Семинар 4. Решения.

Все графики строятся с помощью библиотеки ggplot2.

library(ggplot2)

## Warning: package 'ggplot2' was built under R version 3.5.2

library(dplyr)

## Warning: package 'dplyr' was built under R version 3.5.2

## 
## Attaching package: 'dplyr'

## The following objects are masked from 'package:stats':
## 
##     filter, lag

## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union

1. Загрузите базу данных demography.csv. В ней содержатся данные по населению Белгородской и Калужской областей за 2016 год (источник -- Росстат).

df <- read.csv("https://raw.githubusercontent.com/allatambov/R-programming-3/master/seminars/sem8-09-02/demography.csv", encoding = "UTF-8")

1. Создайте переменную young_share -- процент населения возраста, моложе трудоспособного. Создайте переменную trud_share -- процент населения трудоспособного возраста и old_share -- процент населения возраста, старше трудоспособного.

df <- df %>% mutate(young_share = young_total/popul_total * 100,
              trud_share = wa_total/popul_total * 100,
              old_share = ret_total/popul_total * 100)

1. Постройте гистограмму для доли трудоспособного населения в процентах. Измените цвет гистограммы, добавьте rugs. Добавьте вертикальную линию, которая отчерчивает медианное значение доли трудоспособного населения в процентах.

ggplot(data = df, aes(x = trud_share)) + 
  geom_histogram(fill = "tomato", color = "black", bins = 10) +
  labs(title = "Working age", x = "People in working age, %") +
  geom_vline(xintercept = median(df$trud_share), color = "blue", 
             lwd = 1, lty = 2) + geom_rug()

1. Постройте сглаженные графики плотности распределения для доли трудоспособного населения в процентах по регионам (два графика в одной плоскости). Настройте цвета и прозрачность заливки. По графикам плотности определите, имеет ли смысл для визуализации распределения доли трудоспособного населения строить скрипичные диаграммы (violin plot). Если да, постройте их (так же по группам). Если нет, постройте ящики с усами.

# сглаженные графики плотности
ggplot(data = df, 
       aes(x = trud_share, group = region, fill = region)) +
  geom_density(alpha = 0.5) +
  scale_fill_manual(values = c("yellow", "green"))

# скрипичные диаграммы
ggplot(data = df, 
       aes(x = "", y = trud_share, group = region, fill = region)) +
  geom_violin() +
  scale_fill_manual(values = c("yellow", "green"))

1. Постройте диаграмму рассеяния для переменных young_share и old_share. Можно ли сказать, что чем больше процент молодого населения (моложе трудоспособного населения), тем меньше процент пожилых людей (старше трудоспособного возраста)? Поменяйте цвет и тип маркера для точек.

ggplot(data = df, aes(x = young_share, y= old_share)) +
  geom_point(color = "brown", shape = 8, size = 4) + theme_bw()

1. Создайте переменную male_share -- доля мужского населения в районе/городе (в процентах). Создайте переменную male, которая принимает значение 1, если доля мужчин в муниципальном районе/городе больше доли женщин, и значение 0 -- во всех остальных случаях.

df <- df %>% mutate(female = young_female + wa_female + ret_female,
                    male = young_male + wa_male + ret_male) %>% 
             mutate(fe_share = female / popul_total * 100,
                    ma_share = male / popul_total * 100) %>%
             mutate(Male = factor(ifelse(ma_share > fe_share, 1, 0)))

1. Постройте пузырьковую диаграмму (bubble plot) для переменных young_share и old_share, учитывая информацию о доле мужчин в районе и о том, преобладают ли мужчины в районе или нет.

ggplot(data = df, aes(x = young_share, y= old_share)) +
  geom_point(aes(size = ma_share, color = Male))

1. Постройте столбиковую диаграмму (bar plot), которая показывала бы, сколько в базе данных районов Белгородской области, а сколько -- Калужской.

ggplot(data = df, aes(x = region)) + geom_bar(fill = "purple", color = "black") + 
  scale_y_continuous(breaks = seq(0, 30, by = 5)) # больше делений по оси y