# 加载必要的库
library(readxl)
library(DT)
library(ggplot2)
library(reshape2)
library(scales)
# 读取数据
data <- read_excel("按性别、年龄和事由分外国人入境.xls")
# 使用datatable展示数据
datatable(data, options = list(pageLength = 10))数据可视化期末报告
1 报告要求
期末实验报告由5章节5个图形组成，每个章节需要作一个图形。
每个章节选择作什么图自主选择，作图前补充完整图形标题名称，例如：图形1——多变量条形图。
案例数据自主收集，不同章节可以公用一个数据集。但同学间不允许使用相同数据集。
每个章节的数据集合需要通过
datatable函数展示，并简要解释数据来源和变量意义。每个输出图形后需要对图形作简要解读，最少需针对图形提出一个观点。
渲染html文件保留代码展示，6月28日前将发布网址提交至共享文档
“8、期末报告”列中。评分标准：
每章节图形各20分
能有效输出图形和合理解释75%
数据独特性强10%
图形个性化强15%
2 类别数据可视化
2.1 案例数据解释与展示
- 数据来源于国家统计局，统计了近10年外国人入境的相关信息，按性别、年龄和事由等多个维度进行了分类汇总，涵盖男性、女性入境游客数据，以及不同年龄段（如14岁以下、15-24岁、25-44岁等）和入境事由（会议/商务、观光休闲等）的入境游客人次。时间跨度为2015年至2024年，单位是万人次。
2.2 图形1——
# 多变量条形图：不同入境事由的入境人数对比
reasons <- data[grep("会议/商务|观光休闲|探亲访友|服务员工|其他", data$指标), ]
# 将数据转换为长格式
reasons_long <- melt(reasons, id.vars = "指标", variable.name = "年份", value.name = "入境人数")
# 绘制多变量条形图
ggplot(reasons_long, aes(x = 指标, y = 入境人数, fill = 年份)) +
geom_bar(stat = "identity", position = "dodge") +
labs(title = "图形1——多变量条形图：不同入境事由的入境人数对比",
x = "入境事由", y = "入境人数（万人次）") +
theme(axis.text.x = element_text(angle = 45, hjust = 1)) +
scale_y_continuous(labels = comma)
- 图形解读：从图中可以看出，观光休闲一直是外国人入境的主要事由，其次是会议/商务。探亲访友和服务员工的入境人数相对较少。这表明大多数外国人来本国的目的是旅游或商务活动。
3 数据分布可视化
3.1 案例数据解释与展示
- 数据来源于国家统计局，统计了近10年外国人入境的相关信息，按性别、年龄和事由等多个维度进行了分类汇总，涵盖男性、女性入境游客数据，以及不同年龄段（如14岁以下、15-24岁、25-44岁等）和入境事由（会议/商务、观光休闲等）的入境游客人次。时间跨度为2015年至2024年，单位是万人次。
# 加载必要的库
library(readxl)
library(DT)
library(ggplot2)
library(reshape2)
library(scales)
# 读取数据
data <- read_excel("按性别、年龄和事由分外国人入境.xls")
# 使用datatable展示数据
datatable(data, options = list(pageLength = 10))3.2 图形2——
# 图形6——小提琴图：每年外国人入境人数分布
visitors <- data[data$指标 == "外国人入境游客(万人次)", ]
visitors_long <- melt(visitors, id.vars = "指标", variable.name = "年份", value.name = "入境人数")
# 绘制小提琴图
ggplot(visitors_long, aes(x = "", y = 入境人数)) +
geom_violin(fill = "lightblue", color = "black") +
geom_jitter(width = 0.1, aes(color = 入境人数)) +
labs(title = "小提琴图：每年外国人入境人数分布",
y = "入境人数（万人次）") +
scale_y_continuous(labels = comma)
- 图形解读：从图中可以看出，每年外国人入境人数的分布呈现一定的集中趋势，且在近年有所减少。这可能与全球政治经济形势或本国入境政策有关。
4 变量关系可视化
4.1 案例数据解释与展示
数据包含31个省市的GDP指标：
2024年GDP：当年经济总量（亿元）
名义增速：未剔除价格因素的增长率
实际增速：剔除价格因素后的实际增长率
五普修订后2023年GDP：经第五次经济普查修订的基准数据
# 安装并加载必要的包
#install.packages("readxl")
library(readxl)
#install.packages("data.table")
library(data.table)
# 读取文件
excel_file <- read_excel("2024年全国各省市GDP排名.xlsx")
# 使用 datatable 展示数据
datatable(excel_file)4.2 图形3——
