R语言课程设计2

一、题目

全球自杀趋势与分析

1.1 题目意义

当今社会全球自杀现象较为普遍,研究这一现象非常具有实际意义

1.2 设计要求

数据分析与挖掘要求

(1）按照后续分析需求，对数据进行预处理。

（2）描述性统计：选择合适的方法对数据进行统计分析。包括对数值型和类别型属性的统计，并对分析结果进行图形化的展示。

（3）推断性统计：选择合适的假设检验方法，分析属性间的相关性、两组数据间是否具有显著性差异，并得出结论。

（4）数据挖掘

分别利用分类、聚类以及时间序列方法挖掘蕴含在数据中的模式。

注意，对聚类结果分析聚簇特征，必要时可画图分析。

对分类结果计算准确性。

使用时间序列分析方法可判断数据是否存在趋势、周期性等特征，或对数据进行预测。

（5）附加题：除了上述要求，自由选择方法，分析数据特征或挖掘蕴涵模式，并展示结果，如地理热图等。

二、相关包及所用到的函数的介绍

   tidyverse是一组处理与可视化R包的集合，其中ggplot2与dplyr最广为人知。

Ggalt包用于数据可视化,添加额外的坐标轴，geoms等

countrycode包中的countrycode函数可以将国家名和国家编码转换为需要的类型

   rworldmap就是用来表现全球尺度数据可视化的R包。

gridExtra包常用于控制图形的复杂布局和绘制文本表

   broom:用于将统计模型的结果整理成数据框形式

三、系统主要模块介绍

1.数据清理

2.统计全球自杀趋势

3.统计欧洲自杀趋势

4.按性别划分统计自杀趋势

5.按年龄划分统计自杀趋势

6.按国家来进行统计自杀趋势

7.画出相关地理热图

8.探究线性趋势

9.统计欧洲的自杀率性别差异

10统计不同国家的性别差异与自杀率的关联

11.统计欧洲的年龄差异与自杀率的关联

12探究富裕国家的自杀率是否更高

13.建立多元回归模型

14.线性拟和

15.探究年代与年龄与哪一年自杀率的关联

16探究自杀率的整体趋势

17探究男女自杀率随时间推移的影响

18探究2010年以后男性自杀人口比例

19.探究年龄率与自杀率
的关系

20探究男女比率与自杀率的关联

三、系统详细设计

1.导入需要用到的包

library(tidyverse)

library(ggalt)

library(countrycode)

library(rworldmap)
#快速国家级热图

library(gridExtra)

library(broom)

2数据导入与清洗

data
<- read_csv(“d:/master.csv”)

data
<- data %>%

select(-c(HDI for year, suicides/100k pop)) %>%

rename(gdp_for_year = gdp_for_year ($), #重命名

     gdp_per_capita = `gdp_per_capita ($)`,


     country_year = `country-year`) %>%

as.data.frame()

data
<- data %>%

filter(year != 2016) %>% # 过滤了2016年的数据

select(-country_year)

#选取不包括数据不超过3年的国家：

minimum_years
<- data %>%

group_by(country) %>%

summarize(rows = n(),

        years = rows / 12) %>%

arrange(years)

data
<- data %>%

filter(!(country %in%
head(minimum_years$country, 7)))

整理数据帧

data$age<-gsub("years","",data$age)

data$sex<-ifelse(data$sex == “male”, “Male”,
“Female”)

#获取欧洲数据：

data$continent
<- countrycode(sourcevar = data[, “country”],

                          origin =

“country.name”,

                          destination =

“continent”)

象征性因素

data_nominal
<- c(‘country’, ‘sex’, ‘continent’)

data[data_nominal]
<- lapply(data[data_nominal], function(x){factor(x)})

对年龄排序

data$age<-factor(data$age,

               ordered = T, 

               levels = c("5-14",

“15-24”,

“25-34”,

“35-54”,

“55-74”,

                          "75+"))

按年代排序

data$generation<-factor(data$generation,

               ordered = T, 

               levels = c("G.I.

Generation",

                          "Silent",

“Boomers”,

                          "Generation

X",

“Millenials”,

                          "Generation

Z"))

data
<- as_tibble(data)

#计算这段时间内的全球自杀率：

global_average
<- (sum(as.numeric(data$suicide{s}_{n}o))/sum(as.numeric(da$