火车站旅客背包统计
Zhuoyu Jiang
1/19/2023
1.数据处理
df<-function(file_path){
dir_way <- read.csv(file_path, header=F)
table = dir_way[!apply(dir_way == "", 1, all),]
table_1<-table[-1:-3,][,-1]
table_1$V2[table_1$V3==1]<-"女性"
table_1$V2[table_1$V2==1]<-"男性"
table_1$V5[table_1$V4==1]<-"0-18岁"
table_1$V5[table_1$V5==1]<-"18-45岁"
table_1$V5[table_1$V6==1]<-"45+岁"
table_1$V8[table_1$V7==1]<-"0"
table_1$V8[table_1$V8==1]<-"1"
table_1$V8[table_1$V9==1]<-"2"
table_1$V8[table_1$V10==1]<-"3"
table_1$V8[table_1$V11==1]<-"4"
dw<-table_1[c(1,4,7)]
dw[dw=='']<-NA
dw=na.omit(dw)
names(dw)[1]<-"性别"
names(dw)[2]<-"年龄"
names(dw)[3]<-"背包等级"
return (dw)
}library(readr)
ws <- df("~/Desktop/调查表.csv")
se <-head(df("~/Desktop/南站_进站.csv"),-1)
ss <-head(df("~/Desktop/南站_地铁.csv"),-1)
head(ws)## 性别 年龄 背包等级
## 4 女性 45+岁 1
## 5 女性 45+岁 3
## 6 女性 18-45岁 1
## 7 女性 18-45岁 1
## 8 男性 18-45岁 2
## 9 男性 18-45岁 1head(se)## 性别 年龄 背包等级
## 4 女性 18-45岁 1
## 5 男性 18-45岁 3
## 6 男性 18-45岁 1
## 7 女性 18-45岁 3
## 8 女性 18-45岁 3
## 9 男性 18-45岁 0head(ss)## 性别 年龄 背包等级
## 4 女性 18-45岁 4
## 5 女性 18-45岁 3
## 6 男性 18-45岁 3
## 7 女性 18-45岁 1
## 8 男性 18-45岁 3
## 9 女性 45+岁 1备注：背包等级
level1:无行李
level2:随身小包
level3:大挎包或双肩背包
level4:拉杆箱
level5:多于2件行李
2.数值统计
2.1单变量数值统计
西站地铁站单变量统计
attach(ws)
table_ws<-table(ws)
table_se<-table(se)
table_ss<-table(ss)
#df_ws<-data.frame(ws)
ws_values_1<-data.frame(margin.table(table_ws,1))
ws_values_1## 性别 Freq
## 1 女性 116
## 2 男性 177ws_values_2<-data.frame(margin.table(table_ws,2))
ws_values_2## 年龄 Freq
## 1 0-18岁 31
## 2 18-45岁 217
## 3 45+岁 45ws_values_3<-data.frame(margin.table(table_ws,3))
ws_values_3 ## 背包等级 Freq
## 1 0 74
## 2 1 88
## 3 2 61
## 4 3 57
## 5 4 13南站进站口单变量统计
se_values_1<-data.frame(margin.table(table_se,1))
se_values_1## 性别 Freq
## 1 女性 1025
## 2 男性 908se_values_2<-data.frame(margin.table(table_se,2))
se_values_2## 年龄 Freq
## 1 18-45岁 1856
## 2 45+岁 77se_values_3<-data.frame(margin.table(table_se,3))
se_values_3 ## 背包等级 Freq
## 1 0 147
## 2 1 133
## 3 2 613
## 4 3 892
## 5 4 148南站地铁站单变量统计
ss_values_1<-data.frame(margin.table(table_ss,1))
ss_values_1## 性别 Freq
## 1 女性 142
## 2 男性 135ss_values_2<-data.frame(margin.table(table_ss,2))
ss_values_2## 年龄 Freq
## 1 0-18岁 15
## 2 18-45岁 245
## 3 45+岁 17ss_values_3<-data.frame(margin.table(table_ss,3))
ss_values_3 ## 背包等级 Freq
## 1 0 27
## 2 1 54
## 3 2 74
## 4 3 103
## 5 4 19性别统计
value_1<-ws_values_1+se_values_1+ss_values_1
value_1['性别']=c('女性','男性')
value_1## 性别 Freq
## 1 女性 1283
## 2 男性 1220背包等级统计
value_3<-ws_values_3+se_values_3+ss_values_3
value_3['背包等级']=c(0,1,2,3,4)
value_3## 背包等级 Freq
## 1 0 248
## 2 1 275
## 3 2 748
## 4 3 1052
## 5 4 1802.2 交叉变量统计
西站地铁站交叉变量统计
new_ws_1<-xtabs(~性别+背包等级, data = ws)
ftable(new_ws_1)## 背包等级 0 1 2 3 4
## 性别
## 女性 21 51 16 20 8
## 男性 53 37 45 37 5new_ws_2<-xtabs(~年龄+背包等级, data = ws)
ftable(new_ws_2)## 背包等级 0 1 2 3 4
