시각화

R 2020. 7. 9. 18:23

보고를 위한 그래프 그리기

D3.sj 와 그 외 JS 그래프

D3.js 는 html, javascirpt 로 만들 수 있는 그래프
R에서는 rCharts 를 이용 html, js를 몰라도 사용 가능
rChart : JS 라이브러리를 R 에서 직접 사용하게 해주는 패키지
D3.js 는 인터랙티브 그래프

install.packages('devtools')

also installing the dependencies 'ini', 'gh', 'rematch2', 'rex', 'crosstalk', 'xopen', 'brew', 'usethis', 'covr', 'DT', 'git2r', 'memoise', 'rcmdcheck', 'remotes', 'roxygen2', 'rversions', 'sessioninfo'




package 'ini' successfully unpacked and MD5 sums checked
package 'gh' successfully unpacked and MD5 sums checked
package 'rematch2' successfully unpacked and MD5 sums checked
package 'rex' successfully unpacked and MD5 sums checked
package 'crosstalk' successfully unpacked and MD5 sums checked
package 'xopen' successfully unpacked and MD5 sums checked
package 'brew' successfully unpacked and MD5 sums checked
package 'usethis' successfully unpacked and MD5 sums checked
package 'covr' successfully unpacked and MD5 sums checked
package 'DT' successfully unpacked and MD5 sums checked
package 'git2r' successfully unpacked and MD5 sums checked
package 'memoise' successfully unpacked and MD5 sums checked
package 'rcmdcheck' successfully unpacked and MD5 sums checked
package 'remotes' successfully unpacked and MD5 sums checked
package 'roxygen2' successfully unpacked and MD5 sums checked
package 'rversions' successfully unpacked and MD5 sums checked
package 'sessioninfo' successfully unpacked and MD5 sums checked
package 'devtools' successfully unpacked and MD5 sums checked

The downloaded binary packages are in
    C:\Users\205\AppData\Local\Temp\Rtmpor9cPd\downloaded_packages

# rChart 설치 - Github
library(devtools)

Warning message:
"package 'devtools' was built under R version 4.0.2"
Loading required package: usethis

Warning message:
"package 'usethis' was built under R version 4.0.2"

install.packages('devtools')

Warning message:
"package 'devtools' is in use and will not be installed"

install.packages('Rtools')

Warning message:
"package 'Rtools' is not available (for R version 4.0.1)"

Rtools Error일 경우

https://cran.r-project.org/bin/windows/Rtools/
https://cran.r-project.org/bin/windows/Rtools/history.html
사용하는 R 버젼에 맞춰서 설치

install_github('saurfang/rCharts', ref='utf8-writelines')

Downloading GitHub repo saurfang/rCharts@utf8-writelines



RCurl   (NA -> 1.98-1.2) [CRAN]
RJSONIO (NA -> 1.3-1.4 ) [CRAN]
bitops  (NA -> 1.0-6   ) [CRAN]


Installing 3 packages: RCurl, RJSONIO, bitops



package 'RCurl' successfully unpacked and MD5 sums checked
package 'RJSONIO' successfully unpacked and MD5 sums checked
package 'bitops' successfully unpacked and MD5 sums checked

The downloaded binary packages are in
    C:\Users\205\AppData\Local\Temp\Rtmpor9cPd\downloaded_packages
[32m√[39m  [90mchecking for file 'C:\Users\205\AppData\Local\Temp\Rtmpor9cPd\remotes18c073dc4dfd\saurfang-rCharts-e0106ed/DESCRIPTION'[39m[36m[39m
[90m-[39m[90m  [39m[90mpreparing 'rCharts':[39m[36m[36m (5.6s)[36m[39m
[32m√[39m  [90mchecking DESCRIPTION meta-information[39m[36m[39m
[90m-[39m[90m  [39m[90mchecking for LF line-endings in source and make files and shell scripts[39m[36m[39m
[90m-[39m[90m  [39m[90mchecking for empty or unneeded directories[39m[36m[39m
[90m-[39m[90m  [39m[90mbuilding 'rCharts_0.4.5.tar.gz'[39m[36m[39m

