Introduction
#==================================
# A Project for Funny
# Data Used: http://www.mediafire.com/file/rwma97dtnbdars3/giao_su.rar
#==================================
# Thiết lập đường dẫn cho các file dữ liệu cần phân tích:
rm(list = ls())
path <- dir("F:/R_project/giao_su", full.names = TRUE)
path
## [1] "F:/R_project/giao_su/Danh sach CN DTC chuc danh GS, PGS 2012.xls"
## [2] "F:/R_project/giao_su/Danh sach DTC dot nam 2014.Web.xls"
## [3] "F:/R_project/giao_su/Danh sach GS, PGS 2011.xls"
## [4] "F:/R_project/giao_su/Danh sach nha giao duoc cong nhan chuc danh GS, PGS_2013.xls"
## [5] "F:/R_project/giao_su/Danh_sach_cac_GS_PGS_cong_nhan_nam_2016_WEB (1).xls"
## [6] "F:/R_project/giao_su/giao_su_2015.xlsx"
## [7] "F:/R_project/giao_su/KETQUA_GS_PGS_dat_nam_2017_WEB.xls"
## [8] "F:/R_project/giao_su/Quyet-dinh-46---2015-Giao-su---Pho-giao-su.pdf"
#----------------------------
# Viết một số hàm hỗ trợ
#----------------------------
library(readxl)
library(tidyverse)
library(magrittr)
# Hàm đọc và xử lí thô dữ liệu cho năm 2011:
import_gs <- function(path_to_file, sheet) {
u <- read_excel(path_to_file, sheet = sheet) %>%
slice(-c(1:5))
ten <- c("tt", "ho", "ten", "ngay_sinh", "gioi_tinh",
"nganh", "organization1", "que_quan", "code1",
"code2", "pre", "nganh2", "organization2", "organization3")
names(u) <- ten
return(u %>% select(tt, ho, ten, ngay_sinh, gioi_tinh, nganh, organization1, que_quan))
}
# Hàm tách ra dữ liệu về nơi sinh của các GS + PGS:
library(stringr)
province <- function(x) {
x %>%
str_replace_all(".*,", "") %>%
str_replace_all("Tỉnh", "") %>%
str_replace_all("tỉnh", "") %>%
str_replace_all("-", " ") %>%
str_replace_all("Thành phố", "") %>%
str_replace_all(" ", " ") %>%
str_replace_all("Tp. ", "") %>%
str_replace_all("\r\n", " ") %>%
str_trim() %>%
return()
}
#-----------------------------
# Dữ liệu năm 2011
#-----------------------------
# Các Giáo Sư:
gs2011 <- import_gs(path[3], 1) %>%
mutate(title = "GS", nam = 2011)
# Các PGS:
pgs2011 <- import_gs(path[3], 2) %>%
mutate(title = "PGS", nam = 2012)
# Hợp nhất các dữ liệu:
all_df2011 <- bind_rows(gs2011, pgs2011)
# Tạo ra cột biến về năm được thụ phong:
all_df2011 %<>% mutate(nam = 2011)
#-------------------------------------------------
# Dữ liệu năm 2012 (bạn này cá biệt)
# không có thông tin về nơi sinh - quê quán
#-------------------------------------------------
gs2012 <- read_excel(path[1], sheet = 1) %>%
slice(-c(1:8))
ten2 <- c("tt", "ho", "ten", "ngay_sinh", "gioi_tinh", "nganh")
names(gs2012) <- ten2
gs2012 %<>% mutate(title = "GS")
pgs2012 <- read_excel(path[1], sheet = 2) %>%
slice(-c(1:8))
names(pgs2012) <- ten2
pgs2012 %<>% mutate(title = "PGS")
all_df2012 <- bind_rows(gs2012, pgs2012)