## 年龄
## 0-18岁 10 6 9 6 0
## 18-45岁 59 66 42 43 7
## 45+岁 5 16 10 8 6new_ws_3<-xtabs(~性别+年龄+背包等级, data = ws)
ftable(new_ws_3)## 背包等级 0 1 2 3 4
## 性别 年龄
## 女性 0-18岁 3 5 4 2 0
## 18-45岁 16 34 9 14 5
## 45+岁 2 12 3 4 3
## 男性 0-18岁 7 1 5 4 0
## 18-45岁 43 32 33 29 2
## 45+岁 3 4 7 4 3南站进站口交叉变量统计
new_se_1<-xtabs(~性别+背包等级, data = se)
ftable(new_se_1)## 背包等级 0 1 2 3 4
## 性别
## 女性 82 87 282 503 71
## 男性 65 46 331 389 77new_se_2<-xtabs(~年龄+背包等级, data = se)
ftable(new_se_2)## 背包等级 0 1 2 3 4
## 年龄
## 18-45岁 135 133 601 860 127
## 45+岁 12 0 12 32 21new_se_3<-xtabs(~性别+年龄+背包等级, data = se)
ftable(new_se_3)## 背包等级 0 1 2 3 4
## 性别 年龄
## 女性 18-45岁 82 87 270 491 59
## 45+岁 0 0 12 12 12
## 男性 18-45岁 53 46 331 369 68
## 45+岁 12 0 0 20 9南站地铁站交叉变量统计
new_ss_1<-xtabs(~性别+背包等级, data = ss)
ftable(new_ss_1)## 背包等级 0 1 2 3 4
## 性别
## 女性 14 42 30 50 6
## 男性 13 12 44 53 13new_ss_2<-xtabs(~年龄+背包等级, data = ss)
ftable(new_ss_2)## 背包等级 0 1 2 3 4
## 年龄
## 0-18岁 2 7 2 4 0
## 18-45岁 24 43 70 95 13
## 45+岁 1 4 2 4 6new_ss_3<-xtabs(~性别+年龄+背包等级, data = ss)
ftable(new_ss_3)## 背包等级 0 1 2 3 4
## 性别 年龄
## 女性 0-18岁 1 3 1 2 0
## 18-45岁 13 35 27 44 3
## 45+岁 0 4 2 4 3
## 男性 0-18岁 1 4 1 2 0
## 18-45岁 11 8 43 51 10
## 45+岁 1 0 0 0 3library(scales)
library(ggplot2)
plot_<-function(files, name){
ggplot(files,aes(x = as.numeric(files$背包等级)))+
geom_histogram(color="white",fill="cornflowerblue")+
facet_grid(files$性别~files$年龄)+
labs(title="背包等级的年龄和性别分布", x = "背包等级", subtitle = name)
}
plot_(ws, '西站地铁站内') 
plot_(se, '南站进站口')
3.绘图
3.1 西站地铁口
3.1.1频率分布
df_sex<-data.frame(round(prop.table(new_ws_1),2))
df_age<-data.frame(round(prop.table(new_ws_2),2))
p <- ggplot(data = df_sex, mapping = aes(
x = 背包等级, y=Freq, group=性别, color = 性别, fill = 性别))
p + geom_line()+geom_text(aes(label=Freq), vjust=-0.2)+
labs(title = "西站地铁站背包等级的频率分布（性别）", x="背包等级", y="频率")
p <- ggplot(data = df_age, mapping = aes(
x = 背包等级, y=Freq, group=年龄, color = 年龄, fill = 年龄))
p + geom_line()+geom_text(aes(label=Freq), vjust=-0.2)+
labs(title = "西站地铁站背包等级的频率分布（年龄）", x="背包等级", y="频率")
3.1.2人数分布
new_ws_1<-xtabs(~性别+背包等级, data = ws)
new_ws_1_df<-data.frame(ftable(new_ws_1))
new_ws_1_df['label_sum'] = c(65,25,65,25,50,25,48,24,8,2)
ggplot(new_ws_1_df,aes(x=背包等级, y=Freq, fill=性别))+geom_bar(stat='identity')+
geom_text(aes(x = 背包等级,y=label_sum, label =Freq , hjust = 'upper'))+labs(
title = "西站地铁站背包等级的人数分布（性别）",
x="背包等级",
y="人数"
)
new_ws_2<-xtabs(~年龄+背包等级, data = ws)
new_ws_2_df<-data.frame(ftable(new_ws_2))
new_ws_2_df['label_sum'] = c(70,30,1, 85,50,5,58,40,4,52,25,4,14,8,1)
ggplot(new_ws_2_df,aes(x=背包等级, y=Freq, fill=年龄))+geom_bar(stat='identity')+
geom_text(aes(x = 背包等级,y=label_sum, label =Freq , hjust = 'upper'))+labs(
title = "西站地铁站背包等级的人数分布（年龄）",
x="背包等级",
y="人数"
)
new_ws_3<-xtabs(~性别+年龄+背包等级, data = ws)