Rcpp 오류시 conda consol에서 설치

conda install -c conda-forge r-rcpp

32비트의 경우 64비트 아나콘다 설치 후 가상환경 만들고 재시도

# 개발자 제공 기본 예제 해보기
library('rCharts')

hair_eye_male <- subset(as.data.frame(HairEyeColor), Sex == 'Male')
n1 <- nPlot(Freq ~ Hair, group='Eye', data=hair_eye_male, type='multiBarChart')
n1

nPlot()

D3.js의 NVD3 라이브러리 기반

# 데이터 적재
df <- read.csv('r-ggagi-data/example_studentlist2.csv')
attach(df)

# 산포도 그리기 type='scatterChart'
n1 <- nPlot(data = df, height~weight, group='sex', type='scatterChart')
n1

# 파이 차트 그리기 type='pieChart'
n2 <- nPlot(data = df, ~bloodtype, type='pieChart')
n2

# 파이 차트 => 도넛 차트
n2$chart(donut=T)
n2

library(dplyr)

# 멀티 막대그래프
# 도수를 자동으로 처리해 주지 않음
# 단축키 Ctrl + Shift + M =  %>%  :  체인역할을 함 + 의식의 흐름대로 작성 가능
df2 <- df %>% 
    group_by(bloodtype, sex) %>% 
        summarise(n=n())

`summarise()` regrouping output by 'bloodtype' (override with `.groups` argument)

n4 <- nPlot(data=df2, n~bloodtype, group='sex', type='multiBarChart')
n4

# 라인차트
ts <- read.csv('r-ggagi-data/example_ts2.csv')

ts$time <- as.Date(ts$time)
ts2 <- ts %>% filter(year == 2014)
head(ts2)

A data.frame: 6 × 3
	time	sales	year
	<date>	<int>	<int>
1	2014-01-01	4510	2014
2	2014-01-08	5063	2014
3	2014-01-15	3694	2014
4	2014-01-22	3768	2014
5	2014-01-29	3850	2014
6	2014-02-05	4300	2014

n5 <- nPlot(data=ts2, sales~time, type='lineChart') # X축 time 값이 이상함
n5

# x축 time 값 변환 xAxis()
n5$xAxis(tickFormat = "#! 
    function(d) { 
        return d3.time.format('%Y-%m-%d')
               (new Date(d*1000*3600*24));
    } !#", rotateLabels = -45)
n5

# 누적 영역 차트
ts3 <- read.csv('r-ggagi-data/example_ts3.csv')
head(ts3$time)

'2014-01-01'
'2014-01-08'
'2014-01-15'
'2014-01-22'
'2014-01-29'
'2014-02-05'

ts3$time <- as.Date(ts3$time)
head(ts3$time)
n6 <- nPlot(data=ts3, sales~time, group='product', type='stackedAreaChart') # x축 time 값이 이상함
n6

2014-01-01
2014-01-08
2014-01-15
2014-01-22
2014-01-29
2014-02-05

# X축 time 값 변환 xAxis()
n6$xAxis(tickFormat = "#! 
    function(d) { 
        return d3.time.format('%Y-%m-%d')
                (new Date(d*1000*3600*24));
    } !#", rotateLabels = -45)
n6

# 라인포커스 - 2개 그래프, 아래 그래프는 네비게이터
n7 <- nPlot(data = ts3, sales~time, group = 'product', type='lineWithFocusChart')
# X축 time 값이 이상함
n7$xAxis(tickFormat = "#!
    function(d) {
        return d3.time.format('%Y-%m-%d')
        (new Date(d*1000*3600*24));
    } !#", rotateLabels = -15)
n7

head(ts3)

A data.frame: 6 × 3
	time	sales	product
	<date>	<int>	<chr>
1	2014-01-01	4716	product1
2	2014-01-08	4875	product1
3	2014-01-15	4570	product1
4	2014-01-22	3798	product1
5	2014-01-29	3987	product1
6	2014-02-05	3571	product1

Sankey Diagram으로 예산 한눈에 보기

러시아로 출발한 나폴레옹 병력 수 변화 그래프로 유명

설치

https://github.com/timelyportfolio/rCharts_d3_sankey download
작업폴더에 libraries/압축풀기

