통계학 입문 중간 레포트

자전거 사고 다발지역 통계자료를 활용한 문서

먼저 read 함수를 이용해서 csv 파일을 Rstudio 에 불러온다. csv의 파일명은 boom로 정해준다.

boom <- read.csv(file = "C:/Users/hazard/data/Rclass/Hazard/boom.csv.csv", header = TRUE)

str 함수를 이용해서 csv파일의 구조를 알 수 있다.

str(boom)

## 'data.frame':    386 obs. of  15 variables:
##  $ 다발지식별자    : int  6411461 6411839 6411840 6411836 6411835 6411837 6411193 6411838 6411295 6411841 ...
##  $ 다발지그룹식별자: int  2018032 2018032 2018032 2018032 2018032 2018032 2018032 2018032 2018032 2018032 ...
##  $ 법정동코드      : num  1.13e+09 1.13e+09 1.13e+09 1.13e+09 1.13e+09 ...
##  $ 스팟코드        : int  11305001 11305002 11305003 11305004 11305005 11305006 11305007 11305008 11305009 11320001 ...
##  $ 관할경찰서      : Factor w/ 386 levels "강원도 원주시1",..: 218 219 220 221 222 223 224 225 226 249 ...
##  $ 다발지명        : Factor w/ 386 levels "강원도 원주시 개운동(향교사거리 부근)",..: 225 224 220 219 226 223 221 222 218 252 ...
##  $ 발생건수        : int  6 6 5 5 4 4 4 4 4 7 ...
##  $ 사상자수        : int  6 7 6 5 7 5 4 5 6 7 ...
##  $ 사망자수        : int  0 0 0 0 0 0 0 0 0 0 ...
##  $ 중상자수        : int  3 1 0 0 3 2 2 1 0 4 ...
##  $ 경상자수        : int  3 6 6 4 4 2 2 4 6 3 ...
##  $ 부상신고자수    : int  0 0 0 1 0 1 0 0 0 0 ...
##  $ 경도            : num  127 127 127 127 127 ...
##  $ 위도            : num  37.6 37.6 37.6 37.6 37.6 ...
##  $ 다발지역폴리곤  : Factor w/ 386 levels "{\"type\":\"Polygon\",\"coordinates\":[[[126.46163742,36.78196310],[126.46162677,36.78212014],[126.46159915,36."| __truncated__,..: 140 135 147 141 137 143 152 138 144 162 ...

boom$경도 <- NULL
boom$위도 <- NULL
boom$다발지역폴리곤<- NULL
boom$다발지식별자 <-NULL
boom$다발지그룹식별자 <-NULL
boom$법정동코드<-NULL
boom$관할경찰서 <-NULL
boom$스팟코드 <-NULL

head(boom)

table 함수를 이용해서 사상자 수를 정리 할 수 있다

table(boom$사상자수)

## 
##   3   4   5   6   7   8   9  10  11  12 
##   5 132 113  65  34  20   7   3   5   2

tab 함수를 이용한 다음 pie 함수를 이용해서 간단한 원 그래프로 나타 낼 수 있다.

tab.boom<-table(boom$사상자수)

pie(tab.boom)

Barplot 함수를 이용해서 나타낸 막대그래프

barplot(tab.boom)

install.packages( c("ggplot2") , 
        repos = "https://cran.seoul.go.kr" )

## Installing package into 'C:/Program Files/R/R-3.5.1/library'
## (as 'lib' is unspecified)

## package 'ggplot2' successfully unpacked and MD5 sums checked
## 
## The downloaded binary packages are in
##  C:\Temp\Rtmp844i1w\downloaded_packages

library( ggplot2 )

qplot()

summary(boom)

##                                            다발지명      발생건수     
##  강원도 원주시 개운동(향교사거리 부근)         :  1   Min.   : 3.000  
##  강원도 원주시 원동(천주교원주교구청 부근)     :  1   1st Qu.: 4.000  
##  강원도 원주시 학성동(우산철교사거리 부근)     :  1   Median : 5.000  
##  강원도 춘천시 우두동(사우사거리 부근)         :  1   Mean   : 5.096  
##  강원도 춘천시 효자동(가람약국 부근)           :  1   3rd Qu.: 6.000  
##  경기도 고양시 덕양구 행신동(가라뫼사거리 부근):  1   Max.   :12.000  
##  (Other)                                       :380                   
##     사상자수         사망자수          중상자수        경상자수     
##  Min.   : 3.000   Min.   :0.00000   Min.   :0.000   Min.   : 0.000  
##  1st Qu.: 4.000   1st Qu.:0.00000   1st Qu.:1.000   1st Qu.: 2.000  
##  Median : 5.000   Median :0.00000   Median :2.000   Median : 3.000  
##  Mean   : 5.358   Mean   :0.09845   Mean   :1.689   Mean   : 2.894  
##  3rd Qu.: 6.000   3rd Qu.:0.00000   3rd Qu.:2.000   3rd Qu.: 4.000  
##  Max.   :12.000   Max.   :2.00000   Max.   :5.000   Max.   :10.000  
##                                                                     
##   부상신고자수   
##  Min.   :0.0000  
##  1st Qu.:0.0000  
##  Median :0.0000  
##  Mean   :0.6762  
##  3rd Qu.:1.0000  
##  Max.   :5.0000  
## 

summary 함수를 사용한 평균값 알아보기기

summary 함수를 사용하면 발생건수의 평균과 사상자수의 평균이 나오게 되는데 , 발생건수의 평균은 5.096, 사상자수의 평균은 5.358 정도가 나왔다.