ftable(new_ss_3)## 背包等级 0 1 2 3 4
## 性别 年龄
## 女性 0-18岁 1 3 1 2 0
## 18-45岁 13 35 27 44 3
## 45+岁 0 4 2 4 3
## 男性 0-18岁 1 4 1 2 0
## 18-45岁 11 8 43 51 10
## 45+岁 1 0 0 0 3plot_(ws,"南站地铁内")
3.2 南站进站口
3.2.1频率分布
df_sex<-data.frame(round(prop.table(new_se_1),2))
df_age<-data.frame(round(prop.table(new_se_2),2))
p <- ggplot(data = df_sex, mapping = aes(
x = 背包等级, y=Freq, group=性别, color = 性别, fill = 性别))
p + geom_line()+geom_text(aes(label=Freq), vjust=-0.2)+
labs(title = "南站进站口背包等级的频率分布（性别）", x="背包等级", y="频率")
p <- ggplot(data = df_age, mapping = aes(
x = 背包等级, y=Freq, group=年龄, color = 年龄, fill = 年龄))
p + geom_line()+geom_text(aes(label=Freq), vjust=-0.2)+
labs(title = "南站进站口背包等级的频率分布（年龄）", x="背包等级", y="频率")
3.2.2人数分布
new_se_1<-xtabs(~性别+背包等级, data = se)
new_se_1_df<-data.frame(ftable(new_se_1))
new_se_1_df['label_sum'] = c(100,20,100,20,400,200,500,200,100,40)
ggplot(new_se_1_df,aes(x=背包等级, y=Freq, fill=性别))+geom_bar(stat='identity')+
geom_text(aes(x = 背包等级,y=label_sum, label =Freq , hjust = 'upper'))+labs(
title = "南站进站口背包等级的人数分布（性别）",
x="背包等级",
y="人数"
)
new_se_2<-xtabs(~年龄+背包等级, data = se)
new_se_2_df<-data.frame(ftable(new_se_2))
new_se_2_df['label_sum'] = c(100,3,100, 5,500,70,700,10,70,10)
ggplot(new_se_2_df,aes(x=背包等级, y=Freq, fill=年龄))+geom_bar(stat='identity')+
geom_text(aes(x = 背包等级,y=label_sum, label =Freq , hjust = 'upper'))+labs(
title = "南站进站口背包等级的人数分布（年龄）",
x="背包等级",
y="人数"
)
new_se_3<-xtabs(~性别+年龄+背包等级, data = se)
ftable(new_se_3)## 背包等级 0 1 2 3 4
## 性别 年龄
## 女性 18-45岁 82 87 270 491 59
## 45+岁 0 0 12 12 12
## 男性 18-45岁 53 46 331 369 68
## 45+岁 12 0 0 20 9plot_(se,"南站地铁内")
3.3 南站地铁内
3.3.1频率分布
df_sex<-data.frame(round(prop.table(new_ss_1),2))
df_age<-data.frame(round(prop.table(new_ss_2),2))
p <- ggplot(data = df_sex, mapping = aes(
x = 背包等级, y=Freq, group=性别, color = 性别, fill = 性别))
p + geom_line()+geom_text(aes(label=Freq), vjust=-0.2)+
labs(title = "南站地铁站背包等级的频率分布（性别）", x="背包等级", y="频率")
p <- ggplot(data = df_age, mapping = aes(
x = 背包等级, y=Freq, group=年龄, color = 年龄, fill = 年龄))
p + geom_line()+geom_text(aes(label=Freq), vjust=-0.2)+
labs(title = "南站地铁站背包等级的频率分布（年龄）", x="背包等级", y="频率")
3.3.2人数分布
new_ss_1<-xtabs(~性别+背包等级, data = ss)
new_ss_1_df<-data.frame(ftable(new_ss_1))
new_ss_1_df['label_sum'] = c(24,10,39,9,65,41,85,50,15,10)
ggplot(new_ss_1_df,aes(x=背包等级, y=Freq, fill=性别))+geom_bar(stat='identity')+
geom_text(aes(x = 背包等级,y=label_sum, label =Freq , hjust = 'upper'))+labs(
title = "南站地铁站背包等级的人数分布（性别）",
x="背包等级",
y="人数"
)
new_ss_2<-xtabs(~年龄+背包等级, data = ss)
new_ss_2_df<-data.frame(ftable(new_ss_2))
new_ss_2_df['label_sum'] = c(27,18,1, 52,30,2,72,40,2,102,60,2,18,10,2)
ggplot(new_ss_2_df,aes(x=背包等级, y=Freq, fill=年龄))+geom_bar(stat='identity')+
geom_text(aes(x = 背包等级,y=label_sum, label =Freq , hjust = 'upper'))+labs(