# library load
library(dplyr)
library(rCharts)

# Data set : 2015년 예산안
DF <- read.csv('r-ggagi-data/example_2015_expenditure.csv')
str(DF)

'data.frame':    62 obs. of  6 variables:
 $ 소관명     : chr  "A부서" "A부서" "A부서" "A부서" ...
 $ 회계명     : chr  "과학관관련" "과학관관련" "과학관관련" "과학관" ...
 $ 분야명     : chr  "기술" "기술" "기술" "기술" ...
 $ 부문명     : chr  "기술일반" "기술일반" "기술일반" "기술일반" ...
 $ 프로그램명 : chr  "계정간거래" "과학관관련운영" "회계기금간거래" "계정간거래" ...
 $ sum.확정안.: num  1301000 25336500 486000 1501000 31113145 ...

# 원본 복사
DF2 <- DF

# sum. 확정안 이름 및 단위 변경 (원 => 천원)
colnames(DF2)[6] <- 'value'
DF2['value'] <- round(DF2['value']/1000)
head(DF2)

A data.frame: 6 × 6
	소관명	회계명	분야명	부문명	프로그램명	value
	<chr>	<chr>	<chr>	<chr>	<chr>	<dbl>
1	A부서	과학관관련	기술	기술일반	계정간거래	1301
2	A부서	과학관관련	기술	기술일반	과학관관련운영	25336
3	A부서	과학관관련	기술	기술일반	회계기금간거래	486
4	A부서	과학관	기술	기술일반	계정간거래	1501
5	A부서	과학관	기술	기술일반	과학관운영	31113
6	A부서	과학관	기술	기술일반	회계기금간거래	419

# 데이터 전처리
DF3 <- DF2

# Sankey Diagram은 모든 노드 1차원, 각각은 sum으로 합산되어 있어야 함
# 소관명노드 => 회계명노드
sum1 <- DF3 %>% group_by(소관명, 회계명) %>% summarise(sum(value))
sum2 <- DF3 %>% group_by(회계명, 분야명) %>% summarise(sum(value))
sum3 <- DF3 %>% group_by(분야명, 부문명) %>% summarise(sum(value))
sum4 <- DF3 %>% group_by(부문명, 프로그램명) %>% summarise(sum(value))

`summarise()` regrouping output by '소관명' (override with `.groups` argument)

`summarise()` regrouping output by '회계명' (override with `.groups` argument)

`summarise()` regrouping output by '분야명' (override with `.groups` argument)

`summarise()` regrouping output by '부문명' (override with `.groups` argument)

sum1

A grouped_df: 8 × 3
소관명	회계명	sum(value)
<chr>	<chr>	<dbl>
A부서	과학관	33033
A부서	과학관관련	27123
A부서	발전균형특별회계	3499882
A부서	보험특별회계	609665
A부서	사업특별회계	1110638
A부서	에너지및자원사업특별회계	579411
A부서	예금특별회계	1115288
A부서	일반회계	6763710

# Sankey Diagram은 'source', 'target', 'value' 구성되어야 함
colnames(sum1) <- c("source", "target", "value")
colnames(sum2) <- c("source", "target", "value")
colnames(sum3) <- c("source", "target", "value")
colnames(sum4) <- c("source", "target", "value")

head(sum1)

A grouped_df: 6 × 3
source	target	value
<chr>	<chr>	<dbl>
A부서	과학관	33033
A부서	과학관관련	27123
A부서	발전균형특별회계	3499882
A부서	보험특별회계	609665
A부서	사업특별회계	1110638
A부서	에너지및자원사업특별회계	579411

# 하나의 객체로 bind
sum1 <- as.data.frame(sum1)
sum2 <- as.data.frame(sum2)
sum3 <- as.data.frame(sum3)
sum4 <- as.data.frame(sum4)
DF4 <- rbind(sum1, sum2, sum3, sum4)

head(DF4)
tail(DF4)

