Data Management
- 원자료는 세종실록, 요약표는 오기수 교수의 논문에서.
load("sejong_poll0328.rda")
str(sejong.poll.kr)
## 'data.frame': 44 obs. of 5 variables:
## $ counts: int 21 194 259 393 443 117 1123 71 29 5 ...
## $ vote : Factor w/ 2 levels "찬성","반대": 1 2 1 2 1 2 1 2 1 2 ...
## $ class : Factor w/ 5 levels "대신 등","3품이하현직",..: 1 1 2 2 3 3 5 5 4 4 ...
## $ region: Factor w/ 10 levels "서울","유후사",..: 1 1 1 1 1 1 2 2 3 3 ...
## $ color : chr "cyan" "red" "cyan" "red" ...
sejong.poll.kr
## counts vote class region color
## 1 21 찬성 대신 등 서울 cyan
## 2 194 반대 대신 등 서울 red
## 3 259 찬성 3품이하현직 서울 cyan
## 4 393 반대 3품이하현직 서울 red
## 5 443 찬성 3품이하전직 서울 cyan
## 6 117 반대 3품이하전직 서울 red
## 7 1123 찬성 품관촌민 유후사 cyan
## 8 71 반대 품관촌민 유후사 red
## 9 29 찬성 수령 경기 cyan
## 10 5 반대 수령 경기 red
## 11 17076 찬성 품관촌민 경기 cyan
## 12 236 반대 품관촌민 경기 red
## 13 1 반대 대신 등 평안 red
## 14 6 찬성 수령 평안 cyan
## 15 35 반대 수령 평안 red
## 16 1326 찬성 품관촌민 평안 cyan
## 17 28474 반대 품관촌민 평안 red
## 18 17 찬성 수령 황해 cyan
## 19 17 반대 수령 황해 red
## 20 4454 찬성 품관촌민 황해 cyan
## 21 15601 반대 품관촌민 황해 red
## 22 2 반대 대신 등 충청 red
## 23 35 찬성 수령 충청 cyan
## 24 26 반대 수령 충청 red
## 25 6982 찬성 품관촌민 충청 cyan
## 26 14013 반대 품관촌민 충청 red
## 27 5 찬성 수령 강원 cyan
## 28 10 반대 수령 강원 red
## 29 939 찬성 품관촌민 강원 cyan
## 30 6888 반대 품관촌민 강원 red
## 31 1 반대 대신 등 함길 red
## 32 3 찬성 수령 함길 cyan
## 33 14 반대 수령 함길 red
## 34 75 찬성 품관촌민 함길 cyan
## 35 7387 반대 품관촌민 함길 red
## 36 55 찬성 수령 경상 cyan
## 37 16 반대 수령 경상 red
## 38 36262 찬성 품관촌민 경상 cyan
## 39 377 반대 품관촌민 경상 red
## 40 2 반대 대신 등 전라 red
## 41 42 찬성 수령 전라 cyan
## 42 12 반대 수령 전라 red
## 43 29505 찬성 품관촌민 전라 cyan
## 44 257 반대 품관촌민 전라 red
xtabs(counts~vote, data=sejong.poll.kr)
## vote
## 찬성 반대
## 98657 74149
pie(xtabs(counts~vote, data=sejong.poll.kr), col=sejong.poll.kr$color)
title(main="전체 찬반")
text(x=0, y=c(0.4,-0.4), labels=c("98657", "74149"))
xtabs(counts~vote+class, data=sejong.poll.kr)
## class
## vote 대신 등 3품이하현직 3품이하전직 수령 품관촌민
## 찬성 21 259 443 192 97742
## 반대 200 393 117 135 73304
- 품관촌민의 수효가 상대적으로 많아서 별도로 분석.
sejong.poll.kr$class.2<-ifelse(sejong.poll.kr$class=="품관촌민", "품관촌민", "관료")
xtabs(counts~vote+class.2, data=sejong.poll.kr)
## class.2
## vote 관료 품관촌민
## 찬성 915 97742
## 반대 845 73304
addmargins(xtabs(counts~vote+class.2, data=sejong.poll.kr))
## class.2
## vote 관료 품관촌민 Sum
## 찬성 915 97742 98657
## 반대 845 73304 74149
## Sum 1760 171046 172806
- 비율을 계산하여 주변에 집계. digits=3의 역할에 유의
options(digits=3)
prop.table(xtabs(counts~vote+class.2, data=sejong.poll.kr), margin=2)
## class.2
## vote 관료 품관촌민
## 찬성 0.520 0.571
## 반대 0.480 0.429
- 관료와 품관촌민의 찬반을 Pie chart에 도식화
attach(sejong.poll.kr)
par(mfrow=c(1,2))
pie(xtabs(counts~vote+class.2, data=sejong.poll.kr[class.2=="관료",], drop=T), labels=c("찬성", "반대"), col=color)
title(main="관료들의 찬반")
text(x=0, y=c(0.4,-0.4), labels=c("915", "845"))
pie(xtabs(counts~vote+class.2, data=sejong.poll.kr[class.2=="품관촌민",], drop=T), labels=c("찬성", "반대"), col=color)
title(main="품관촌민의 찬반")
text(x=0, y=c(0.4,-0.4), labels=c("98657", "74149"))
par(mfrow=c(1,1))
xtabs(counts~vote+region, data=sejong.poll.kr[class.2=="관료",], drop=T)
## region
## vote 서울 경기 평안 황해 충청 강원 함길 경상 전라
## 찬성 723 29 6 17 35 5 3 55 42
## 반대 704 5 36 17 28 10 15 16 14
xtabs(counts~vote+region, data=sejong.poll.kr[class.2=="품관촌민",], drop=T)
## region
## vote 유후사 경기 평안 황해 충청 강원 함길 경상 전라
## 찬성 1123 17076 1326 4454 6982 939 75 36262 29505
## 반대 71 236 28474 15601 14013 6888 7387 377 257
- 서울은 다른 지역보다 월등히 많은 관료가 거주하므로 별도 집계.