all_df2012 %<>% mutate(nam = 2012, que_quan = NA, organization1 = NA)
#---------------------
# Dữ liệu năm 2013
#---------------------
gs2013 <- read_excel(path[4], sheet = 1) %>%
slice(-c(1:5))
ten3 <- c("tt", "ho", "ten", "ngay_sinh", "gioi_tinh", "nganh",
"organization1", "que_quan", "x8", "x9")
names(gs2013) <- ten3
gs2013 %<>% select(-x8, -x9) %>% mutate(title = "GS")
pgs2013 <- read_excel(path[4], sheet = 2) %>%
slice(-c(1:5))
names(pgs2013) <- ten3
pgs2013 %<>% select(-x8, -x9) %>% mutate(title = "PGS")
all_df2013 <- bind_rows(gs2013, pgs2013)
all_df2013 %<>% mutate(que_quan = province(que_quan),
nam = 2013)
#------------------
# Năm 2014
#------------------
gs2014 <- read_excel(path[2], sheet = 1) %>%
slice(-c(1:5))
gs2014 <- gs2014[, 1:8]
names(gs2014) <- c("tt", "ho", "ten", "ngay_sinh", "gioi_tinh", "nganh",
"organization1", "que_quan")
gs2014 %<>% mutate(title = "GS")
pgs2014 <- read_excel(path[2], sheet = 2) %>%
slice(-c(1:5))
pgs2014 <- pgs2014[, 1:8]
names(pgs2014) <- c("tt", "ho", "ten", "ngay_sinh", "gioi_tinh", "nganh",
"organization1", "que_quan")
pgs2014 %<>% mutate(title = "PGS")
all_df2014 <- bind_rows(gs2014, pgs2014)
all_df2014 %<>% mutate(que_quan = province(que_quan),
nam = 2014)
#------------------
# Năm 2015
#------------------
gs2015 <- read_excel(path[6], sheet = 1)
ten <- c("tt", "ho_ten", "ngay_sinh", "gioi_tinh", "nganh",
"organization1", "que_quan", "X")
names(gs2015) <- ten
pgs2015 <- read_excel(path[6], sheet = 2)
names(pgs2015) <- ten
all_df2015 <- bind_rows(gs2015 %>%
select(-X) %>%
mutate(title = "GS"),
pgs2015 %>%
select(-X) %>%
mutate(title = "PGS"))
all_df2015 %<>% mutate(que_quan = province(que_quan),
nam = 2015,
ho = NA,
ten = NA)
#------------------
# Năm 2016
#------------------
gs2016 <- read_excel(path[5], sheet = 1) %>%
slice(-c(1:9))
ten <- names(gs2016)
ten[1] <- "X__0"
names(gs2016) <- ten
gs2016 %<>% rename(tt = X__0,
ho = X__1,
ten = X__2,
ngay_sinh = X__3,
gioi_tinh = X__4,
nganh = X__5,
organization1 = X__6,
que_quan = X__7) %>% select(-X__8, - X__9)
pgs2016 <- read_excel(path[5], sheet = 2) %>%
slice(-c(1:9))
names(pgs2016) <- ten
pgs2016 %<>% rename(tt = X__0,
ho = X__1,
ten = X__2,
ngay_sinh = X__3,
gioi_tinh = X__4,
nganh = X__5,
organization1 = X__6,
que_quan = X__7) %>% select(-X__8, - X__9)
all_df2016 <- bind_rows(gs2016 %>% mutate(title = "GS"),
pgs2016 %>% mutate(title = "PGS"))
all_df2016 %<>% mutate(nam = 2016)
#------------------
# Năm 2017
#------------------
gs2017 <- read_excel(path[7], sheet = 1) %>%
slice(-c(1:5))
names(gs2017) <- ten[-c(9, 10)]
gs2017 %<>% rename(tt = X__0,
ho = X__1,
ten = X__2,
ngay_sinh = X__3,
gioi_tinh = X__4,
nganh = X__5,
organization1 = X__6,
que_quan = X__7)
