Data visualization con ggplot2
Contributo dell’Agricoltura, del settore Servizi e dell’Industria al Prodotto interno lordo (Top 10 - Countries)
Fabio Paderi - 15/02/2018

Carichiamo e prepariamo i dati

library(reshape2)
library(ggplot2)
library(dplyr)
library(knitr)
library(kableExtra)
library(plotly)
pil <- read.csv("~/Desktop/Total GDP 2015 Top 10.csv", header = TRUE)
names(pil) <-c("Paese", "2010","2011","2012","2013","2014","2015")
pil_long <- melt(pil, id = "Paese")
names(pil_long) <- c("Paese", "Anno", "pil_usd_trillion")
p = pil_long %>%
      group_by(Paese) %>%
      summarise(media_pil_2010_2015 = mean(pil_usd_trillion, na.rm = TRUE)) %>%
      arrange(desc(media_pil_2010_2015))
kable(p) %>%
  kable_styling(bootstrap_options = "striped", full_width = F, position = "left")

Paese	media_pil_2010_2015
United States	16.433333
China	8.783333
Japan	5.166667
Germany	3.616667
France	2.708333
United Kingdom	2.695000
Brazil	2.323333
India	1.886667
Canada	1.731667
Australia	1.403333

Visualizziamo l’andamento del PIL

a = ggplot(pil_long, aes(x = Anno, y = pil_usd_trillion, group = Paese)) +
      geom_line(aes(col = Paese)) +
      geom_point(aes(col = Paese), size = 2) + 
      theme_minimal() +
      scale_color_manual(values = RColorBrewer::brewer.pal(10, "Set3") ) +
      xlab("Year") +
      ylab("PIL (in trillion USD)") +
      ggtitle("Prodotto Interno Lordo (PIL) - Top 10 Countries")
ggplotly(a)

Contributo dell’Agricoltura dal 1960

agri <-read.csv("~/Desktop/Agriculture - Top 10 Country.csv")
agri_long <-melt(agri, id ="Country")
names(agri_long) <-c("Paese", "Anno", "Agri_Perc")
agri_long$Anno <- as.numeric(gsub("X", "", agri_long$Anno))

b = ggplot(agri_long, aes(x = Anno, y = Agri_Perc, group = Paese)) +
      geom_line(aes(col = Paese)) +
      geom_point(aes(col = Paese), size = 2) +
      scale_color_manual(values = RColorBrewer::brewer.pal(10, "Set3") ) +
      theme_minimal() +
      scale_x_continuous(breaks= seq(1960, 2015, 5)) +
      xlab("Anno") +
      ylab("Contributo in % dell'Agricoltura al PIL") +
      ggtitle("Contributo in % dell'Agricoltura al PIL - Top 10 Countries")
ggplotly(b)

Contributo del settore Servizi dal 1960

servizi <-read.csv("~/Desktop/Services - Top 10 Country.csv")
serv_long <-melt(servizi, id ="Country")
names(serv_long) <-c("Paese", "Anno", "Serv_Perc")
serv_long$Anno <- as.numeric(gsub("X", "", serv_long$Anno))

d = ggplot(serv_long, aes(x = Anno, y = Serv_Perc, group = Paese)) +
      geom_line(aes(col = Paese)) +
      geom_point(aes(col = Paese), size = 2) +
      scale_color_manual(values = RColorBrewer::brewer.pal(10, "Set3") ) +
      theme_minimal() + 
      scale_x_continuous(breaks= seq(1960, 2015, 5)) +
      xlab("Anno") + 
      ylab("Contributo in % del settore Servizi al PIL") +
      ggtitle("Contributo in % del settore Servizi al PIL - Top 10 Countries")

ggplotly(d)

Contributo del settore Industriale dal 1960

industria <-read.csv("~/Desktop/Industry - Top 10 Country.csv")
ind_long <- melt(industria, id ="Country") 
names(ind_long) <-c("Paese", "Anno", "Ind_Perc") 
ind_long$Anno <- as.numeric(gsub("X", "", ind_long$Anno))
g <- ggplot(ind_long, aes(x=Anno, y=Ind_Perc, group=Paese)) +
      geom_line(aes(colour=Paese)) + 
      geom_point(aes(colour=Paese),size =2) +
      scale_color_manual(values = RColorBrewer::brewer.pal(10, "Set3") ) +
      theme_minimal() +
      scale_x_continuous(breaks= seq(1960, 2015, 5)) +
      xlab("Anno") + 
      ylab("Contributo in % dell'Industria al PIL") + 
      ggtitle("Contributo in % dell'Industria al PIL - Top 10 Countries")

ggplotly(g)