xtabs(counts~vote+class, data=sejong.poll.kr[region=="서울",], drop=T)
## class
## vote 대신 등 3품이하현직 3품이하전직
## 찬성 21 259 443
## 반대 194 393 117
- 서울의 계급별 찬반을 barplot으로 그려봄. text()의 좌표는 locator()로 찾아냄.
barplot(xtabs(counts~vote+class, data=sejong.poll.kr[region=="서울",], drop=T), col=color)
title(main="서울의 찬반")
text(x=c(0.7, 1.9, 1.9, 3.1, 3.1), y=c(120, 450, 135, 500, 220), labels=c("194","393", "259", "117", "443"))
legend("topleft", inset=0.05, fill=c("cyan", "red"), legend=c("찬성", "반대"))
mosaicplot(xtabs(counts~class+vote, data=sejong.poll.kr[region=="서울",], drop=T), col=color, main="서울의 찬반", xlab="계급" , ylab ="찬반")
- 지역별 관료들의 찬반을 barplot()으로 그려봄.
xtabs(counts~vote+region, data=sejong.poll.kr[class.2=="관료" & !region=="서울",], drop=T)
## region
## vote 경기 평안 황해 충청 강원 함길 경상 전라
## 찬성 29 6 17 35 5 3 55 42
## 반대 5 36 17 28 10 15 16 14
barplot(xtabs(counts~vote+region, data=sejong.poll.kr[class.2=="관료" & !region=="서울",], drop=T), col=color)
title(main="지방 관료들의 찬반")
legend("topleft", inset=0.05, fill=c("cyan", "red"), legend=c("찬성", "반대"))
mosaicplot(xtabs(counts~region+vote, data=sejong.poll.kr[class.2=="관료" & !region=="서울",], drop=T), col=color, main="", xlab="계급", ylab="찬반")
title(main="지방 관료들의 찬반")
- 품관촌민들의 지역별 찬반을 barplot()으로 요약.
barplot(xtabs(counts~vote+region, data=sejong.poll.kr[class.2=="품관촌민",], drop=T), col=color)
title(main="품관촌민들의 지역별 찬반")
legend("topleft", inset=0.05, fill=c("cyan", "red"), legend=c("찬성", "반대"))
mosaicplot(xtabs(counts~region+vote, data=sejong.poll.kr[class.2=="품관촌민",], drop=T), col=color, main="품관촌민의 지역별 찬반", xlab="지역", ylab="찬반")
- 충청도는 관료들의 찬반과 품관촌민의 찬반이 다른 곳.
xtabs(counts~vote+class, data=sejong.poll.kr[region=="충청",], drop=T)
## class
## vote 대신 등 수령 품관촌민
## 찬성 0 35 6982
## 반대 2 26 14013
prop.table(xtabs(counts~vote+class, data=sejong.poll.kr[region=="충청",], drop=T), margin=2)
## class
## vote 대신 등 수령 품관촌민
## 찬성 0.000 0.574 0.333
## 반대 1.000 0.426 0.667
barplot(prop.table(xtabs(counts~vote+class, data=sejong.poll.kr[region=="충청",], drop=T), margin=2), col=color, ylim=c(0, 1.5), axes=F)
axis(side=2, at=c(0, 0.5, 1.0), labels=c("0", "50%", "100%"))
title(main="충청도의 계급별 찬반 비율")
legend("topleft", inset=0.05, fill=c("cyan", "red"), legend=c("찬성", "반대"))
text(x=c(0.7, 1.9, 1.9, 3.1, 3.1), y=c(0.5, 0.3, 0.8, 0.15, 0.65), labels=c(2, 35, 26, 6982, 14013))
- mosaicplot()으로 수효의 차이가 너무 커서 비교하기 어려움.
mosaicplot(xtabs(counts~class+vote, data=sejong.poll.kr[region=="충청",], drop=T), col=color, main="", xlab="계급", ylab="찬반")
title(main="충청도의 찬반")
- 작업 디렉토리의 이미지와 히스토리를 저장하고 퇴장.
save.image(file="sejong_poll0328.rda")
savehistory(file="sejong_poll0328.Rhistory")
q("no")