gs2017 %<>% mutate(que_quan = province(que_quan),
nam = 2017,
title = "GS")
pgs2017 <- read_excel(path[7], sheet = 2) %>%
slice(-c(1:5))
names(pgs2017) <- ten[-c(9, 10)]
pgs2017 %<>% rename(tt = X__0,
ho = X__1,
ten = X__2,
ngay_sinh = X__3,
gioi_tinh = X__4,
nganh = X__5,
organization1 = X__6,
que_quan = X__7)
pgs2017 %<>% mutate(que_quan = province(que_quan),
nam = 2017,
title = "PGS")
all_df2017 <- bind_rows(gs2017, pgs2017)
#------------------------------
# Phân tích dữ liệu có được
#------------------------------
# Số lượng PGS + GS được thụ phong:
all_data <- rbind(all_df2011 %>% select(gioi_tinh, nganh, title, que_quan, organization1, nam),
all_df2012 %>% select(gioi_tinh, nganh, title, que_quan, organization1, nam),
all_df2013 %>% select(gioi_tinh, nganh, title, que_quan, organization1, nam),
all_df2014 %>% select(gioi_tinh, nganh, title, que_quan, organization1, nam),
all_df2015 %>% select(gioi_tinh, nganh, title, que_quan, organization1, nam),
all_df2016 %>% select(gioi_tinh, nganh, title, que_quan, organization1, nam),
all_df2017 %>% select(gioi_tinh, nganh, title, que_quan, organization1, nam))
library(ggthemes)
library(hrbrthemes)
# Có thể thấy năm 2017 số lượng tăng vọt:
all_data %>%
group_by(nam) %>%
count() %>%
ungroup() %>%
mutate(nam = factor(nam)) %>%
ggplot(aes(nam, n)) +
geom_col(fill = c("#104E8B")) +
theme_fivethirtyeight() +
geom_text(aes(label = n), color = "white", vjust = 1.3, size = 5) +
labs(x = NULL, y = NULL,
title = "The Number of of Associate Professors and Professors",
caption = "Data Source: http://www.hdcdgsnn.gov.vn")
all_data %>%
group_by(nam, title) %>%
count() %>%
ungroup() %>%
mutate(nam = factor(nam)) %>%
ggplot(aes(nam, n, fill = title)) +
geom_col() +
labs(x = NULL, y = NULL,
title = "The Number of of Associate Professors and Professors",
caption = "Data Source: http://www.hdcdgsnn.gov.vn") +
theme_fivethirtyeight() +
scale_fill_wsj() +
theme(legend.position = "top") +
theme(legend.title = element_blank())
all_data %>%
group_by(nam, title) %>%
count() %>%
ungroup() %>%
mutate(nam = factor(nam)) %>%
ggplot(aes(nam, n, fill = title)) +
geom_col(position = "fill") +
labs(x = NULL, y = NULL,
title = "The percentage between Associate Professors and Professors",
caption = "Data Source: http://www.hdcdgsnn.gov.vn") +
theme_fivethirtyeight() +
scale_fill_wsj() +
theme(legend.position = "top") +
theme(legend.title = element_blank()) +
scale_y_percent()
# Viết hàm xử lí thông tin về ngành:
library(stringr)
nganh_rename <- function(x) {
x %>%
str_replace_all("\r\n", " ") %>%
str_trim() %>%
return()
}
all_data %<>% mutate(nganh = nganh_rename(nganh))
all_data$nganh %>% unique() -> k
k <- k[order(k)]
nganh_rename_lan2 <- function(x) {