A data.frame: 6 × 3
	source	target	value
	<chr>	<chr>	<dbl>
1	A부서	과학관	33033
2	A부서	과학관관련	27123
3	A부서	발전균형특별회계	3499882
4	A부서	보험특별회계	609665
5	A부서	사업특별회계	1110638
6	A부서	에너지및자원사업특별회계	579411

A data.frame: 6 × 3
	source	target	value
	<chr>	<chr>	<dbl>
76	정운사업	회계간거래	108173
77	정운사업	회계간거래(전출금)	978939
78	정운사업	회계기금간거래	234343
79	정운사업	회계기금간거래(전출금)	26000
80	평생·직업교육	연구공동체활성화	26600
81	평생·직업교육	평생직업교육체제구축	17974

# library load
sankeyPlot <- rCharts$new() # rChart 객체 생성
sankeyPlot$setLib('r-ggagi-data/libraries/sankey') # rChart 속성 지정
sankeyPlot$setTemplate(script = "r-ggagi-data/libraries/sankey/layouts/chart.html") # rChart 속성 지정

# 그래프 속성 지정 
sankeyPlot$set(
  data = DF4,
  nodeWidth = 15,
  nodePadding = 13,
  layout = 300,
  width = 900,
  height = 600,
  units = "천원",
  title = "Sankey Diagram"
)

# 그래프 실행 - 라인두께가 예산 금액
# 예산이 어디로 흘러가는 지 한눈에 알 수 있음
sankeyPlot

작년에 구입한 아파트는 올랐을까?

New York Times Visualization Lab 뉴욕타임즈 시각화 팀
https://www.nytimes.com/interactive/2014/01/23/business/case-shiller-slider.html
미국 지역 / 구입년도 선택하면 집값 변동과 다른 지역의 상대적인 변화도 보여줌

서울 / 구단위 아파트 가격 변화

Data set : 국토교통부 실거래가 공개 시스템 데이터 2006~2014

# library load
library(readxl)
library(dplyr)
library(stringr)
library(rCharts)

Warning message:
"package 'readxl' was built under R version 4.0.2"
Warning message:
"package 'dplyr' was built under R version 4.0.2"

Attaching package: 'dplyr'


The following objects are masked from 'package:stats':

    filter, lag


The following objects are masked from 'package:base':

    intersect, setdiff, setequal, union


Warning message:
"package 'stringr' was built under R version 4.0.2"

