R语言数据探索和分析3-省份产业数据可视化及分析

statistican_ABin

已于 2024-06-01 21:22:03 修改

阅读量1.3k

点赞数 20

分类专栏： R语言数据分析案例文章标签：数据分析数据挖掘信息可视化 r语言

于 2024-01-19 16:41:04 首次发布

本文链接：https://blog.csdn.net/m0_62638421/article/details/135701389

版权

R语言数据分析案例专栏收录该内容

43 篇文章 5 订阅

订阅专栏

一、背景介绍

在当今数据驱动的时代，深入理解和分析经济指标对于制定有效的商业策略和政策决策至关重要。本次分析的目的是探索中国各省份的第一产业、第二产业以及住宿和餐饮业增加值数据，以期揭示不同地区经济活动的特点和趋势。通过使用R语言，一种在统计分析和图形表示中广泛应用的强大工具，我们能够从多个维度深入挖掘和展现这些关键经济部门的动态。

二、数据来源

数据来源为第一产业、第二产业省年度数据和住宿和餐饮业增加值(亿元)分省年度数据。

三、可视化具体步骤及其分析

首先读取数据：

数据加代码

数据代码加分析报告

# 读取数据
data <- read.csv('第一产业分省年度数据.csv', fileEncoding = 'GB2312')
data
# 将列名中的中文替换为英文
colnames(data)[1] <- "Province"
colnames(data)[-1] <- paste0("Year_", 2022:2003)

# 数据整理，将数据转换为长格式
long_data <- gather(data, year, value, -Province)
# 处理年份，从字符转换为数值
long_data$year <- as.numeric(sub("Year_", "", long_data$year))
# 选择一组鲜艳的颜色
color_palette <- rainbow(n = length(unique(long_data$Province)))

# 1. 折线图：展示某个省份（例如河北省）的第一产业年度变化
hebei_data <- filter(long_data, Province == "河北省")
ggplot(hebei_data, aes(x = year, y = value, group = 1)) +
  geom_line(color = "blue") +
  ggtitle("河北省第一产业年度变化") +
  xlab("年份") + ylab("第一产业（亿元）") +
  theme(plot.title = element_text(hjust = 0.5)) # 添加这行代码来居中标题

展示了河北省第一产业年度变化的趋势。从图中可以看出：

时间跨度：横轴代表年份，从大约2000年左右开始，一直延续到近2020年后的某一时间点。

增加值变化：纵轴显示了第一产业的增加值（以亿元为单位）。这个指标反映了河北省第一产业在经济上创造的价值。

趋势分析：整体上，河北省的第一产业增加值呈现出上升趋势。这意味着在这个时间段内，河北省的农业和相关行业可能经历了增长，产出价值提高。

波动情况：尽管总体趋势是上升的，但在某些年份，增加值出现了波动。特别是在2010年左右，曲线有一个明显的下降，之后又开始上升。这可能与市场条件、气候变化、政策变动或其他宏观经济因素有关。

增长速度：在2000年初至2010年之间，增长相对平缓。从2010年之后，增长速度加快，尤其在最近几年，增加值的上升趋势更为显著。

# 2. 条形图：比较各省份在2022年的第一产业数据
data_2022 <- filter(long_data, year == 2022)
ggplot(data_2022, aes(x = reorder(Province, value), y = value, fill = Province)) +
  geom_bar(stat = "identity") +
  scale_fill_manual(values = color_palette) +
  coord_flip() +
  ggtitle("2022年各省份第一产业数据比较") +
  xlab("省份") + ylab("第一产业（亿元）")

在这张条形图中，我们可以看到各省份在2022年的第一产业增加值。具体针对某些显著的省份进行简要分析：

领先省份：图中顶端的条形，比如颜色最深的条形，可能代表如山东或河南等农业大省，它们的第一产业增加值远超其他省份。这可能是由于这些省份拥有广阔的农业耕地，气候条件适宜多种作物生长，且农业技术和基础设施较为发达。....