ELSE <- TRUE
case_when(x == k[6] ~ k[5],
x == k[8] ~ k[7],
x == k[17] ~ k[16],
x == k[20] ~ k[19],
x == k[22] ~ k[21],
x == k[26] ~ k[25],
x == k[40] ~ k[39],
x == k[44] ~ k[42],
ELSE ~ x)
}
all_data %<>% mutate(nganh = nganh_rename_lan2(nganh))
# 25 ngành có nghiều GS + PGS nhất:
all_data %>%
filter(!is.na(nganh)) %>%
group_by(nganh) %>%
count() %>%
ungroup() %>%
arrange(-n) -> u
u %>%
slice(1:25) %>%
ggplot(aes(reorder(nganh, n), n)) +
geom_col(fill = "#104E8B") +
geom_col(data = u %>% filter(nganh %in% c(k[19], k[21])), fill = c("#CD2626")) +
coord_flip() +
theme_fivethirtyeight() +
geom_text(aes(label = n), color = "white", hjust = 1.2) +
labs(x = NULL, y = NULL,
title = "25 Fields with the Largest Number of\nAssociate Professors and Professors",
caption = "Data Source: http://www.hdcdgsnn.gov.vn")
# 20 ngành còn lại có số GS/PGS thấp nhất:
u %>%
slice(26:45) %>%
ggplot(aes(reorder(nganh, n), n)) +
geom_col(fill = "#104E8B") +
coord_flip() +
theme_fivethirtyeight() +
geom_text(aes(label = n), color = "white", hjust = 1.2) +
labs(x = NULL, y = NULL,
title = "20 Fields with the Smallest Number of\nAssociate Professors and Professors",
caption = "Data Source: http://www.hdcdgsnn.gov.vn")
# Sử dụng hàm:
all_data %<>%
mutate(que_quan = province(que_quan)) %>%
filter(!is.na(que_quan), que_quan != "Trung Quốc")
all_data$que_quan %>% unique() -> m
m <- m[order(m)]
# Lấy dữ liệu địa lí từ gói raster:
library(raster)
# Lấy dữ liệu địa lí cho VN ở cấp tỉnh:
vietnam <- getData("GADM", country = "Vietnam", level = 1)
detach(package:raster)
vietnam_df_province <- vietnam %>% fortify(region = "NAME_1")
vietnam_df_province$id %>% unique() -> v
# Viết hàm rename lại tỉnh:
rename_province <- function(x) {
case_when(x == m[1] ~ v[1],
x == m[2] ~ v[2],
x == m[3] ~ v[3],
x == m[4] ~ v[3],
x == m[5] ~ v[4],
x == m[6] ~ v[5],
x == m[7] ~ v[6],
x == m[8] ~ v[7],
x == m[9] ~ v[8],
x == m[10] ~ v[8],
x == m[11] ~ v[9],
x == m[12] ~ v[11],
x == m[13] ~ v[54],
x == m[14] ~ v[12],
x == m[15] ~ v[13],
x == m[16] ~ v[14],
x == m[17] ~ v[15],
x == m[18] ~ v[16],
x == m[19] ~ v[17],
x == m[20] ~ v[18],
x == m[21] ~ v[17],
x == m[22] ~ v[25],
x == m[23] ~ v[22],
x == m[24] ~ v[23],
x == m[25] ~ v[24],
x == m[26] ~ v[25],
x == m[27] ~ v[27],
x == m[28] ~ v[28],
x == m[29] ~ v[27],
x == m[30] ~ v[29],
x == m[31] ~ v[29],
x == m[32] ~ v[22],
x == m[33] ~ v[30],
x == m[34] ~ v[54],
x == m[35] ~ v[54],
x == m[36] ~ v[31],
x == m[37] ~ v[32],
x == m[38] ~ v[33],
x == m[39] ~ v[34],
x == m[40] ~ v[35],
x == m[41] ~ v[36],
x == m[42] ~ v[37],
x == m[43] ~ v[38],
x == m[44] ~ v[39],
x == m[45] ~ v[40],
x == m[46] ~ v[28],
x == m[47] ~ v[41],
x == m[48] ~ v[41],
x == m[49] ~ v[48],
x == m[50] ~ v[42],
