20180402-A · US Tuition Costs · ggplot2, 折线图 · R 语言数据可视化 案例 源码

已于 2022-10-16 13:01:21 修改
阅读量179 收藏 1
点赞数
分类专栏： # Tidy Tuesday (2018) 文章标签： r语言
于 2022-10-08 14:29:21 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Albert_XN/article/details/127207965
版权

所有作品合集传送门： Tidy Tuesday

2018 年合集传送门： 2018

US Tuition Costs

Average Tuition and Educational Attainment in the United States。


Tidy Tuesday 在 GitHub 上的传送地址：
Thomas Mock (2022). Tidy Tuesday: A weekly data project aimed at the R ecosystem. https://github.com/rfordatascience/tidytuesday


在这里插入图片描述



1. 一些环境设置

# 设置为国内镜像, 方便快速安装模块
options("repos" = c(CRAN = "https://mirrors.tuna.tsinghua.edu.cn/CRAN/"))

2. 设置工作路径

wkdir <- '/home/user/R_workdir/TidyTuesday/2018/2018-04-02_US_Tuition_Costs/src-a'
setwd(wkdir)

3. 加载 R 包

library(scales)
library(tidyverse)
library(extrafont)
library(gghighlight)
library(showtext)

# 在 Ubuntu 系统上测试的, 不加这个我画出来的汉字会乱码 ~
showtext_auto()

4. 加载数据

df_input <- readxl::read_excel("../data/us_avg_tuition.xlsx")

# 简要查看数据内容
glimpse(df_input)

## Rows: 50
## Columns: 13
## $ State     <chr> "Alabama", "Alaska", "Arizona", "Arkansas", "California", "C…
## $ `2004-05` <dbl> 5682.838, 4328.281, 5138.495, 5772.302, 5285.921, 4703.777, …
## $ `2005-06` <dbl> 5840.550, 4632.623, 5415.516, 6082.379, 5527.881, 5406.967, …
## $ `2006-07` <dbl> 5753.496, 4918.501, 5481.419, 6231.977, 5334.826, 5596.348, …
## $ `2007-08` <dbl> 6008.169, 5069.822, 5681.638, 6414.900, 5672.472, 6227.002, …
## $ `2008-09` <dbl> 6475.092, 5075.482, 6058.464, 6416.503, 5897.888, 6284.137, …
## $ `2009-10` <dbl> 7188.954, 5454.607, 7263.204, 6627.092, 7258.771, 6948.473, …
## $ `2010-11` <dbl> 8071.134, 5759.153, 8839.605, 6900.912, 8193.739, 7748.201, …
## $ `2011-12` <dbl> 8451.902, 5762.421, 9966.716, 7028.991, 9436.426, 8315.632, …
## $ `2012-13` <dbl> 9098.069, 6026.143, 10133.503, 7286.580, 9360.574, 8792.856,…
## $ `2013-14` <dbl> 9358.929, 6012.445, 10296.200, 7408.495, 9274.193, 9292.954,…
## $ `2014-15` <dbl> 9496.084, 6148.808, 10413.844, 7606.410, 9186.824, 9298.599,…
## $ `2015-16` <dbl> 9751.101, 6571.340, 10646.278, 7867.297, 9269.844, 9748.188,…

# 检查数据的列名
colnames(df_input)

##  [1] "State"   "2004-05" "2005-06" "2006-07" "2007-08" "2008-09" "2009-10"
##  [8] "2010-11" "2011-12" "2012-13" "2013-14" "2014-15" "2015-16"

5. 数据预处理

5.1 调整列名

# 将列名简化, 方便绘图展示
tuition <- df_input %>%
  dplyr::rename(
    "state" = "State",
    "2004" = "2004-05",
    "2005" = "2005-06",
    "2006" = "2006-07",
    "2007" = "2007-08",
    "2008" = "2008-09",
    "2009" = "2009-10",
    "2010" = "2010-11",
    "2011" = "2011-12",
    "2012" = "2012-13",
    "2013" = "2013-14",
    "2014" = "2014-15",
    "2015" = "2015-16")

5.2. 数据倒置

# 从宽数据透视到长数据转换
tuition <- pivot_longer(tuition, 
                        cols = "2004":"2015",
                        names_to = "year",
                        values_to = "cost")

5.3. 分组计算历年变化及百分比

df_plot <- tuition %>%
  group_by(state) %>%
  arrange(year) %>%
  # 建议使用 dplyr::mutate 形式调用函数, 不然容易与 plyr 中的函数冲突 (因为我自己就报错了...)
  dplyr::mutate(change = (dplyr::last(cost) - dplyr::first(cost)),
         change_perc = change/dplyr::first(cost)*100) %>%
  ungroup()