# 加载必要包
library(ggplot2)
library(ggrepel) # 防止标签重叠
# 创建气泡图
ggplot(excel_file, aes(x = `名义增速(%)`, y = `实际增速(%)`)) +
# 气泡：大小=GDP总量，颜色=GDP总量
geom_point(aes(size = `2024年GDP`, color = `2024年GDP`), alpha = 0.8) +
# 添加省市标签（自动避让）
geom_text_repel(aes(label = 省市), size = 3.5,
box.padding = 0.5, point.padding = 0.3) +
# 添加参考线
geom_vline(xintercept = mean(excel_file$`名义增速(%)`),
linetype = "dashed", color = "gray50") +
geom_hline(yintercept = mean(excel_file$`实际增速(%)`),
linetype = "dashed", color = "gray50") +
# 设置颜色和大小渐变
scale_size_continuous(
name = "GDP总量 (亿元)",
breaks = c(10000, 50000, 100000, 140000),
labels = scales::comma,
range = c(3, 15)) +
scale_color_gradient(
name = "GDP总量 (亿元)",
low = "#4b86b4",
high = "#e14b31",
breaks = c(10000, 50000, 100000, 140000),
labels = scales::comma) +
# 设置坐标轴范围
xlim(min(excel_file$`名义增速(%)`)-0.5,
max(excel_file$`名义增速(%)`)+0.5) +
# 添加图题和标签
labs(title = "2024年各省市GDP总量与增速关系",
subtitle = "气泡大小/颜色表示GDP总量，虚线为平均增速",
x = "名义增速 (%)",
y = "实际增速 (%)",
caption = "数据来源：2024年统计公报 | 注：山西出现负增长") +
# 主题美化
theme_minimal(base_size = 13) +
theme(
plot.title = element_text(face = "bold", hjust = 0.5, size = 16),
plot.subtitle = element_text(hjust = 0.5, color = "gray40"),
legend.position = "right",
panel.grid.major = element_line(color = "gray90"),
panel.grid.minor = element_blank(),
axis.title = element_text(face = "bold")
)
- 图形解读：
- 三维数据呈现：
气泡大小：代表GDP总量（广东、江苏最大）
X轴：名义增速（含价格因素）
Y轴：实际增速（剔除价格因素）
气泡颜色：GDP总量梯度（蓝色小经济体→红色大经济体）
- 关键发现：
增长集群：多数省份集中在名义增速4-6%、实际增速5-6%区间（右上象限）
异常省份：
山西（左下角）：唯一负增长省份（名义增速-2.14%）
西藏（右上角）：最高名义增速（9.16%）
增速差异：实际增速普遍高于名义增速（气泡大多在45度线上方）
- 经济规模模式：
经济大省（红/大气泡）：增速稳定但不高（广东、江苏在3-5%）
中等省份（紫/中气泡）：增速较高（湖北、安徽>5.5%）
小经济体（蓝/小气泡）：增速分化（西藏高增长，黑龙江低增长）
- 参考线意义：
垂直虚线：全国平均名义增速（4.6%）
水平虚线：全国平均实际增速（5.1%）
右上象限：双高增长省份（如西藏、新疆）
左下象限：双低增长省份（如山西、黑龙江）
5 样本相似性可视化
5.1 案例数据解释与展示
数据来源：国家统计局
变量意义：
全国城镇调查失业率：全国城镇范围内调查得到的失业率（%）。
31个大城市城镇调查失业率：31个主要城市城镇范围内的失业率（%）。
全国城镇本地户籍劳动力失业率：本地户籍劳动力的失业率（%）。
全国城镇外来户籍劳动力失业率：外来户籍劳动力的失业率（%）。
企业就业人员周平均工作时间：企业就业人员每周平均工作时间（小时）。
不同年龄段劳动力失业率：不包含在校生的16-24岁、25-29岁、30-59岁劳动力的失业率（%）。
# 加载必要的库
library(DT)
library(readxl)
# 读取数据
data <- readxl::read_excel("城镇调查失业率.xls")
# 数据清理：重命名列
colnames(data) <- c("指标", "2025年4月", "2025年3月", "2025年2月", "2025年1月",
"2024年12月", "2024年11月", "2024年10月", "2024年9月",
"2024年8月", "2024年7月", "2024年6月", "2024年5月", "2024年4月")
# 展示数据表格
datatable(data,
caption = "城镇调查失业率及相关指标（月度数据）",
options = list(pageLength = 10,
lengthMenu = c(10, 20, 50, 100)))5.2 图形4——
# 加载必要的库
library(ggplot2)