x == m[51] ~ v[43],
x == m[52] ~ v[43],
x == m[53] ~ v[44],
x == m[54] ~ v[45],
x == m[55] ~ v[47],
x == m[56] ~ v[46],
x == m[57] ~ v[47],
x == m[58] ~ v[47],
x == m[59] ~ v[48],
x == m[60] ~ v[49],
x == m[61] ~ v[50],
x == m[62] ~ v[50],
x == m[63] ~ v[51],
x == m[64] ~ v[52],
x == m[65] ~ v[62],
x == m[66] ~ v[53],
x == m[67] ~ v[54],
x == m[68] ~ v[54],
x == m[69] ~ v[55],
x == m[71] ~ v[56],
x == m[72] ~ v[57],
x == m[73] ~ v[57],
x == m[74] ~ v[57],
x == m[75] ~ v[58],
x == m[76] ~ v[59],
x == m[77] ~ v[50],
x == m[78] ~ v[60],
x == m[79] ~ v[61],
x == m[80] ~ v[62],
x == m[81] ~ v[63])
}
all_data %<>% mutate(que_quan = rename_province(que_quan))
all_data %>%
filter(!is.na(que_quan)) %>%
group_by(que_quan) %>%
count() %>%
ungroup() %>%
arrange(-n) -> giao_su
giao_su %<>% rename(id = que_quan)
dplyr::setdiff(vietnam_df_province$id %>% unique(),
giao_su$id %>% unique()) -> khong_co_gs
df1 <- data.frame(id = khong_co_gs, n = c(rep(0, 5)))
# Sô lượng các PGS/GS theo nơi sinh (thứ tự giảm dần):
giao_su %>% knitr::kable()
| Hà Ni |
576 |
| Thanh Hóa |
449 |
| Hà Nam |
365 |
| Lào Cai |
307 |
| Tuyên Quang |
274 |
| Hà Tinh |
224 |
| Tha Thiên - Hu |
202 |
| Hi Duong |
164 |
| Bc Ninh |
142 |
| Ngh An |
108 |
| Qung Nam |
106 |
| Ninh Bình |
94 |
| Bình Ðnh |
89 |
| Hi Phòng |
89 |
| Bc Giang |
86 |
| Qung Bình |
86 |
| Qung Ngãi |
83 |
| Phú Th |
80 |
| Ðng Tháp |
30 |
| Tin Giang |
28 |
| Lâm Ðng |
27 |
| Cn Tho |
25 |
| Bn Tre |
23 |
| Ninh Thun |
22 |
| Ðà Nng |
14 |
| Hu Giang |
14 |
| Cà Mau |
12 |
| Cao Bng |
12 |
| Ðng Nai |
12 |
| Bình Duong |
10 |
| Bình Thun |
10 |
| An Giang |
9 |
| Bc Liêu |
8 |
| Qung Ninh |
8 |
| Hung Yên |
6 |
| Kiên Giang |
6 |
| Vinh Phúc |
6 |
| Qung Tr |
4 |
| H Chí Minh city |
3 |
| Lng Son |
3 |
| Trà Vinh |
3 |
| Yên Bái |
3 |
| Bc Kn |
2 |
| Bà Ra - Vung Tàu |
2 |
| Hòa Bình |
2 |
| Lai Châu |
2 |
| Sóc Trang |
2 |
| Vinh Long |
2 |
| Ðk Lk |
1 |
| Khánh Hòa |
1 |
| Kon Tum |
1 |
| Long An |
1 |
| Nam Ðnh |
1 |
| Phú Yên |
1 |
| Son La |
1 |
| Tây Ninh |
1 |
| Thái Bình |
1 |
| Thái Nguyên |
1 |
giao_su <- bind_rows(giao_su, df1)
giao_su_prov <- inner_join(giao_su, vietnam_df_province, by = "id")
library(viridis)
giao_su_prov %>%
ggplot(aes(x = long, y = lat, group = group)) +
geom_polygon(aes(fill = n), color = "grey30") +
scale_fill_viridis(direction = -1,
option = "B", "Density") +
theme(legend.position = c(0.22, 0.45),
axis.text = element_blank(),
panel.grid = element_blank()) +
labs(title = "Associate Professors and Professors\nDensity by Birth Place",
caption = "Data Source: http://www.hdcdgsnn.gov.vn")
# 20 tỉnh thành sinh ra nhiều GS/PGS nhất. Điều đáng ngạc
# nhiên là SG - khu vực địa lí đông dân nhất nước và cũng
# là một trung tâm giáo dục của cả nước lại có vị trí thấp:
giao_su %>%