6. 利用 ggplot2 绘图

# PS: 方便讲解, 我这里进行了拆解, 具体使用时可以组合在一起
gg <- ggplot(df_plot, aes(x = as.numeric(year), y = cost, color = state))
gg <- gg + geom_line(size = 2)
gg <- gg + geom_point(size = 4)
gg <- gg + scale_colour_viridis_d()
# gghighlight 根据条件高亮其中符合条件的线图
gg <- gg + gghighlight(change_perc > 100, use_group_by = FALSE, unhighlighted_params = list(color = "grey", size = .5))
gg <- gg + scale_x_continuous(breaks = seq(2004, 2015, 1))
# 利用 scales::dollar_format() 函数展示美元符号
gg <- gg + scale_y_continuous(labels = scales::dollar_format())
gg <- gg + labs(title = "美国各个州的大学学费变化",
                subtitle = "2004年至2015年，三个州的学费增长超过100%",
                x = NULL,
                y = NULL)
# theme_minimal() 去坐标轴边框的最小化主题
gg <- gg + theme_minimal()
# theme() 实现对非数据元素的调整, 对结果进行进一步渲染, 使之更加美观
gg <- gg + theme(
  # panel.grid.major 主网格线, 这一步表示删除主要网格线
  panel.grid.major = element_blank(),
  # panel.grid.minor 次网格线, 这一步表示删除次要网格线
  panel.grid.minor = element_blank(),
  # axis.text 坐标轴刻度文本
  axis.text = element_text(color = "black", size = 12),
  # axis.title 坐标轴标题
  axis.title = element_text(color = "black", size = 10),
  # plot.title 主标题
  plot.title = element_text(color = "black", size = 20, face = "bold"),
  # plot.subtitle 次要标题
  plot.subtitle = element_text(color = "red", size = 12),
  # plot.background 图片背景
  plot.background = element_rect(fill = "white"))

7. 保存图片到 PDF 和 PNG

gg

在这里插入图片描述

albert = '20180402-A-01'
ggsave(filename = paste0(albert, ".pdf"), width = 8.6, height = 5, device = cairo_pdf)
ggsave(filename = paste0(albert, ".png"), width = 8.6, height = 5, dpi = 100, device = "png")

8. session-info

sessionInfo()

## R version 4.2.1 (2022-06-23)
## Platform: x86_64-pc-linux-gnu (64-bit)
## Running under: Ubuntu 20.04.4 LTS
## 
## Matrix products: default
## BLAS:   /usr/lib/x86_64-linux-gnu/openblas-pthread/libblas.so.3
## LAPACK: /usr/lib/x86_64-linux-gnu/openblas-pthread/liblapack.so.3
## 
## locale:
##  [1] LC_CTYPE=en_US.UTF-8       LC_NUMERIC=C              
##  [3] LC_TIME=en_US.UTF-8        LC_COLLATE=en_US.UTF-8    
##  [5] LC_MONETARY=en_US.UTF-8    LC_MESSAGES=en_US.UTF-8   
##  [7] LC_PAPER=en_US.UTF-8       LC_NAME=C                 
##  [9] LC_ADDRESS=C               LC_TELEPHONE=C            
## [11] LC_MEASUREMENT=en_US.UTF-8 LC_IDENTIFICATION=C       
## 
## attached base packages:
## [1] stats     graphics  grDevices utils     datasets  methods   base     
## 
## other attached packages:
##  [1] showtext_0.9-5    showtextdb_3.0    sysfonts_0.8.8    gghighlight_0.3.3
##  [5] extrafont_0.18    forcats_0.5.2     stringr_1.4.1     dplyr_1.0.10     
##  [9] purrr_0.3.4       readr_2.1.2       tidyr_1.2.1       tibble_3.1.8     
## [13] ggplot2_3.3.6     tidyverse_1.3.2   scales_1.2.1     
## 
## loaded via a namespace (and not attached):
##  [1] httr_1.4.4          sass_0.4.2          jsonlite_1.8.0     
##  [4] viridisLite_0.4.1   modelr_0.1.9        bslib_0.4.0        
##  [7] assertthat_0.2.1    highr_0.9           googlesheets4_1.0.1
## [10] cellranger_1.1.0    yaml_2.3.5          ggrepel_0.9.1      
## [13] Rttf2pt1_1.3.10     pillar_1.8.1        backports_1.4.1    
## [16] glue_1.6.2          extrafontdb_1.0     digest_0.6.29      
## [19] rvest_1.0.3         colorspace_2.0-3    htmltools_0.5.3    
## [22] pkgconfig_2.0.3     broom_1.0.1         haven_2.5.1        
## [25] tzdb_0.3.0          googledrive_2.0.0   generics_0.1.3     
## [28] farver_2.1.1        ellipsis_0.3.2      cachem_1.0.6       
## [31] withr_2.5.0         cli_3.3.0           magrittr_2.0.3     
## [34] crayon_1.5.1        readxl_1.4.1        evaluate_0.16      
## [37] fs_1.5.2            fansi_1.0.3         xml2_1.3.3         
## [40] textshaping_0.3.6   tools_4.2.1         hms_1.1.2          
## [43] gargle_1.2.1        lifecycle_1.0.1     munsell_0.5.0      
## [46] reprex_2.0.2        compiler_4.2.1      jquerylib_0.1.4    
## [49] systemfonts_1.0.4   rlang_1.0.5         grid_4.2.1         
## [52] rstudioapi_0.14     labeling_0.4.2      rmarkdown_2.16     
## [55] gtable_0.3.1        DBI_1.1.3           R6_2.5.1           
## [58] lubridate_1.8.0     knitr_1.40          fastmap_1.1.0      
## [61] utf8_1.2.2          ragg_1.2.3          stringi_1.7.8      
## [64] Rcpp_1.0.9          vctrs_0.4.1         dbplyr_2.2.1       
## [67] tidyselect_1.1.2    xfun_0.32