ggplot 을 이용한 정렬

ggplot(boom, aes(x=발생건수)) + geom_bar(aes(fill=사상자수))

그래프로 나타내보기

**geom *함수를 이용한 그래프 _그리기

g1<- ggplot(data=boom,aes(x=발생건수,y=사상자수))
g1+geom_point()+geom_smooth()

## `geom_smooth()` using method = 'loess' and formula 'y ~ x'

## Warning in simpleLoess(y, x, w, span, degree = degree, parametric =
## parametric, : pseudoinverse used at 5

## Warning in simpleLoess(y, x, w, span, degree = degree, parametric =
## parametric, : neighborhood radius 1

## Warning in simpleLoess(y, x, w, span, degree = degree, parametric =
## parametric, : reciprocal condition number 0

## Warning in predLoess(object$y, object$x, newx = if
## (is.null(newdata)) object$x else if (is.data.frame(newdata))
## as.matrix(model.frame(delete.response(terms(object)), : pseudoinverse used
## at 5

## Warning in predLoess(object$y, object$x, newx = if
## (is.null(newdata)) object$x else if (is.data.frame(newdata))
## as.matrix(model.frame(delete.response(terms(object)), : neighborhood radius
## 1

## Warning in predLoess(object$y, object$x, newx = if
## (is.null(newdata)) object$x else if (is.data.frame(newdata))
## as.matrix(model.frame(delete.response(terms(object)), : reciprocal
## condition number 0

geom 그래프로 알수 있는 것

-발생건수가 높을수록 사상자수도 급격히 증가하는 것이 확연히 보인다. 

발생건수 대비 사망자수 나타내기

library(ggplot2)
g2<-ggplot(data=boom,aes(x=발생건수,y=사망자수))
g2+geom_point()+geom_smooth()+labs(title="발생건수 대비 사망자수",x="발생건수",y="사망자수")

## `geom_smooth()` using method = 'loess' and formula 'y ~ x'

## Warning in simpleLoess(y, x, w, span, degree = degree, parametric =
## parametric, : pseudoinverse used at 5

## Warning in simpleLoess(y, x, w, span, degree = degree, parametric =
## parametric, : neighborhood radius 1

## Warning in simpleLoess(y, x, w, span, degree = degree, parametric =
## parametric, : reciprocal condition number 0

## Warning in predLoess(object$y, object$x, newx = if
## (is.null(newdata)) object$x else if (is.data.frame(newdata))
## as.matrix(model.frame(delete.response(terms(object)), : pseudoinverse used
## at 5

## Warning in predLoess(object$y, object$x, newx = if
## (is.null(newdata)) object$x else if (is.data.frame(newdata))
## as.matrix(model.frame(delete.response(terms(object)), : neighborhood radius
## 1

## Warning in predLoess(object$y, object$x, newx = if
## (is.null(newdata)) object$x else if (is.data.frame(newdata))
## as.matrix(model.frame(delete.response(terms(object)), : reciprocal
## condition number 0

발생건수에 대해 사망자수는 발생건수가 늘어나도 사망자수는 현저히 줄어들었다

geom그래프에 색깔입히기

library(ggplot2)
g3<-ggplot(boom,aes(x=발생건수,y=부상신고자수,color="green"))
g3+geom_point()+geom_smooth()+labs(title="발생건수에 따른 중상자수",x="발생건수",y="중상자")

## `geom_smooth()` using method = 'loess' and formula 'y ~ x'

## Warning in simpleLoess(y, x, w, span, degree = degree, parametric =
## parametric, : pseudoinverse used at 5

## Warning in simpleLoess(y, x, w, span, degree = degree, parametric =
## parametric, : neighborhood radius 1

## Warning in simpleLoess(y, x, w, span, degree = degree, parametric =
## parametric, : reciprocal condition number 0

## Warning in predLoess(object$y, object$x, newx = if
## (is.null(newdata)) object$x else if (is.data.frame(newdata))
## as.matrix(model.frame(delete.response(terms(object)), : pseudoinverse used
## at 5

## Warning in predLoess(object$y, object$x, newx = if
## (is.null(newdata)) object$x else if (is.data.frame(newdata))
## as.matrix(model.frame(delete.response(terms(object)), : neighborhood radius
## 1

## Warning in predLoess(object$y, object$x, newx = if
## (is.null(newdata)) object$x else if (is.data.frame(newdata))
## as.matrix(model.frame(delete.response(terms(object)), : reciprocal
## condition number 0

**발생건수에 대비해서 중상자수는 발생건수가 적었을때 보다 클때 중상자수가 많다는 것을 그래프를 통해 알 수 있다.

링크 삽입하기

-csv 파일을 다운로드 받은 사이트를 삽입할 수 있다.

<https://www.data.go.kr/dataset/15003493/fileData.do> <공공데이터포털>