2021 프로야구 각 구단의 연봉 연황을 간략히 구분해 보았다.
1. 용병 국적별 빈도
2. 각 용병의 연봉
3. 구단별 한해 용병 연봉 지출
4. 용병 포지션별 평균 연봉
데이터 불러오기 및 확인.
데이터는 KBO 사이트에서 엑셀로 다운 받은 이후 R파일로 불러오기 하였다
library(readxl)
library(tidyverse)
## ── Attaching packages ────────────────────────────────── tidyverse 1.3.1.9000 ──
## ✓ ggplot2 3.3.3 ✓ purrr 0.3.4
## ✓ tibble 3.1.2 ✓ dplyr 1.0.6
## ✓ tidyr 1.1.3 ✓ stringr 1.4.0
## ✓ readr 1.4.0 ✓ forcats 0.5.1
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## x dplyr::filter() masks stats::filter()
## x dplyr::lag() masks stats::lag()
library(RColorBrewer)
KRfont2<-theme_set(theme_grey(base_family='NanumGothic'))
import_salary<-read_xlsx("/Users/yongkookkim/Library/Mobile Documents/com~apple~CloudDocs/Baseball_stat_study/import_salary.xlsx",col_names = T)
import_salary<-as.data.frame(import_salary)
head(import_salary)
## 구단 성명 위치 연령(세) 신장(cm) 체중(kg) 계약금($) 연봉($)
## 1 NC \r\nDrew Rucinski 투수 33 188 91 300000 1300000
## 2 NC \r\nArthur Parsons 투수 29 196 93 80000 320000
## 3 NC \r\nAaron Altherr 외야수 30 196 97 200000 1100000
## 4 두산 \r\nAriel Miranda 투수 32 188 86 150000 550000
## 5 두산 \r\nWalker Lockett 투수 27 196 102 250000 493000
## 6 두산 \r\nJose Fernandez 내야수 33 178 83 200000 600000
## 총액_달러 총액_원 총액_천만원 입단연도 국적
## 1 1600000 2231904000 223.1904 2019 미국
## 2 400000 557976000 55.7976 2021 미국
## 3 1300000 1813422000 181.3422 2020 미국
## 4 700000 976458000 97.6458 2021 쿠바
## 5 743000 1036440420 103.6440 2021 미국
## 6 800000 1115952000 111.5952 2019 쿠바
str(import_salary)
