課題2 記述統計

この課題の目標

• R markdownファイルの理解
• データとパッケージの読み込み
• 基本統計量の算出
• 変数とケースの選択(条件による抽出)
• (tidyverseに含まれているパッケージである)ggplot2による作図

設問1. パッケージとデータの読み込み

• 各チャンク内のコメントの指示に従って、チャンク内に適切なスクリプトを書いた上で、KnitしPDFファイルを作成してください。
• Excelを読み込むためのパッケージ readxl とデータ加工などのためのパッケージ tidyverse を読み込んでください。
• 今回の課題で使うデータは、第4講で扱ったpolity IVデータです。

パッケージの読み込み

library(readxl) # 左側にExcelデータを読み込むためのパッケージを読み込むスクリプトを入力

Warning: パッケージ 'readxl' はバージョン 4.3.3 の R の下で造られました

library(tidyverse) # 左側にデータの加工用パッケージを読み込むスクリプトを入力

Warning: パッケージ 'tidyverse' はバージョン 4.3.3 の R の下で造られました

Warning: パッケージ 'ggplot2' はバージョン 4.3.3 の R の下で造られました

Warning: パッケージ 'tibble' はバージョン 4.3.3 の R の下で造られました

Warning: パッケージ 'tidyr' はバージョン 4.3.3 の R の下で造られました

Warning: パッケージ 'readr' はバージョン 4.3.3 の R の下で造られました

Warning: パッケージ 'purrr' はバージョン 4.3.3 の R の下で造られました

Warning: パッケージ 'dplyr' はバージョン 4.3.3 の R の下で造られました

Warning: パッケージ 'stringr' はバージョン 4.3.3 の R の下で造られました

Warning: パッケージ 'forcats' はバージョン 4.3.3 の R の下で造られました

Warning: パッケージ 'lubridate' はバージョン 4.3.3 の R の下で造られました

データの読み込み

 polity4 <- read_xls("polityIV.xls")# Excelをよみこんで、polity4というデータフレームを作成するスクリプトを入力

設問2. データの加工と基本統計量の算出

• 読み込んだデータのうち、日本、韓国、中国だけを取り出してpolity_JPN というデータフレームを作成してください。
• polity_JPNの最小値、平均値、最大値、標準偏差をもとめて表示させてください。

日本、韓国、中国の民主化度

polity_jpn <- polity4 %>% filter(scode == "JPN" | scode == "ROK" | scode == "CHN")# 特定のケースだけ取り出すには、*filter*関数を使います
polity_jpn %>% summarise("最小"=min(polity),"平均"=mean(polity),"中央値"=median(polity),"最大"=max(polity),"標準偏差"=sd(polity))# summarise関数で基本統計量を求めます

# A tibble: 1 × 5
   最小  平均 中央値  最大 標準偏差
  <dbl> <dbl>  <dbl> <dbl>    <dbl>
1    -9  1.05      3    10     7.96

設問3. ビジュアライズの基本

• 上記3カ国の民主化度について、ヒストグラムを作成してください。
• 同じく民主化度について、ヴァイオリンプロットを作成してください。

ヒストグラムとヴァイオリンプロット

ggplot(polity_jpn, aes(year, ..density..), fill = scode) + geom_histogram(bins = 10) + facet_wrap(~scode) 

Warning: The dot-dot notation (`..density..`) was deprecated in ggplot2 3.4.0.
ℹ Please use `after_stat(density)` instead.
This warning is displayed once every 8 hours.
Call `lifecycle::last_lifecycle_warnings()` to see where this warning was
generated.

ggplot(polity_jpn, aes(x = scode, y = polity)) + geom_violin()  # ggplot(data, aes(x, y)) + geom_グラフの種類 + labs(ラベルなど) が基本形

# ヒストグラムのbinの数は10としてください

設問4. 複数年分のヴァイオリンプロットの比較

• データセットに含まれるすべての国を対象として、1970年、1990年、2000年、2010年および2015年における民主化度分布をヴァイオリンプロットによって示してください。

バイオリンプロットと箱ひげ図の作成

polity70 <- polity4 %>% filter(year == 1970 | year == 1990 | year == 2000 | year == 2010 | year == 2015)
ggplot(polity70,aes(polity, ..density..),fill = year) + geom_histogram(bins=10) + facet_grid(.~year)

ggplot(polity70,aes(x=factor(year),y=polity)) + geom_violin() + geom_boxplot(fill = "grey" , width = 0.1)# バイオリンプロットはgeom_violin、箱ひげ図はgeom_boxplot

# facet_wrap(~ 変数名)で指定した変数の値ごとに各グラフを2次元に配置する
# 変数yearを因子変数に変換することを忘れないこと