R Language
Acquisizione dei dati
Ricerca…
introduzione
Ottieni dati direttamente in una sessione R. Una delle caratteristiche di R è la facilità di acquisizione dei dati. Esistono diversi modi per la diffusione dei dati utilizzando i pacchetti R.
Set di dati incorporati
R
ha una vasta collezione di set di dati integrati. Solitamente, vengono utilizzati a scopo didattico per creare esempi rapidi e facilmente riproducibili. C'è una bella pagina web che elenca i set di dati incorporati:
https://vincentarelbundock.github.io/Rdatasets/datasets.html
Esempio
Indicatori svizzeri sulla fertilità e gli indicatori socioeconomici (1888). Controlliamo la differenza di fertilità basata sulla ruralità e sul dominio della popolazione cattolica.
library(tidyverse)
swiss %>%
ggplot(aes(x = Agriculture, y = Fertility,
color = Catholic > 50))+
geom_point()+
stat_ellipse()
Dataset all'interno dei pacchetti
Esistono pacchetti che includono dati o creati appositamente per divulgare i set di dati. Quando viene caricato un tale pacchetto ( library(pkg)
), i dataset collegati diventano disponibili come oggetti R; o devono essere chiamati con la funzione data()
.
Gapminder
Un bel set di dati sullo sviluppo dei paesi.
library(tidyverse)
library(gapminder)
gapminder %>%
ggplot(aes(x = year, y = lifeExp,
color = continent))+
geom_jitter(size = 1, alpha = .2, width = .75)+
stat_summary(geom = "path", fun.y = mean, size = 1)+
theme_minimal()
World Population Prospects 2015 - Dipartimento per la popolazione delle Nazioni Unite
Vediamo come il mondo è confluito nell'aspettativa di vita maschile alla nascita negli anni 1950-2015.
library(tidyverse)
library(forcats)
library(wpp2015)
library(ggjoy)
library(viridis)
library(extrafont)
data(UNlocations)
countries <- UNlocations %>%
filter(location_type == 4) %>%
transmute(name = name %>% paste()) %>%
as_vector()
data(e0M)
e0M %>%
filter(country %in% countries) %>%
select(-last.observed) %>%
gather(period, value, 3:15) %>%
ggplot(aes(x = value, y = period %>% fct_rev()))+
geom_joy(aes(fill = period))+
scale_fill_viridis(discrete = T, option = "B", direction = -1,
begin = .1, end = .9)+
labs(x = "Male life expectancy at birth",
y = "Period",
title = "The world convergence in male life expectancy at birth since 1950",
subtitle = "Data: UNPD World Population Prospects 2015 Revision",
caption = "ikashnitsky.github.io")+
theme_minimal(base_family = "Roboto Condensed", base_size = 15)+
theme(legend.position = "none")
Pacchetti per accedere a database aperti
Numerosi pacchetti sono creati appositamente per accedere ad alcuni database. Usandoli puoi risparmiare un sacco di tempo leggendo / formando i dati.
Eurostat
Anche se eurostat
pacchetto ha una funzione search_eurostat()
, non trovare tutti i set di dati rilevanti. In questo modo è più comodo sfogliare manualmente il codice di un set di dati sul sito Web di Eurostat: Database dei Paesi o Database regionale . Se il download automatico non funziona, i dati possono essere acquisiti manualmente tramite Bulk Download Facility .
library(tidyverse)
library(lubridate)
library(forcats)
library(eurostat)
library(geofacet)
library(viridis)
library(ggthemes)
library(extrafont)
# download NEET data for countries
neet <- get_eurostat("edat_lfse_22")
neet %>%
filter(geo %>% paste %>% nchar == 2,
sex == "T", age == "Y18-24") %>%
group_by(geo) %>%
mutate(avg = values %>% mean()) %>%
ungroup() %>%
ggplot(aes(x = time %>% year(),
y = values))+
geom_path(aes(group = 1))+
geom_point(aes(fill = values), pch = 21)+
scale_x_continuous(breaks = seq(2000, 2015, 5),
labels = c("2000", "'05", "'10", "'15"))+
scale_y_continuous(expand = c(0, 0), limits = c(0, 40))+
scale_fill_viridis("NEET, %", option = "B")+
facet_geo(~ geo, grid = "eu_grid1")+
labs(x = "Year",
y = "NEET, %",
title = "Young people neither in employment nor in education and training in Europe",
subtitle = "Data: Eurostat Regional Database, 2000-2016",
caption = "ikashnitsky.github.io")+
theme_few(base_family = "Roboto Condensed", base_size = 15)+
theme(axis.text = element_text(size = 10),
panel.spacing.x = unit(1, "lines"),
legend.position = c(0, 0),
legend.justification = c(0, 0))
Pacchetti per accedere ai dati riservati
Database di mortalità umana
Human Mortality Database è un progetto dell'Istituto Max Planck per la ricerca demografica che raccoglie e pre-processa i dati sulla mortalità umana per quei paesi, dove sono disponibili statistiche più o meno affidabili.
# load required packages
library(tidyverse)
library(extrafont)
library(HMDHFDplus)
country <- getHMDcountries()
exposures <- list()
for (i in 1: length(country)) {
cnt <- country[i]
exposures[[cnt]] <- readHMDweb(cnt, "Exposures_1x1", user_hmd, pass_hmd)
# let's print the progress
paste(i,'out of',length(country))
} # this will take quite a lot of time
Si noti che gli argomenti user_hmd
e pass_hmd
sono le credenziali di accesso sul sito Web del database di mortalità umana. Per accedere ai dati, è necessario creare un account su http://www.mortality.org/ e fornire le proprie credenziali alla funzione readHMDweb()
.
sr_age <- list()
for (i in 1:length(exposures)) {
di <- exposures[[i]]
sr_agei <- di %>% select(Year,Age,Female,Male) %>%
filter(Year %in% 2012) %>%
select(-Year) %>%
transmute(country = names(exposures)[i],
age = Age, sr_age = Male / Female * 100)
sr_age[[i]] <- sr_agei
}
sr_age <- bind_rows(sr_age)
# remove optional populations
sr_age <- sr_age %>% filter(!country %in% c("FRACNP","DEUTE","DEUTW","GBRCENW","GBR_NP"))
# summarize all ages older than 90 (too jerky)
sr_age_90 <- sr_age %>% filter(age %in% 90:110) %>%
group_by(country) %>% summarise(sr_age = mean(sr_age, na.rm = T)) %>%
ungroup() %>% transmute(country, age=90, sr_age)
df_plot <- bind_rows(sr_age %>% filter(!age %in% 90:110), sr_age_90)
# finaly - plot
df_plot %>%
ggplot(aes(age, sr_age, color = country, group = country))+
geom_hline(yintercept = 100, color = 'grey50', size = 1)+
geom_line(size = 1)+
scale_y_continuous(limits = c(0, 120), expand = c(0, 0), breaks = seq(0, 120, 20))+
scale_x_continuous(limits = c(0, 90), expand = c(0, 0), breaks = seq(0, 80, 20))+
xlab('Age')+
ylab('Sex ratio, males per 100 females')+
facet_wrap(~country, ncol=6)+
theme_minimal(base_family = "Roboto Condensed", base_size = 15)+
theme(legend.position='none',
panel.border = element_rect(size = .5, fill = NA))