## 'data.frame': 29 obs. of 13 variables:
## $ 구단 : chr "NC" "NC" "NC" "두산" ...
## $ 성명 : chr "\r\nDrew Rucinski" "\r\nArthur Parsons" "\r\nAaron Altherr" "\r\nAriel Miranda" ...
## $ 위치 : chr "투수" "투수" "외야수" "투수" ...
## $ 연령(세) : num 33 29 30 32 27 33 31 34 32 32 ...
## $ 신장(cm) : num 188 196 196 188 196 178 188 182 183 191 ...
## $ 체중(kg) : num 91 93 97 86 102 83 98 92 92 98 ...
## $ 계약금($) : num 300000 80000 200000 150000 250000 200000 250000 300000 0 300000 ...
## $ 연봉($) : num 1300000 320000 1100000 550000 493000 600000 500000 500000 525000 700000 ...
## $ 총액_달러 : num 1600000 400000 1300000 700000 743000 800000 750000 800000 525000 1000000 ...
## $ 총액_원 : num 2.23e+09 5.58e+08 1.81e+09 9.76e+08 1.04e+09 ...
## $ 총액_천만원: num 223.2 55.8 181.3 97.6 103.6 ...
## $ 입단연도 : num 2019 2021 2020 2021 2021 ...
## $ 국적 : chr "미국" "미국" "미국" "쿠바" ...
1. 용병 국적별 빈도
national<- import_salary %>%
select(성명,구단,총액_달러,총액_천만원,위치,입단연도,국적) %>%
group_by(국적) %>%
summarise(n=n())
national<- import_salary %>%
select(성명,구단,총액_달러,총액_천만원,위치,입단연도,국적) %>%
group_by(국적) %>%
summarise(n=n())
national
## # A tibble: 6 x 2
## 국적 n
## <chr> <int>
## 1 도미니카 1
## 2 멕시코 1
## 3 미국 19
## 4 베네수엘라 5
## 5 캐나다 1
## 6 쿠바 2
ggplot(data=national,aes(x=국적, y=n,fill=국적))+
geom_col()+
geom_text(aes(label=n,group=국적),
hjust=0.5,
vjust=1.8)+
theme(plot.title = element_text(face = "bold.italic",
size=20,
color="brown"),
axis.title = element_text(face = "bold.italic",
size=10,
color="tomato"),
axis.text = element_text(face = "bold",
size=8,
color="royalblue"),
panel.background = element_rect(fill = "snow",color ="darkblue"),
panel.grid.major.y = element_line(color ="gray",linetype="solid"),
panel.grid.minor.y = element_line(color ="gray",linetype="dashed"),
legend.position = "right")
2. 각 용병의 연봉
each_salary<- import_salary %>%
mutate(총액_단위k=총액_달러/1000) %>%
select(성명, 구단,총액_단위k) %>%
group_by(성명,구단) %>%
as.data.frame()
each_salary
## 성명 구단 총액_단위k
## 1 \r\nDrew Rucinski NC 1600
## 2 \r\nArthur Parsons NC 400
## 3 \r\nAaron Altherr NC 1300
## 4 \r\nAriel Miranda 두산 700
## 5 \r\nWalker Lockett 두산 743
## 6 \r\nJose Fernandez 두산 800
## 7 \r\nWilliam Cuevas KT 750
## 8 \r\nOdrisamer Despaigne KT 800
## 9 \r\nZoilo Almonte KT 525
## 10 \r\nCasey Kelly LG 1000
## 11 \r\nAndrew Suarez LG 600
## 12 \r\nRoberto Ramos LG 800
## 13 \r\nEric Jokisch 키움 750
## 14 \r\nJosh A. Smith 키움 500
## 15 \r\nAaron Brooks KIA 1200
## 16 \r\nDaniel Mengden KIA 725
## 17 \r\nPreston Tuucker KIA 1050
## 18 \r\nDan Straily 롯데 1200
## 19 \r\nEnderson Franco 롯데 300
## 20 \r\nDixon Machado 롯데 650
## 21 \r\nBen Lively 삼성 500
## 22 \r\nDavid Buchanan 삼성 1000
## 23 \r\nJose Pirela 삼성 600
## 24 \r\nArthur Lewicki SK 650
## 25 \r\nWilmer Font SK 1000
## 26 \r\nJamie Romak SK 900
## 27 \r\nNicholas Kingham 한화 350
## 28 Ryan Carpenter 한화 400
## 29 Ryon Healy 한화 800
ggplot(data =each_salary,
aes(x=reorder(성명,-총액_단위k),y=총액_단위k,fill=구단))+
geom_col()+
coord_flip()+
geom_text(aes(label=총액_단위k,group=성명),hjust=1.5)+
theme(plot.title = element_text(face = "bold.italic",
size=20,
color="brown"),
axis.title = element_text(face = "bold.italic",
size=10,
color="tomato"),
axis.text = element_text(face = "bold",
size=8,
color="royalblue"),
panel.background = element_rect(fill = "snow",color ="darkblue"),
panel.grid.major.y = element_line(color ="gray",linetype="solid"),
panel.grid.minor.y = element_line(color ="gray",linetype="dashed"),
legend.position = "right")+
labs(title="각 용병의 연봉+계약금",
x="NAME ",y="총액(단위 $1000)")
3. 구단별 한해 용병 연봉 지출
import_salary1<-import_salary
import_salary1<-import_salary1 %>%
select(구단, 총액_달러, 총액_천만원) %>%
mutate(총액_단위k=(총액_달러/1000)) %>%
group_by(구단) %>%
summarise(team_payroll_k=sum(총액_단위k))
import_salary1
## # A tibble: 10 x 2
## 구단 team_payroll_k
## <chr> <dbl>
## 1 KIA 2975
## 2 KT 2075
## 3 LG 2400
## 4 NC 3300
## 5 SK 2550
## 6 두산 2243
## 7 롯데 2150
## 8 삼성 2100
## 9 키움 1250
## 10 한화 1550
ggplot(data = import_salary1,
aes(x=reorder(구단,team_payroll_k),y=team_payroll_k,fill=구단))+
geom_col()+
geom_text(aes(label=team_payroll_k,group=구단),hjust=2)+
coord_flip()+
theme(plot.title = element_text(face = "bold.italic",
size=20,
color="brown"),
axis.title = element_text(face = "bold.italic",
size=10,
color="tomato"),
axis.text = element_text(face = "bold",
size=,
color="royalblue"),
panel.background = element_rect(fill = "snow",color ="darkblue"),
panel.grid.major.y = element_line(color ="gray",linetype="solid"),
panel.grid.minor.y = element_line(color ="gray",linetype="dashed"),
legend.position = "top")+
labs(title="구단별 한해 용병 연봉 지출 PAYROLL",
x="TEAM NAME ",y="UNIT($1000) ")
4. 용병 포지션별 평균 연봉
position_income<- import_salary %>%
mutate(총액_단위k=(총액_달러/1000)) %>%
select(위치,총액_단위k)%>%
group_by(위치) %>%
summarise(mean_income_k=mean(총액_단위k)) %>%
as.data.frame()
position_income
## 위치 mean_income_k
## 1 내야수 833.3333
## 2 외야수 808.3333
## 3 투수 758.4000
ggplot(data = position_income,aes(x=위치,y=mean_income_k, fill=위치))+
geom_col()+
coord_flip()+
geom_text(aes(label=round(mean_income_k,digit=2), group=위치),
hjust=1.1)+
labs(title="용병 포지션별 평균 연봉",
x="포지션 ",y="단위($1000) ")+
theme(plot.title = element_text(face = "bold.italic",
size=20,
color="brown"),
axis.title = element_text(face = "bold.italic",
size=10,
color="tomato"),
axis.text = element_text(face = "bold",
size=,
color="royalblue"),
panel.background = element_rect(fill = "snow",color ="darkblue"),
panel.grid.major.y = element_line(color ="gray",linetype="solid"),
panel.grid.minor.y = element_line(color ="gray",linetype="dashed"),
legend.position = "top")
