WHO Data Research
Valerie Egoshin
10/29/2016
Изучаем данные ВОЗ
Продолжение
Barplot для визуализации номинативных данных
Данные Всемирной организации здравоохранения (ВОЗ) будут использованы в качестве иллюстрации к положениям, изложенным в книге Garrett Grolemund и Hadley Wickham “R for Data Science”. Web-версия в свободном доступе
Файл с данными, используемый для изучения материалов книги, собран с использованием пакета WHO. Создание файла описано ранее
Будут использованы пакеты, включенные в tidyverse
library(tidyverse)Загружаем используемый файл
WHOData <- read.csv("WHOData.csv")
glimpse(WHOData)## Observations: 181
## Variables: 10
## $ country <fctr> Bosnia and Herzegovina, Botsw...
## $ worldbankincomegroup <fctr> Upper-middle-income, Upper-mi...
## $ PerCapitaTotalHealthExpenditure <dbl> 957.40, 870.84, 6468.50, 472.6...
## $ region <fctr> Europe, Africa, Europe, Weste...
## $ LifeExpectancy <dbl> 77.4, 65.7, 83.4, 69.4, 70.9, ...
## $ AdolescentBirthRate <dbl> 11.0, 39.0, 2.0, 32.6, 56.0, 1...
## $ ContraceptivePrevalence <dbl> 45.8, 52.8, 82.0, NA, 60.3, 63...
## $ LowBirthWeight <int> 5, 13, 6, 18, 13, 4, 14, 27, 5...
## $ LiteracyRate <int> 98, 85, NA, NA, 74, 100, 61, N...
## $ TotalFertilityRate <dbl> 1.3, 2.6, 1.5, 3.3, 2.8, 1.6, ...# преобразуем тип переменной country
WHOData$country <- as.character(WHOData$country)
# определим порядок в переменной
WHOData$worldbankincomegroup <- factor(WHOData$worldbankincomegroup,
levels = c("Low-income", "Lower-middle-income", "Upper-middle-income", "High-income"))
summary(WHOData)## country worldbankincomegroup
## Length:181 Low-income :29
## Class :character Lower-middle-income:49
## Mode :character Upper-middle-income:48
## High-income :55
##
##
##
## PerCapitaTotalHealthExpenditure region
## Min. : 24.96 Africa :47
## 1st Qu.: 202.16 Americas :33
## Median : 698.30 Eastern Mediterranean:20
## Mean :1269.48 Europe :50
## 3rd Qu.:1718.02 South-East Asia :10
## Max. :9402.54 Western Pacific :21
##
## LifeExpectancy AdolescentBirthRate ContraceptivePrevalence
## Min. :50.10 Min. : 1.70 Min. : 4.00
## 1st Qu.:65.70 1st Qu.: 17.00 1st Qu.:34.40
## Median :73.50 Median : 45.70 Median :54.80
## Mean :71.38 Mean : 56.77 Mean :51.21
## 3rd Qu.:76.70 3rd Qu.: 84.00 3rd Qu.:70.30
## Max. :83.70 Max. :229.00 Max. :88.40
## NA's :16
## LowBirthWeight LiteracyRate TotalFertilityRate
## Min. : 3.00 Min. : 29.00 Min. :1.300
## 1st Qu.: 6.00 1st Qu.: 71.00 1st Qu.:1.800
## Median : 9.00 Median : 90.00 Median :2.300
## Mean :10.52 Mean : 83.36 Mean :2.863
## 3rd Qu.:13.00 3rd Qu.: 98.00 3rd Qu.:3.800
## Max. :34.00 Max. :100.00 Max. :7.600
## NA's :7 NA's :50Визуализация - bar chart
Столбиковые диаграммы используются прежде всего для визуализации номинативных данных.
Данные о количестве стран в группах согласно классификации Всемирного банка может быть вычислено с использованием функции table()
table(WHOData$worldbankincomegroup) # количество стран##
## Low-income Lower-middle-income Upper-middle-income
## 29 49 48
## High-income
## 55prop.table(table(WHOData$worldbankincomegroup)) # доля стран##
## Low-income Lower-middle-income Upper-middle-income
## 0.1602210 0.2707182 0.2651934
## High-income
## 0.3038674На графике это будет выглядеть так
ggplot(WHOData, aes(worldbankincomegroup)) + geom_bar()
Высота столбца на графике (значение на оси y) соответствует количеству значений данной переменной. Это значение рассчитывается программой.
Высота столбца может быть выражена в долях
ggplot(WHOData) +
geom_bar(aes(worldbankincomegroup, ..prop.., group = 1))
Position ajustment
Две номинативные переменные на одном графике
Для вывода данных о двух номинативных переменных используеются таблицы сопряженности.
with(WHOData, table(worldbankincomegroup, region))## region
## worldbankincomegroup Africa Americas Eastern Mediterranean Europe
## Low-income 25 1 1 0
## Lower-middle-income 13 6 7 7
## Upper-middle-income 7 16 6 12
## High-income 2 10 6 31
## region
## worldbankincomegroup South-East Asia Western Pacific
## Low-income 1 1
## Lower-middle-income 7 9
## Upper-middle-income 2 5
## High-income 0 6round(with(WHOData,
prop.table(table(worldbankincomegroup, region))), 3)## region
## worldbankincomegroup Africa Americas Eastern Mediterranean Europe
## Low-income 0.138 0.006 0.006 0.000
## Lower-middle-income 0.072 0.033 0.039 0.039
## Upper-middle-income 0.039 0.088 0.033 0.066
## High-income 0.011 0.055 0.033 0.171
## region
## worldbankincomegroup South-East Asia Western Pacific
## Low-income 0.006 0.006
## Lower-middle-income 0.039 0.050
## Upper-middle-income 0.011 0.028
## High-income 0.000 0.033Возможны несколько графических вариантов представления данных
ggplot(WHOData) +
geom_bar(aes(worldbankincomegroup, fill = region), position = "stack") # по умолчанию
ggplot(WHOData) +
geom_bar(aes(worldbankincomegroup, fill = region), position = "dodge")
ggplot(WHOData) +
geom_bar(aes(worldbankincomegroup, fill = region), position = "fill")
Использование координатных систем
Аргумент coord_flip(), добавленный к коду графика позволяет изменить направление - столбиковая диаграмма превратится в полосковую.
ggplot(WHOData) +
geom_bar(aes(worldbankincomegroup, fill = region), position = "fill") +
coord_flip() + labs(x = "", y = "")
Преобразования в графике
Представим данные о распределении стран по регионам ВОЗ
table(WHOData$region)##
## Africa Americas Eastern Mediterranean
## 47 33 20
## Europe South-East Asia Western Pacific
## 50 10 21round(prop.table(table(WHOData$region)), 3)##
## Africa Americas Eastern Mediterranean
## 0.260 0.182 0.110
## Europe South-East Asia Western Pacific
## 0.276 0.055 0.116ggplot(WHOData, aes(region)) + geom_bar()
График представляет желаемую информацию, но данные можно визуализировать и лучше. Например, вот так…
WHOData %>% group_by(region) %>%
summarise(c_region = n()) %>%
ggplot(aes(reorder(region, c_region), c_region)) +
geom_bar(stat = "identity") +
labs(x = "Region", y = "Count") +
coord_flip()
To be continued