R Notebook

salary

install.packages("ggplot2")
library(ggplot2)


## 성별 임금 소득에 대한 통계를 구하시오.
# 1. 남녀성별에 따른 평균임금을 막대그래프로 구현
# 2. 가장 고소득인 연령대를 구하시오.
# 3. 그룹 간 임금격차가 커지는 연령대를 구하시오.
# 4. 그룹 간 임금격차가 커지는 연령대를 구하시오.
# step 1 : 데이터 읽기
csv = "https://www.dropbox.com/s/bdxpttb9mpr0kpt/example_salary.csv?dl=1"
salary <- read.csv(csv,
                   stringsAsFactors = F,
                   na = "-")
# step 2 : 구조 보기
str(salary)
colnames(salary)
#[1] "연령" ctrl+shift+c
#[2] "월급여액..원."
#[3] "연간특별급여액..원."
#[4] "근로시간..시간."
#[5] "근로자수..명."
#[6] "경력구분"
#[7] "성별"
# step 3 연산을 하기 위해 한글명을 영어로 변환
colnames(salary) <- c(
  "age","wage","special_wage","working_time",
  "worker_count","career","gender"
  )
colnames(salary)
class(salary$wage)
# step 4 검색 목록에 올리기
# salary$age 를 하지 않도록 조치
# salary dataframe 을 디폴트값으로 지정
# attach(salary) # 첨부파일
# step 5 : 기술통계 :: 평균 mean, 중앙값 median, 최빈값 mode
head(salary)
class(salary$wage)
# wage <- as.numeric(wage)
wage_mean <- mean(salary$wage, na.rm = T)
wage_mean # [1] 2171578
# 중앙값 median
wage_mid <- median(salary$wage, na.rm = T)
wage_mid
# 범위 구하기보ge, na.rm = T)
wage_range <- range(salary$wage, na.rm = T)
wage_range # [1] 1117605 4064286
# 최고 임금을 받는 사람의 정보
highest_wage <- which(salary$wage == 4064286)
salary[highest_wage,]
# 4분위 구하기
qnt <- quantile(salary$wage,na.rm = T)
qnt
# step 6 리스트에 담기
sal_list <- list(
  평균월급 = wage_mean,
  월급중앙값 = wage_mid,
  월급범위 = wage_range,
  월급사분위 = qnt
)
sal_list
# 성별에 따른 임금격차
wage_avg_per_gender <- tapply(
  salary$wage,salary$gender,mean,na.rm=T
)
wage_avg_per_gender
# 남      여 
# 2477332 1865823
# reshape2
install.packages("reshape2")
library(reshape2)
temp <- melt(wage_avg_per_gender)
ggplot(
  data = temp,
  aes(
    x = Var1,
    y = value,
    fill = Var1
  )
)+geom_bar(
  stat = "identity"
)

# 커리어에 따른 임금격차
salary$career
wage_avg_per_careea <- tapply(
  salary$wage, salary$career, mean, na.rm = T
)
wage_avg_per_careea
temp <- melt(wage_avg_per_careea)
ggplot(
  data = temp,
  aes(
    x = Var1, # melt에 내장된 x 값
    y = value,
    fill = Var1
  )
)+geom_bar(
  stat = "identity"
)


melt <- melt(salary$career)
ggplot(
  melt,
  aes(
    x=Var1,
    y=value,
    group=1
  )+geom_line(
    col = 'blue',
    size = 2
  )+coord_polar()+
    ylim(0,max(melt$value))
)

# 각 경력별로 제일 적게 받는 월급 집단
# 1~3년미만   10년이상    1년미만  3~5년미만 5~10년미만 
# 1905012    2907119    1730835    2028015    2360463
tapply(
  salary$wage,
  salary$career,
  range,
  na.rm = T
)
year_1 <- salary[which(salary$wage == 1117605),]
year_1_3 <- salary[which(salary$wage == 1172399),]
year_3_5 <- salary[which(salary$wage == 1245540),]
year_5_10 <- salary[which(salary$wage == 1548036),]
year_10 <- salary[which(salary$wage == 1685204),]

careea_list <- list(
  year_1,year_1_3,year_3_5,year_5_10,year_10
)
careea_list

## 2번 답
# 경력 별 가장 낮은 월급을 받는 집단은 대부분 60대 이상 여자
# 특이점은 10년 이상 경력에서 가장 낮은 월급을 받는 집단은
# 20대 초반 여성
# 1886명. 이들은 10년이나 경력을 쌓고도 168만원을 수령함.

# 3번. 표준화 시키기
wage_scale <- scale(salary$wage)
head(wage_scale, 10)
# [,1]
# [1,] -1.28886999
# [2,] -0.91757018
# [3,] -0.38981924
# [4,] -0.06340878
# [5,]  0.37924689
# [6,]  0.31343053
# [7,]  0.28505815
# [8,] -0.04016661
# [9,] -0.13812959
# [10,] -0.78222571
# 평균이 0이고, 0을 기죽으로 분산된 값들이 있다.
salary <- cbind(salary,scale=wage_scale)
str(salary)
g1 <- ggplot(salary,aes(x=salary$scale,y=salary$age))
g2 <- geom_segment(aes(yend=salary$age),xend=0)
g3 <- g1 + g2 +
  geom_point(
    size = 7,
    aes(color=salary$gender,shape=salary$career)
  )+theme_minimal()
g3

## 해석
# 10년 이상 된 45-54세 남성이 가장 고소득자.
# 25~29세 그룹은 격차가 크지 않다.
# 45세 이상부터는 그룹간 격차가 크다.
# 저임금은 주로 여성그룹에서 나타난다.
# 고임금은 주로 남성그룹에서 나타난다.

# 데이터 정규화는 변숫값의 분포를 표준화하는 것을 의미한다.
# 표준화는 변수에서 데이터의 평균을 빼거나
# 변수를 전체 데이터의 표준편차로 나누는 작업을 포함한다.
# 이렇게 하면 변숫값의 평균이 0이 되고 값의
# 퍼짐정도(분포) 또한 일정해진다.
# R에서 데이터를 정규화 하는 함수는 scale()이다.

t <- c(1,2,3,4,5)
t
mean(t)
sd(t)
scale(t)