# 데이터 로드 - sprintf()
files <- sprintf('%4d년_%02d월_전국_실거래가_아파트(매매).xls', rep(2006:2014, each=12), 1:12)

files

'2006년_01월_전국_실거래가_아파트(매매).xls'
'2006년_02월_전국_실거래가_아파트(매매).xls'
'2006년_03월_전국_실거래가_아파트(매매).xls'
'2006년_04월_전국_실거래가_아파트(매매).xls'
'2006년_05월_전국_실거래가_아파트(매매).xls'
'2006년_06월_전국_실거래가_아파트(매매).xls'
'2006년_07월_전국_실거래가_아파트(매매).xls'
'2006년_08월_전국_실거래가_아파트(매매).xls'
'2006년_09월_전국_실거래가_아파트(매매).xls'
'2006년_10월_전국_실거래가_아파트(매매).xls'
'2006년_11월_전국_실거래가_아파트(매매).xls'
'2006년_12월_전국_실거래가_아파트(매매).xls'
'2007년_01월_전국_실거래가_아파트(매매).xls'
'2007년_02월_전국_실거래가_아파트(매매).xls'
'2007년_03월_전국_실거래가_아파트(매매).xls'
'2007년_04월_전국_실거래가_아파트(매매).xls'
'2007년_05월_전국_실거래가_아파트(매매).xls'
'2007년_06월_전국_실거래가_아파트(매매).xls'
'2007년_07월_전국_실거래가_아파트(매매).xls'
'2007년_08월_전국_실거래가_아파트(매매).xls'
'2007년_09월_전국_실거래가_아파트(매매).xls'
'2007년_10월_전국_실거래가_아파트(매매).xls'
'2007년_11월_전국_실거래가_아파트(매매).xls'
'2007년_12월_전국_실거래가_아파트(매매).xls'
'2008년_01월_전국_실거래가_아파트(매매).xls'
'2008년_02월_전국_실거래가_아파트(매매).xls'
'2008년_03월_전국_실거래가_아파트(매매).xls'
'2008년_04월_전국_실거래가_아파트(매매).xls'
'2008년_05월_전국_실거래가_아파트(매매).xls'
'2008년_06월_전국_실거래가_아파트(매매).xls'
'2008년_07월_전국_실거래가_아파트(매매).xls'
'2008년_08월_전국_실거래가_아파트(매매).xls'
'2008년_09월_전국_실거래가_아파트(매매).xls'
'2008년_10월_전국_실거래가_아파트(매매).xls'
'2008년_11월_전국_실거래가_아파트(매매).xls'
'2008년_12월_전국_실거래가_아파트(매매).xls'
'2009년_01월_전국_실거래가_아파트(매매).xls'
'2009년_02월_전국_실거래가_아파트(매매).xls'
'2009년_03월_전국_실거래가_아파트(매매).xls'
'2009년_04월_전국_실거래가_아파트(매매).xls'
'2009년_05월_전국_실거래가_아파트(매매).xls'
'2009년_06월_전국_실거래가_아파트(매매).xls'
'2009년_07월_전국_실거래가_아파트(매매).xls'
'2009년_08월_전국_실거래가_아파트(매매).xls'
'2009년_09월_전국_실거래가_아파트(매매).xls'
'2009년_10월_전국_실거래가_아파트(매매).xls'
'2009년_11월_전국_실거래가_아파트(매매).xls'
'2009년_12월_전국_실거래가_아파트(매매).xls'
'2010년_01월_전국_실거래가_아파트(매매).xls'
'2010년_02월_전국_실거래가_아파트(매매).xls'
'2010년_03월_전국_실거래가_아파트(매매).xls'
'2010년_04월_전국_실거래가_아파트(매매).xls'
'2010년_05월_전국_실거래가_아파트(매매).xls'
'2010년_06월_전국_실거래가_아파트(매매).xls'
'2010년_07월_전국_실거래가_아파트(매매).xls'
'2010년_08월_전국_실거래가_아파트(매매).xls'
'2010년_09월_전국_실거래가_아파트(매매).xls'
'2010년_10월_전국_실거래가_아파트(매매).xls'
'2010년_11월_전국_실거래가_아파트(매매).xls'
'2010년_12월_전국_실거래가_아파트(매매).xls'
'2011년_01월_전국_실거래가_아파트(매매).xls'
'2011년_02월_전국_실거래가_아파트(매매).xls'
'2011년_03월_전국_실거래가_아파트(매매).xls'
'2011년_04월_전국_실거래가_아파트(매매).xls'
'2011년_05월_전국_실거래가_아파트(매매).xls'
'2011년_06월_전국_실거래가_아파트(매매).xls'
'2011년_07월_전국_실거래가_아파트(매매).xls'
'2011년_08월_전국_실거래가_아파트(매매).xls'
'2011년_09월_전국_실거래가_아파트(매매).xls'
'2011년_10월_전국_실거래가_아파트(매매).xls'
'2011년_11월_전국_실거래가_아파트(매매).xls'
'2011년_12월_전국_실거래가_아파트(매매).xls'
'2012년_01월_전국_실거래가_아파트(매매).xls'
'2012년_02월_전국_실거래가_아파트(매매).xls'
'2012년_03월_전국_실거래가_아파트(매매).xls'
'2012년_04월_전국_실거래가_아파트(매매).xls'
'2012년_05월_전국_실거래가_아파트(매매).xls'
'2012년_06월_전국_실거래가_아파트(매매).xls'
'2012년_07월_전국_실거래가_아파트(매매).xls'
'2012년_08월_전국_실거래가_아파트(매매).xls'
'2012년_09월_전국_실거래가_아파트(매매).xls'
'2012년_10월_전국_실거래가_아파트(매매).xls'
'2012년_11월_전국_실거래가_아파트(매매).xls'
'2012년_12월_전국_실거래가_아파트(매매).xls'
'2013년_01월_전국_실거래가_아파트(매매).xls'
'2013년_02월_전국_실거래가_아파트(매매).xls'
'2013년_03월_전국_실거래가_아파트(매매).xls'
'2013년_04월_전국_실거래가_아파트(매매).xls'
'2013년_05월_전국_실거래가_아파트(매매).xls'
'2013년_06월_전국_실거래가_아파트(매매).xls'
'2013년_07월_전국_실거래가_아파트(매매).xls'
'2013년_08월_전국_실거래가_아파트(매매).xls'
'2013년_09월_전국_실거래가_아파트(매매).xls'
'2013년_10월_전국_실거래가_아파트(매매).xls'
'2013년_11월_전국_실거래가_아파트(매매).xls'
'2013년_12월_전국_실거래가_아파트(매매).xls'
'2014년_01월_전국_실거래가_아파트(매매).xls'
'2014년_02월_전국_실거래가_아파트(매매).xls'
'2014년_03월_전국_실거래가_아파트(매매).xls'
'2014년_04월_전국_실거래가_아파트(매매).xls'
'2014년_05월_전국_실거래가_아파트(매매).xls'
'2014년_06월_전국_실거래가_아파트(매매).xls'
'2014년_07월_전국_실거래가_아파트(매매).xls'
'2014년_08월_전국_실거래가_아파트(매매).xls'
'2014년_09월_전국_실거래가_아파트(매매).xls'
'2014년_10월_전국_실거래가_아파트(매매).xls'
'2014년_11월_전국_실거래가_아파트(매매).xls'
'2014년_12월_전국_실거래가_아파트(매매).xls'