slice(1:20) %>%
ggplot(aes(reorder(id, n), n)) +
geom_col(fill = c("#104E8B")) +
coord_flip() +
theme_fivethirtyeight() +
geom_text(aes(label = n), color = "white", hjust = 1.2) +
labs(x = NULL, y = NULL,
title = "The Number of of Associate Professors and Professors\nby Birth Place for top 20 Provinces",
caption = "Data Source: http://www.hdcdgsnn.gov.vn")
# Nhóm 20 tỉnh thuộc nhóm giữa:
giao_su %>%
slice(21:40) %>%
ggplot(aes(reorder(id, n), n)) +
geom_col(fill = c("#104E8B")) +
coord_flip() +
theme_fivethirtyeight() +
geom_text(aes(label = n), color = "white", hjust = 1.2) +
labs(x = NULL, y = NULL)
# Nhóm 23 tỉnh thuộc nhóm cuối:
giao_su %>%
slice(41:63) %>%
ggplot(aes(reorder(id, n), n)) +
geom_col(fill = c("#104E8B")) +
coord_flip() +
theme_fivethirtyeight() +
geom_text(aes(label = n), color = "white", hjust = 1.2) +
labs(x = NULL, y = NULL) +
scale_y_continuous(breaks = seq(1, 10, by = 1))
# Tỉ lệ chung có vẻ là cứ 3 Nam thì có một đồng nghiệp nữ.
# Và tỉ lệ GS/PGS là nữ có xu hướng tăng theo thời gian:
all_data %>%
group_by(nam, gioi_tinh) %>%
count() %>%
ungroup() %>%
mutate(nam = as.factor(nam)) %>%
ggplot(aes(nam, n, fill = gioi_tinh)) +
geom_col(position = "fill") +
labs(x = NULL, y = NULL,
title = "The Percentage between Associate Professors\nand Professors by Gender",
caption = "Data Source: http://www.hdcdgsnn.gov.vn") +
theme_fivethirtyeight() +
scale_fill_wsj() +
theme(legend.position = "top") +
theme(legend.title = element_blank()) +
scale_y_percent()
# Phân bố GS/PGS theo giới tính ứng với các ngành:
u <- all_data %>%
group_by(nganh, gioi_tinh) %>%
count() %>%
ungroup()
u %>%
spread(gioi_tinh, n) -> u_wide
names(u_wide) <- c("field", "Female", "Male")
convert_na <- function(x) {
x[is.na(x)] <- 0
return(x)
}
u_wide %<>% mutate_at(.vars = c("Female", "Male"),
.funs = convert_na)
u_wide %<>% mutate(total = Male + Female,
m_rate = Male / total,
f_rate = Female / total,
label = paste0(100*round(m_rate, 4), "%"))
u_wide %<>%
ungroup() %>%
arrange(-m_rate) %>%
mutate(field = factor(field, levels = field))
u_wide %>%
ggplot() +
geom_segment(aes(x = 0,
xend = m_rate,
y = field,
yend = field,
color = "m_rate"), size = 5) +
geom_segment(aes(x = m_rate,
xend = m_rate + f_rate,
y = field,
yend = field,
color = "f_rate"), size = 5) +
geom_text(aes(x = 0, y = field, label = label),
color = "white", hjust = -0.2) +
theme_minimal() +
theme(legend.position = "top") +
labs(x = NULL, y = NULL,
title = "Distribution of Associate Professors by Field and Gender",
caption = "Data Source: http://www.hdcdgsnn.gov.vn") +
scale_color_manual(values = c('#e41a1c','#4daf4a'),
name = "",
labels = c("Female", "Male"))