# 3. 散点图：探索各省份在2003年和2022年的第一产业数据变化
data_2003_2022 <- filter(long_data, year %in% c(2003, 2022))
data_spread <- spread(data_2003_2022, year, value)
ggplot(data_spread, aes(x = `2003`, y = `2022`, label = Province, color = Province)) +
  geom_point() +
  geom_text(vjust = 1.5, hjust = 0.5) +
  scale_color_manual(values = color_palette) +
  ggtitle("2003年至2022年各省份第一产业数据变化") +
  xlab("2003年第一产业（亿元）") + ylab("2022年第一产业（亿元）")

在这张图中，我们可以看到各个省份在2003年与2022年的第一产业增加值的具体变化

江苏省：在2003年已有较高的第一产业增加值，到2022年进一步显著提升，位于散点图的中上部。这表明江苏省的第一产业发展迅速，可能得益于有效的农业政策和技术创新。

广东省：从一个较低的起点显著增长到2022年的高点，这可能反映了广东省在这期间经济的快速发展，尤其是第一产业的现代化和产值提升。

# 4 堆叠条形图
library(dplyr)
library(tidyr)
library(viridis)  # 用于更丰富的颜色选项
ggplot(long_data, aes(x = Province, y = value, fill = factor(year))) +
  geom_bar(stat = "identity", position = "stack") +
  coord_flip() +
  scale_fill_viridis(discrete = TRUE) +
  ggtitle("各省份第一产业年度总量堆叠条形图") +
  xlab("省份") + ylab("第一产业（亿元）")

在这个堆叠条形图中，各个条形的长度表示各省在不同年份的第一产业增加值，不同颜色表示不同的年份。条形的长度和颜色的堆叠展示了从2003年至2022年的累计增加值。

在这张箱线图中，我们可以看到中国各省份第一产业增加值的分布情况。每个箱线图代表一个省份，箱体显示了第一产业增加值的中位数和四分位范围，而须部分则表示了整个数据范围，包括可能的异常值。

为了具体分析，让我们选取几个省份作为例子：

山东省（绿色箱体）：作为图中最长的箱体之一，山东省的第一产业增加值范围非常广泛，中位数相对较高。这表明山东省第一产业有较强的经济输出，且存在一定程度的差异，可能由于不同地区的经济发展水平或农业类型多样性造成。

新疆维吾尔自治区（浅蓝色箱体）：箱体和须较长，显示第一产业增加值的分布跨度广，同时中位数也较高。这可能反映了新疆在农业方面的广泛投资和多样化的农业生产。

# 绘制热图
ggplot(melt(long_data_wide, id.vars = 'Province'), aes(x = Province, y = variable)) +
  geom_tile(aes(fill = value)) +
  scale_fill_viridis() +
  ggtitle("各省份第一产业年度数据热图") +
  xlab("省份") + ylab("年份")

接下来分析第二产业的数据：

数据读取和处理如下：

##第二产业
# 读取数据
library(plotly)  # 用于雷达图
data <- read.csv('第二产业增值分省年度数据.csv', fileEncoding = 'GB2312')

# 将列名中的中文替换为英文
colnames(data)[1] <- "Province"
colnames(data)[-1] <- paste0("Year_", 2022:2003)

# 数据整理，将数据转换为长格式
long_data <- gather(data, year, value, -Province)

# 处理年份，从字符转换为数值
long_data$year <- as.numeric(sub("Year_", "", long_data$year))

# 1. 簇状条形图

2.堆叠面积图

3.树形图

住宿和餐饮数据：

1.面积图

这意味着图表展示的是从2000年到2020年左右北京市住宿和餐饮业增加值的变化情况。从图表中可以观察到以下几点趋势：

从2000年到大约2016年，北京市住宿和餐饮业的增加值整体呈现上升趋势。在2016年左右，达到一个峰值，此后出现了下降。在2020年前后，数据显示有较大幅度的下降，这可能与COVID-19疫情相关，因为疫情对全球餐饮和旅游业产生了巨大影响。

2.堆叠条形图

3.线图比较

这张图表显示了三个不同省份（山东省、广东省和上海市）从大约2005年到2020年的住宿和餐饮业增加值的趋势。

图表中，三条线分别代表了三个省份：绿色线代表广东省，显示出从2005年开始，广东省住宿和餐饮业的增加值持续且显著地增长，尤其在2010年之后增长加速，直到2020年，尽管有些年份出现了轻微的波动。蓝色线代表山东省，表明该省的增加值增长相对平稳，但在2015年后出现了一定程度的下降。红色线代表上海市，增加值增长趋势较为平缓，并在近年来呈现出一定的下降趋势。