarına bakalım.
ggplot(data, aes(date, AG.AID.CREL.MT, group = country)) +
geom_line(aes(color = country))+
theme(legend.position = "none")+
ylab("Cereal Food Aid")+
scale_x_continuous(name="Year", breaks=seq(2000,2012,1)) +
labs(title = "Cereal Food Aid in Africa")## Warning: Removed 18 rows containing missing values or values outside the scale range
## (`geom_line()`).
-Afrika ülkeleri arasında en fazla tahıl gıda yardımını Etiyopya ve Sudan aldı; 2003 yılında Etiyopya özellikle büyük bir yardım aldı. Ülke tarihindeki en ciddi kuraklıklardan biri, gıda yardımlarıyla sonuçlandı. 2005 yılında Sudan, birçok köyün yıkılması ve yaklaşık 2 milyon insanın Sudan hükümeti ve milisleri tarafından zorla yerinden edilmesiyle önemli bir yıkım yaşadı. Bu kampanya doğrudan veya dolaylı olarak 70.000 kişinin ölümüyle sonuçlandı. Etiyopya polis katliamı olarak da bilinen Etiyopya’da Haziran ve Kasım 2005’te yaşanan olaylar, hükümet güçlerinin sivilleri öldürmesini, 193 protestocunun ölümüne ve 763 kişinin de yaralanmasına yol açtı. Sudan ve Etiyopya’daki siyasi şiddet, bu ülkelerin aldığı gıda yardımının miktarıyla ilgili olabilir.
newdata <- data[ which(data$country=="Ethiopia"| data$country=="Sudan"),]
ggplot(newdata, aes(date, AG.AID.CREL.MT, group = country)) +
geom_line(aes(color = country))+
ylab("Cereal Food Aid")+
scale_x_continuous(name="Year", breaks=seq(2000,2012,1))+
labs(title = "Cereal Food Aid in Ethiopia and Sudan")## Warning: Removed 1 row containing missing values or values outside the scale range
## (`geom_line()`).
Şimdi tahıl dışı gıda yardımının miktarına bakalım.
ncereal <- wb_data("AG.AID.NCREL.MT",
start_date = 2000, end_date = 2012)Aynı şekilde Afrika ülkeleri arasında en fazla tahıl dışı gıda yardımını Etiyopya ve Sudan aldı. Ancak Sudan, Etiyopya’dan daha fazla tahıl dışı gıda yardımı aldı. Özellikle Sudan hem 2005 hem de 2008’de büyük bir alıcıydı.
ggplot(ncereal, aes(date, AG.AID.NCREL.MT, group = country)) +
geom_line(aes(color = country))+
theme(legend.position = "none")+
ylab("Non Cereal Food Aid")+
scale_x_continuous(name="Year", breaks=seq(2000,2012,1))+
labs(title = "Non Cereal Food Aid in Africa")## Warning: Removed 30 rows containing missing values or values outside the scale range
## (`geom_line()`).
newnc <- ncereal[ which(ncereal$country=="Ethiopia"| ncereal$country=="Sudan"),]
ggplot(newnc, aes(date, AG.AID.NCREL.MT, group = country)) +
geom_line(aes(color = country))+
ylab("Non Cereal Food Aid")+
scale_x_continuous(name="Year", breaks=seq(2000,2012,1))+
labs(title = "Non Cereal Food Aid in Ethiopia and Sudan")## Warning: Removed 1 row containing missing values or values outside the scale range
## (`geom_line()`).
2 Görev: Google Trendler verilerini kullanın
Son 12 aydaki kpop için Google trendlerini görmek istiyorum.
kpop<-gtrends("kpop", geo = c("CA","US"), time="today 12-m")
kpop_time<-kpop$interest_over_timeggplot(kpop_time, aes(date, hits, group = geo)) +
geom_line(aes(color = geo))+
ylab("Google tredns for kpop")+
labs(colour = "Country") +
geom_vline(xintercept = as.POSIXct(as.Date("2022-07-17")),color = "black",linetype="dashed")+
labs(title = "Google Trends for kpop")
concert<-gtrends("kpop concert", geo = c("CA","US"), time="today 12-m")
concert_time<-concert$interest_over_timeggplot(concert_time, aes(date, hits, group = geo)) +
geom_line(aes(color = geo))+
ylab("Google tredns for kpop concert")+
labs(colour = "Country") +
geom_vline(xintercept = as.POSIXct(as.Date("2022-07-17")),color = "black",linetype="dashed")+
labs(title = "Google Trends for kpop concert")
Ayrıca K-pop’a en fazla ilginin hangi eyalette olduğunu da araştırmak istedim. Google Trends verilerine göre Hawaii ve Kaliforniya, K-pop’a yönelik en yüksek arama ilgisini gösteriyor; ardından Nevada, Texas ve Georgia geliyor.
kpopstates<-kpop$interest_by_region
kpopstates <- kpopstates[ which(kpopstates$geo=="US"),]
kpopstates$fips <-fips(kpopstates$location)
plot_usmap(data = kpopstates, values = "hits", color = "red", labels=FALSE) +
scale_fill_continuous( low = "white", high = "red",
name = "Hits", label = scales::comma) +
theme(legend.position = "right") +
theme(panel.background = element_rect(colour = "black")) +
labs(title = "Google Trends for K-pop by State")