测试数据

配套数据下载：us_avg_tuition.xlsx

数绘小站
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
20180402-C · US Tuition Costs · ggplot2, 地图 热力图 · R 语言数据可视化 案例 源码
萤火之森
10-08 160
Tidy Tuesday 2018-04-02 的周数据可视化示例：US Tuition Costs，主要利用了 ggplot2 包对数据进行可视化展示。
20180402-E · US Tuition Costs · ggplot2, 地图 热力图 gganimate 动图 · R 语言数据可视化 案例 源码
萤火之森
10-11 280
Tidy Tuesday 2018-04-02 的周数据可视化示例：US Tuition Costs，主要利用了 ggplot2 和 gganimate 包对数据进行可视化展示。
20180402-B · US Tuition Costs · ggplot2, 条线图 柱状图 · R 语言数据可视化 案例 源码
萤火之森
10-08 108
Tidy Tuesday 2018-04-02 的周数据可视化示例：US Tuition Costs，主要利用了 ggplot2 包对数据进行可视化展示。
20180402-D · US Tuition Costs · ggplot2 geofacet 按地理位置分面的数据可视化 · R 语言数据可视化 案例 源码
萤火之森
10-11 419
Tidy Tuesday 2018-04-02 的周数据可视化示例：US Tuition Costs，主要利用了 ggplot2 和 geofacet 包对数据进行可视化展示。
20180402-F · US Tuition Costs · pheatmap 绘制热图 · R 语言数据可视化 案例 源码
萤火之森
10-11 147
Tidy Tuesday 2018-04-02 的周数据可视化示例：US Tuition Costs，主要利用了 pheatmap 包对数据进行可视化展示。
R语言数据可视化——图形色彩设计（调色盘）
qq_43626562的博客
08-27 8859
主题颜色代码包 在这里，介绍4个常用的调色包：RColorBrewer、ggthmr、ggsci、ggthemes，这些包有一些已经生成好的色条或者主题供我们选择使用。 首先，加载好我们需要用到的R包和数据 ： library(RColorBrewer) library(scales) library(readxl) library(ggplot2) library(ggthemes) library(ggsci) library(ggtech) library(dplyr) library(viridi
R语言应用简介
qq_43596960的博客
12-03 2590
R软件的安装使用 8.1 R安装 windows和linux系统上安装 R软件下载地址: http://r-project.org 清华大学开源镜像: https://mirrors.tuna.tsinghua.edu.cn/CRAN/ 下载安装 在控制台（窗口界面）输入 x<-c(12,58,24,78,66,25,38,45) #产生一列数据，放入x变量 print("x=");x print("mean=");mean(x) print("2+2=");2+2 #计算2+
Python数据分析及可视化—亚太地区25所商学院
weixin_44189446的博客
07-27 639
《商务与经济统计》案例3-3 亚太地区的商学院 源数据 第一题：计算数据集的描述统计量 import pandas as pandas //pandas 读取数据 data = pandas.read_excel('/Users/python/源数据/亚太地区25所商学院.xlsx') //describe可以描述数据的一些描述性统计信息 data.describe() describe的结果 mean：平均数 std：标准差 后面的就是最小值，百分位到最大值了 录取名额： 25所商学院平均录取名额
INVE3001 Portfolio Management Trimester 2A 2024R
yyddcc33的博客
07-24 585
ORORORORANDORORORORandand。
Pete-Mortimer---Guitar-Tuition
03-16
皮特·莫蒂默（Pete-Mortimer）-吉他课程
College tuition, diversity, and pay 大学学费、多样性和薪酬-数据集
03-12
使用此数据集，可以按地理区域，学位类型和/或薪金自行研究美国大学学费。 diversity_school.csv historical_tuition.csv salary_potential.csv tuition_cost.csv tuition_income.csv
live-tuition-centre
05-15
自动格式化代码 更改页面<title> 安装依赖项 导入组件 代码分割 添加样式表 后处理CSS 添加CSS预处理器（Sass，Less等） 添加图像，字体和文件 使用public文件夹 更改HTML 在模块系统之外添加资产 何时...
Tuition-point-application-with-laravel
04-04
关于Laravel Laravel是一个具有表达力，优雅语法的Web应用程序框架。 我们认为，发展必须是一种令人愉悦的创造力，才能真正实现。 Laravel减轻了许多Web项目中使用的常见任务，从而减轻了开发过程中的痛苦，例如： ...
Tuition-Manager-GUI：具有GUI和异常处理的Project 3 Tuition Manager
02-22
为了持久化数据，Tuition-Manager-GUI可能与数据库进行了集成。Java提供了JDBC（Java Database Connectivity）API，可以连接到各种类型的数据库，如MySQL、SQLite等。开发者可能通过创建PreparedStatement和...
【Python】requests的response.text 和 urllib.request 的 response.read()的区别
Meggie35的博客
08-07 515
两种获取网络响应方式的不同
MATLAB算法实战应用案例精讲-【数模应用】均值z 检验（附R语言、python和MATLAB代码实现）
qq_36130719的博客
08-09 100
Z检验（Z Test）又叫U检验。由于实际问题中大多数随机变量服从或近似服从正态分布，U作为检验统计量与X的均值是等价的，且计算U的分位数或查相应的分布表比较方便。通过比较由样本观测值得到的U的观测值，可以判断数学期望的显著性，我们把这种利用服从标准正态分布统计量的检验方法称为U检验（U-test）。z检验是指一种常用的统计学方法，用于检验样本均值与总体均值之间是否存在显著差异。z检验适用于样本数据服从正态分布的情况下，通过计算z值来判断样本均值是否显著偏离总体均值。