title = "南站地铁站背包等级的人数分布（年龄）",
x="背包等级",
y="人数"
)
new_ss_3<-xtabs(~性别+年龄+背包等级, data = ss)
ftable(new_ss_3)## 背包等级 0 1 2 3 4
## 性别 年龄
## 女性 0-18岁 1 3 1 2 0
## 18-45岁 13 35 27 44 3
## 45+岁 0 4 2 4 3
## 男性 0-18岁 1 4 1 2 0
## 18-45岁 11 8 43 51 10
## 45+岁 1 0 0 0 3plot_(ss,"南站地铁内")
4.数据检验：卡方检验
4.1 西站地铁站
# 检验：性别与背包等级的相关性
summary(new_ws_1)## Call: xtabs(formula = ~性别 + 背包等级, data = ws)
## Number of cases in table: 293
## Number of factors: 2
## Test for independence of all factors:
## Chisq = 23.953, df = 4, p-value = 8.163e-05# 检验：年龄与背包等级的相关性
summary(new_ws_2)## Call: xtabs(formula = ~年龄 + 背包等级, data = ws)
## Number of cases in table: 293
## Number of factors: 2
## Test for independence of all factors:
## Chisq = 17.602, df = 8, p-value = 0.02441
## Chi-squared approximation may be incorrect# 检验：背包等级与年龄和性别的相关性
summary(new_ws_3)## Call: xtabs(formula = ~性别 + 年龄 + 背包等级, data = ws)
## Number of cases in table: 293
## Number of factors: 3
## Test for independence of all factors:
## Chisq = 49.45, df = 22, p-value = 0.0006955
## Chi-squared approximation may be incorrect4.2 南站地铁站
# 检验：性别与背包等级的相关性
summary(new_ss_1)## Call: xtabs(formula = ~性别 + 背包等级, data = ss)
## Number of cases in table: 277
## Number of factors: 2
## Test for independence of all factors:
## Chisq = 21.856, df = 4, p-value = 0.0002141# 检验：年龄与背包等级的相关性
summary(new_ss_2)## Call: xtabs(formula = ~年龄 + 背包等级, data = ss)
## Number of cases in table: 277
## Number of factors: 2
## Test for independence of all factors:
## Chisq = 32.9, df = 8, p-value = 6.431e-05
## Chi-squared approximation may be incorrect# 检验：背包等级与年龄和性别的相关性
summary(new_ss_3)## Call: xtabs(formula = ~性别 + 年龄 + 背包等级, data = ss)
## Number of cases in table: 277
## Number of factors: 3
## Test for independence of all factors:
## Chisq = 65.01, df = 22, p-value = 3.94e-06
## Chi-squared approximation may be incorrect4.3 南站进站口
# 检验：性别与背包等级的相关性
summary(new_se_1)## Call: xtabs(formula = ~性别 + 背包等级, data = se)
## Number of cases in table: 1933
## Number of factors: 2
## Test for independence of all factors:
## Chisq = 26.349, df = 4, p-value = 2.69e-05# 检验：年龄与背包等级的相关性
summary(new_se_2)## Call: xtabs(formula = ~年龄 + 背包等级, data = se)
## Number of cases in table: 1933
## Number of factors: 2
## Test for independence of all factors:
## Chisq = 59.48, df = 4, p-value = 3.731e-12# 检验：背包等级与年龄和性别的相关性
summary(new_se_3)## Call: xtabs(formula = ~性别 + 年龄 + 背包等级, data = se)
## Number of cases in table: 1933
## Number of factors: 3
## Test for independence of all factors:
## Chisq = 131.25, df = 13, p-value = 1.179e-21
## Chi-squared approximation may be incorrect4.4 结论
结论：同一性别或/和同一年龄内部背包等级都存在明显差异，但西站地铁站同一性别内部的背包 数量差异最明显，建议优先使用性别分析；南站进站口和南站地铁站建议优先使用年龄分析。
应用：男性主要无行李，携带大挎包或双肩背包；女性主要携带随身小包。 青少年主要无行李或携带双肩包，青年主要携带随身小包，老年人主要携带随身小包。 南站进站口和南站地铁站直接看18-45岁人数分布图即可。