欢迎关注天善智能,我们是专注于商业智能BI,人工智能AI,大数据分析与挖掘领域的垂直社区,学习,问答、求职一站式搞定!
本文作者:天善智能讲师邬书豪 。一入数据之门,当须精益求精。他日纵横捭阖,根据即在年轻!
天善智能社区地址:https://www.hellobi.com/
附视频链接:天善智能Kaggle十大案例精讲(连载中)提供案例代码和数据,可以实操。欢迎学习!(数据集和代码在链接公告处提供下载)
2017年8月26日,全球最大的数据科学社群Kaggle发布了数据科学/机器学习业界现状全行业调查的数据集。调查问卷数据从2017年8月7日~8月25日收集。受访者囊括了来自50多个国家的16,716+位从业者,根据kaggle的调查问卷数据集,我们挖掘一些有营养的信息。
################# =========== 导入数据+简单清洗 ============== #################
library(data.table)# fread()
library(dplyr)# group_by() / %>% / summaries()
library(ggplot2)# ggplot()
responses = fread("D:/R/天善智能/书豪十大案例/数据科学调查\\multipleChoiceResponses.csv")
## 把Country列中的表示中国的特征值改为中国
responses$Country <- ifelse(responses$Country =="Republic of China"|
responses$Country =="People 's Republic of China",
"China", responses$Country)
################# =========== 国家+年龄统计 ================ ##################
## 探索数据科学从业者的年龄中位数最大的十个国家
# 创建绘图所需的数据源(按照Country进行统计Age的中位数,并且按照Age进行降序排列)
df_country_age <- responses %>%
group_by(Country) %>%# 按照Country进行统计
summarise(AgeMedian = median(Age, na.rm = T)) %>%# 统计Age的中位数
arrange(desc(AgeMedian))# 按照Age进行降序排列
# reorder(Country, AgeMedian)--按照AgeMedian的升序排列其对应的Country
# head(df_country, 10)--选取数据源的前10行
# x参数中传入图中的x轴所需数据,y参数同理
# geom_bar()--绘制条形图的子函数
# fill = Country--按照Country填充条形图颜色
# stat(统计转换)参数设置为'identity',即对原始数据集不作任何统计变换
# geom_text()--添加文本注释的子函数
# label = AgeMedian--添加AgeMedian中的内容
# hjust--控制横向对齐(0:底部对齐, 0.5:居中, 1:顶部对齐)
# colour--控制注释颜色
# theme_minimal()--是ggplot的一种主背景主题
ggplot(head(df_country_age,10), aes(x = reorder(Country, AgeMedian), y = AgeMedian)) +
geom_bar(aes(fill = Country),stat='identity') +
labs(x ='Country', y ='AgeMedian') +
geom_text(aes(label = AgeMedian), hjust =1.5, colour ='white') +
coord_flip() +
theme_minimal() +
theme(legend.position ='none')# 移除图例
# 封装绘图函数
fun1 <-function(data, xlab, ylab, xname, yname) {
ggplot(data, aes(xlab, ylab)) +
geom_bar(aes(fill = xlab),stat='identity') +
labs(x = xname, y = yname) +
geom_text(aes(label = ylab), hjust =1.5, colour ='white') +
coord_flip() +
theme_minimal() +
theme(legend.position ='none')
}
data <- head(df_country_age,10)
xname <-'Country'
yname <-'AgeMedian'
fun1(data, reorder(data$Country, data$AgeMedian), data$AgeMedian, xname, yname)
## 探索数据科学从业者的年龄中位数最小的十个国家