DF <- NULL
for(i in 1:length(files)){
  t <- read_excel(path=paste0("r-ggagi-data/rawdata","/",files[i]), sheet=1, col_names=T)
  t <- mutate(t, date=paste0(substr(files[i], 1,4), "-", month=substr(files[i], 7,8),"-10"))
  DF <- rbind(DF, t)
}

head(DF)

A tibble: 6 × 11
시군구	본번	부번	단지명	전용면적(m2)	계약일	거래금액(만원)	층	건축년도	도로명주소	date
<chr>	<dbl>	<dbl>	<chr>	<dbl>	<chr>	<chr>	<chr>	<dbl>	<chr>	<chr>
서울특별시 강남구 개포동	12	0	대청	39.53	21~31	22,300	15	1992	개포로109길	2006-01-10
서울특별시 강남구 개포동	12	0	대청	39.53	1~10	24,800	5	1992	개포로109길	2006-01-10
서울특별시 강남구 개포동	12	0	대청	39.53	11~20	23,720	15	1992	개포로109길	2006-01-10
서울특별시 강남구 개포동	12	0	대청	51.12	11~20	33,700	8	1992	개포로109길	2006-01-10
서울특별시 강남구 개포동	12	0	대청	60.00	11~20	44,000	14	1992	개포로109길	2006-01-10
서울특별시 강남구 개포동	12	0	대청	60.00	11~20	44,000	7	1992	개포로109길	2006-01-10

#안전을 위해 새로운 객체에 복사
DF2 <- DF

# 변수명 변경 - 한글 변수명 깨진 경우만
colnames(DF2) <- c("시군구", "본번", "부번", "단지명", "전용면적", "계약일",
                   "거래금액", "층", "건축년도", "도로명주소", "date")

# 필요한 데이타 불러오기
DF3 <- data.frame(date=DF2$date, addr = DF2$시군구,  val=DF2[['거래금액']],
                 stringsAsFactors=T)

# 거래금액 value ',' 제거하기 위한 str_replace_all
DF3[['val']] <- str_replace_all(DF3[['val']], ',', '')

# 데이터 형 변환
str(DF3)
DF3[['val']] <- as.integer(DF3[['val']])

'data.frame':    588766 obs. of  3 variables:
 $ date: Factor w/ 108 levels "2006-01-10","2006-02-10",..: 1 1 1 1 1 1 1 1 1 1 ...
 $ addr: Factor w/ 326 levels "서울특별시 강남구 개포동",..: 1 1 1 1 1 1 1 1 1 1 ...
 $ val : chr  "22300" "24800" "23720" "33700" ...

