Ders 5

library(WDI)

## Warning: package 'WDI' was built under R version 4.2.2

Türkiye, Almanya, Fransa ve Japonya’nın bu konu hakkındaki verileri 1990-2020

df = WDI(indicator='FP.CPI.TOTL.ZG', country=c('TR','DE','FR','JP'), start=1990, end=2020)

head(df)

##   country iso2c iso3c year FP.CPI.TOTL.ZG
## 1 Germany    DE   DEU 2020      0.5066899
## 2 Germany    DE   DEU 2019      1.4456670
## 3 Germany    DE   DEU 2018      1.7321677
## 4 Germany    DE   DEU 2017      1.5094966
## 5 Germany    DE   DEU 2016      0.4917486
## 6 Germany    DE   DEU 2015      0.5144205

library(dplyr)

## Warning: package 'dplyr' was built under R version 4.2.2

## 
## 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

df <- df %>%
  rename(ulke = 1,
         ulkekoduiso2 = 2,
         ulkekoduiso3 = 3,
         sene = 4,
         Enflasyon = 5)

library(reshape2)

## Warning: package 'reshape2' was built under R version 4.2.2

data_genis <- dcast(df, sene ~ ulke, value.var="Enflasyon")

tail(data_genis)

##    sene     France   Germany       Japan   Turkiye
## 26 2015 0.03751438 0.5144205  0.79527963  7.670854
## 27 2016 0.18333486 0.4917486 -0.12725884  7.775134
## 28 2017 1.03228275 1.5094966  0.48419980 11.144311
## 29 2018 1.85081508 1.7321677  0.98909460 16.332464
## 30 2019 1.10825492 1.4456670  0.46877616 15.176822
## 31 2020 0.47649885 0.5066899 -0.02499583 12.278957

df2 <- WDI(
  country = "all",
  indicator = "FP.CPI.TOTL.ZG",
  start = 1990,
  end = 2020,
  extra = TRUE,
  cache = NULL,
  latest = NULL,
  language = "tr")

## Warning in WDI(country = "all", indicator = "FP.CPI.TOTL.ZG", start = 1990, :
## This language is only supported partially.

df3<- df2 %>%
  select(iso2c, year, FP.CPI.TOTL.ZG)

data_genis<-  data_genis %>% mutate(ulkekoduiso2=NULL, ulkekoduiso3=NULL)

tsveri <- ts(data_genis, start=1990, frequency=1)

Data_genis veri setimizi, bir zaman serisine çevirelim. R’da bu tür zaman serilerine, ts denilir.

tail(tsveri)

##       sene     France   Germany       Japan   Turkiye
## [26,] 2015 0.03751438 0.5144205  0.79527963  7.670854
## [27,] 2016 0.18333486 0.4917486 -0.12725884  7.775134
## [28,] 2017 1.03228275 1.5094966  0.48419980 11.144311
## [29,] 2018 1.85081508 1.7321677  0.98909460 16.332464
## [30,] 2019 1.10825492 1.4456670  0.46877616 15.176822
## [31,] 2020 0.47649885 0.5066899 -0.02499583 12.278957

frequency, seçeneği aylık verilerde 12, çeyreklik verilerde 4, haftalık verilerde 52 olarak girilir. Türkiye’nin verisini, zaman serisi grafiği olarak çizmek istersek.

library(ggplot2)

## Warning: package 'ggplot2' was built under R version 4.2.2

library(ggfortify)

## Warning: package 'ggfortify' was built under R version 4.2.2

Türkiye, Almanya, Japonya ve Fransa’nın verileri, ikinci, üçüncü, dördüncü ve beşinci sütundadır.

plot(tsveri[,2:5])

plot(tsveri[,2:5], plot.type = "single")

plot(tsveri[,2],
     type = "l",
     col = 2,
     ylim = c(0, 25),
     xlab = "Sene",
     ylab = "Enflasyon")
lines(tsveri[,3],
      type = "l",
      col = 3)
lines(tsveri[,4],
      type = "l",
      col = 4)
lines(tsveri[,5],
      type = "l",
      col = 5)
legend("topright",                           
       c("Türkiye", "Almanya", "Fransa","Japonya"),
       lty = 1,
       col = 2:5)

Veri setinde sene isimli değişkene göre, veri setini uzun formatına geri dönmesi

data_uzun <- melt(data_genis, id.vars = "sene") 

data_uzun veri seti artık variable ve value isimli iki değişkene sahip, variable değişkeni dört ülkeyi sırasıyla gösteriyor, value değişkeni ise bu ülkelerdeki GSYİH değerlerini veriyor.

ggplot(data_uzun,                           
       aes(x = sene,
           y = value,
           col = variable)) +
  geom_line()