科研绘图系列：R语言圆形条形图（circular barplot）
H20230717的博客
08-07 154
科研绘图系列：R语言圆形条形图（circular barplot）
Pinterest：从 Druid 到 StarRocks，实现 6 倍成本效益比提升
最新发布
StarRocks的博客
08-09 620
Pinterest 是一个视觉发现平台，用户可以在上面找到食谱、家居和风格灵感等创意。该平台拥有超过5亿月活跃用户，为广告商提供了重要的广告机会。广告商可以利用数据来分析用户行为，以取得更优的广告表现。Partner Insights 是 Pinterest 提供给广告商的工具，允许他们通过定制的仪表板获取实时洞察。这些洞察帮助广告商了解广告策略的效果，并进行数据驱动的调整，提高广告投资回报率。
write an IELTS sample article on the topic of university tuition fees with advanced vocabulary and phrases
04-13
Good day! The cost of university tuition fees has been a topic of concern among students and parents alike. Some argue that the fees are too high, limiting access to higher education, while others believe that the cost is justified by the quality of education and facilities provided. In this article, we will examine the different perspectives surrounding university tuition fees and explore the impact they have on students. Firstly, it is important to acknowledge that higher education is a valuable investment. Research has shown that individuals with a university degree earn significantly more over their lifetime compared to those without. This is because university education equips students with new skills, knowledge and networks, enhancing their employability and career prospects. However, the rising cost of tuition fees is making it increasingly difficult for students from lower-income families to pursue a degree. This is because tuition fees may not only be a financial burden but can also discourage students psychologically and create extra stress. Furthermore, many students are forced to accumulate significant debt in order to pay for their education. This debt can leave them struggling financially for years after graduation, burdening them with the responsibility to pay back the borrowed amount. In some cases, students are forced to delay important milestones, such as buying a house or starting a family, due to this financial burden. In addition to the financial impact, the high cost of tuition fees can also have a psychological impact on students. It can create a sense of pressure to succeed academically in order to justify the cost of their education, potentially leading to burnout, stress and anxiety. It can also lead to a sense of resentment towards the university and the feeling that students are being taken advantage of. In conclusion, university tuition fees are a complicated issue with both positive and negative effects. While it is important to acknowledge the value of higher education, we must also address the rising cost of tuition fees and the impact it has on students. Whether it is by increasing government funding for education, providing more scholarships, or reducing operational costs, solutions must be found to ensure that access to higher education is available to all, regardless of their financial background. I hope this article was informative and useful to you. Good luck with your studies!
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值