library(tidyr)
library(dplyr)
# 读取数据
data <- readxl::read_excel("城镇调查失业率.xls")
# 数据清理：重命名列
colnames(data) <- c("指标", "2025年4月", "2025年3月", "2025年2月", "2025年1月",
"2024年12月", "2024年11月", "2024年10月", "2024年9月",
"2024年8月", "2024年7月", "2024年6月", "2024年5月", "2024年4月")
# 转换数据格式为长格式
data_long <- data %>%
pivot_longer(cols = -指标, names_to = "时间", values_to = "值") %>%
mutate(时间 = as.Date(paste0(时间, "-01"), format = "%Y年%m月-%d"))
# 选择用于PCA的指标
pca_data <- data_long %>%
spread(时间, 值) %>%
select(-指标) %>%
as.data.frame()
# 检查并处理缺失值和无穷值
pca_data <- na.omit(pca_data) # 删除包含缺失值的行
pca_data <- apply(pca_data, 2, function(x) ifelse(is.infinite(x), mean(x, na.rm = TRUE), x))
# 执行PCA
pca_result <- prcomp(pca_data, scale. = TRUE)
# 提取PCA结果
pca_scores <- as.data.frame(pca_result$x)
pca_scores$时间 <- rownames(pca_scores)
# 绘制PCA散点图
ggplot(pca_scores, aes(x = PC1, y = PC2, label = 时间)) +
geom_point() +
geom_text(aes(label = 时间), hjust = 0.5, vjust = -1) +
labs(title = "城镇调查失业率样本相似性PCA散点图",
x = "主成分1",
y = "主成分2") +
theme_minimal()
- 图形解读：
- PCA散点图：
每个点代表一个时间点（如2024年4月、2024年5月等）。
点的位置由主成分分析（PCA）决定，反映了不同时间点在主要成分上的投影。
如果某些时间点的点在图中距离较近，说明这些时间点的失业率及相关指标组合相似。例如，2024年11月和2024年12月的点如果靠近，说明这两个月的失业率及相关指标表现相似，可能受到相似的经济因素影响。
6 时间序列可视化
6.1 案例数据解释与展示
数据来源于国家统计局，包含2014年至2022年不同类别工业企业销售费用的年度数据。变量包括：
工业企业销售费用：按不同企业类型（如轻工业、重工业、大型、中型、小型等）和企业性质（如内资、外资、私营、国有等）分类的销售费用（单位：亿元）。
时间序列：从2014年到2022年的年度数据。
# 加载必要的库
library(DT)
# 数据准备
data <- readxl::read_excel("副本年度数据.xls")
# 展示数据表格
datatable(data,
caption = "工业企业销售费用年度数据（单位：亿元）",
options = list(pageLength = 10,
lengthMenu = c(10, 20, 50, 100)))6.2 图形5——
# 加载必要的库
library(ggplot2)
library(tidyr)
library(dplyr)
# 数据准备
data <- readxl::read_excel("副本年度数据.xls")
# 转换数据格式
data_long <- data %>%
pivot_longer(cols = -指标, names_to = "年份", values_to = "销售费用") %>%
mutate(年份 = as.numeric(gsub("年", "", 年份)))
# 绘制堆叠柱状图
ggplot(data_long, aes(x = 年份, y = 销售费用, fill = 指标)) +
geom_bar(stat = "identity", position = "stack") +
labs(title = "工业企业销售费用年度变化（堆叠柱状图）",
x = "年份",
y = "销售费用（亿元）",
fill = "企业类型") +
theme_minimal() +
theme(legend.position = "right")
# 图形解读
# 从图中可以看出，不同企业类型的销售费用在不同年份的变化趋势。
# 例如，私营工业企业销售费用在过去几年中呈现出较为稳定的增长趋势，这可能反映了私营企业在市场中的活跃度和竞争力不断增强。
# 而某些国有企业或集体企业的销售费用则相对稳定或略有波动，这可能与它们的市场策略和行业环境有关。- 图形解读：
- 私营工业企业销售费用在过去几年中呈现出较为稳定的增长趋势，这可能反映了私营企业在市场中的活跃度和竞争力不断增强。
- 国有企业和集体企业的销售费用则相对稳定或略有波动，这可能与它们的市场策略和行业环境有关。例如，国有企业可能更注重长期稳定发展，而集体企业可能受到行业政策和市场需求的影响。
- 外资企业和港澳台商投资企业的销售费用也表现出一定的增长趋势，但波动相对较大，这可能与全球经济环境和外资企业的市场策略调整有关。