# 주소 변환 서울특별시 강남구 개포동 => 강남구
City <- str_split_fixed(DF3[,2], " ", 4)
City <- data.frame(City)
str(City)

'data.frame':    588766 obs. of  4 variables:
 $ X1: chr  "서울특별시" "서울특별시" "서울특별시" "서울특별시" ...
 $ X2: chr  "강남구" "강남구" "강남구" "강남구" ...
 $ X3: chr  "개포동" "개포동" "개포동" "개포동" ...
 $ X4: chr  "" "" "" "" ...

DF4 <- data.frame(date = DF3[,1], addr=City[,2], val=DF3[,3])
str(DF4)

'data.frame':    588766 obs. of  3 variables:
 $ date: Factor w/ 108 levels "2006-01-10","2006-02-10",..: 1 1 1 1 1 1 1 1 1 1 ...
 $ addr: chr  "강남구" "강남구" "강남구" "강남구" ...
 $ val : int  22300 24800 23720 33700 44000 44000 45250 15900 18400 24700 ...

head(DF4)

A data.frame: 6 × 3
	date	addr	val
	<fct>	<chr>	<int>
1	2006-01-10	강남구	22300
2	2006-01-10	강남구	24800
3	2006-01-10	강남구	23720
4	2006-01-10	강남구	33700
5	2006-01-10	강남구	44000
6	2006-01-10	강남구	44000

# 구별 평균 구하기 - 중앙값, 또는 면적별 평균등 다양하게
DF5 <- DF4 %>% group_by(date, addr) %>% summarise(mean(val))
head(DF5)

`summarise()` regrouping output by 'date' (override with `.groups` argument)

A grouped_df: 6 × 3
date	addr	mean(val)
<fct>	<chr>	<dbl>
2006-01-10	강남구	76892.96
2006-01-10	강동구	39031.67
2006-01-10	강북구	18964.91
2006-01-10	강서구	25348.86
2006-01-10	관악구	24570.44
2006-01-10	광진구	37802.83

# 최종 데이터 정리
colnames(DF5)[3] <- "val"
DF5[['date']] <- as.character(DF5[['date']])
DF5$val <- DF5$val/500
head(DF5)

A grouped_df: 6 × 3
date	addr	val
<chr>	<chr>	<dbl>
2006-01-10	강남구	153.78591
2006-01-10	강동구	78.06334
2006-01-10	강북구	37.92981
2006-01-10	강서구	50.69771
2006-01-10	관악구	49.14088
2006-01-10	광진구	75.60566

# 그래프 그리기
g2 <- rCharts$new()

g2$setLib('r-ggagi-data/libraries/nyt_home')
g2$setTemplate(script = "r-ggagi-data/libraries/nyt_home/layouts/nyt_home.html")

g2$set(
  description = "This data comes from the 'rt.molit.go.kr' dataset",
  data = DF5,
  groups = "addr"
)

g2

# html로 출력하기
#cat(g2$html())

'R' 카테고리의 다른 글

확률 - 예제 (0)	2020.07.13
확률 (0)	2020.07.13
시각화 - 예제 (0)	2020.07.09
시각화 (0)	2020.07.07
기술통계 - 실전 예제 (0)	2020.07.07

ABOUT ME

Bigdata Bigdata

시각화

보고를 위한 그래프 그리기

D3.sj 와 그 외 JS 그래프

Rtools Error일 경우

Rcpp 오류시 conda consol에서 설치

Sankey Diagram으로 예산 한눈에 보기

작년에 구입한 아파트는 올랐을까?

'R' 카테고리의 다른 글

티스토리툴바

ABOUT ME

시각화

보고를 위한 그래프 그리기

D3.sj 와 그 외 JS 그래프

Rtools Error일 경우

Rcpp 오류시 conda consol에서 설치

Sankey Diagram으로 예산 한눈에 보기

작년에 구입한 아파트는 올랐을까?

'R' 카테고리의 다른 글

관련글 관련글 더보기

티스토리툴바