第6週 探索的データ分析 - EDA, Part II

演習

以下の指標の中から、二つを選択して、データの概要（description）を記録し、データを WDI で取得し、以下の分析をする。

1. 各年毎のデータの数の棒グラフ
2. 国または地域を選択
3. それぞれの経年変化を表す折れ線グラフ
   1. 日本
   2. 選択した国または地域
4. 二つのデータの散布図-必要に応じて log10 スケールを用いる
   1. すべての値の散布図
   2. NA ではない値の散布図、近似（回帰）直線を表示
   3. 地域を除き国のみの散布図、近似（回帰）直線を表示
   4. 最近の年を選択し、地域を除き国のもの散布図、近似（回帰）直線を表示

それぞれについて考察（気づいたこと、疑問など）を記す

データ情報

• CO2 emissions (metric tons per capita) ：EN.ATM.CO2E.PC [Link] (co2pcap)

• Forest area (% of land area)：AG.LND.FRST.ZS [Link] (forest)

• Renewable electricity output (% of total electricity output)：EG.ELC.RNEW.ZS [Link] (renewable)

• Electricity production from oil, gas and coal sources (% of total)：EG.ELC.FOSL.ZS [Link] (fossil)

• Electricity production from nuclear sources (% of total)：EG.ELC.NUCL.ZS [Link] (nuclear)

タイトル

データ

データ情報

• データ１：名前、コード、変数名、リンク

• 概要：

• データ２：名前、コード、変数名、リンク

• 概要：

データの取得

準備

library(tidyverse)
library(WDI)

データのダウンロードと保存：コードと変数名を指定。

データの名前は、変えたほうがよいので、例でも、df_w6eda_2 や、df_w6_2 に変えてあります。自分で決めたものを使うと、より練習になります。

df_w6eda_2 <- WDI(indicator = c(co2pcap = "EN.ATM.CO2E.PC",
                              forest = "AG.LND.FRST.ZS"),
                extra = TRUE)

２回目からは、data から読み込めるようにしておく ファイル (Rmd) の保存場所に data フォルダがあることを確認

write_csv(df_w6eda_2, "data/w6eda_1.csv")

df_w6eda_2 <- read_csv("data/w6eda_2.csv")

データの確認

df_w6eda_2

str(df_w6eda_2)

変数の選択（selecting）

df_w6_2 <- df_w6eda_2 |> 
  select(country, iso2c, year, co2pcap, forest, region, income)
df_w6_2

各年毎のデータの数の棒グラフ

df_w6eda_2 |> drop_na(co2pcap, forest) |>
  ggplot(aes(year)) + geom_bar()

国と地域

country には、国と地域両方が入っています。地域の iso2c は以下のものです。

REGION <- c("1A", "1W", "4E", "6F", "6N", "6X", "7E", "8S", "A4", "A5", 
"A9", "B1", "B2", "B3", "B4", "B6", "B7", "B8", "C4", "C5", "C6", 
"C7", "C8", "C9", "D2", "D3", "D4", "D5", "D6", "D7", "EU", "F1", 
"F6", "M1", "M2", "N6", "OE", "R6", "S1", "S2", "S3", "S4", "T2", 
"T3", "T4", "T5", "T6", "T7", "V1", "V2", "V3", "V4", "XC", "XD", 
"XE", "XF", "XG", "XH", "XI", "XJ", "XL", "XM", "XN", "XO", "XP", 
"XQ", "XT", "XU", "XY", "Z4", "Z7", "ZB", "ZF", "ZG", "ZH", "ZI", 
"ZJ", "ZQ", "ZT")

地域のリストを表示

df_w6eda_2 |> filter(iso2c %in% REGION) |> distinct(country, iso2c)

国名とその地域・所得レベルを表示

df_w6eda_2 |> filter(!(iso2c %in% REGION)) |> distinct(country, iso2c, region, income)

分析する国のリスト

BRICS <- c("Brazil", "Russian Federation", "India", "China", "South Africa")

経年変化

a. 日本

df_w6_2 |> drop_na(co2pcap) |> filter(country == "Japan") |>
  ggplot(aes(year, co2pcap)) + geom_line() + 
  labs(title = "日本の一人当たりの二酸化炭素排出量")

気づいたこと・疑問

df_w6_2 |> drop_na(forest) |> filter(country == "Japan") |>
  ggplot(aes(year, forest)) + geom_line() + 
  labs(title = "日本の森林面積（％）")

気づいたこと・疑問

b. 選択した国・地域

df_w6_2 |> drop_na(co2pcap) |> filter(country %in% BRICS) |>
  ggplot(aes(year, co2pcap, col = country)) + geom_line() + 
  labs(title = "BRICS の一人当たりの二酸化炭素排出量")

気づいたこと・疑問

df_w6_2 |> drop_na(forest) |> filter(country %in% BRICS) |>
  ggplot(aes(year, forest, col = country)) + geom_line() + 
  labs(title = "BRICSの森林面積（％）")

気づいたこと・疑問

二つのデータの散布図

必要に応じて log10 スケール

a. すべての値の散布図

df_w6_2 |> ggplot(aes(forest, co2pcap, col = region)) + geom_point()

b. NA ではない値の散布図、近似（回帰）直線を表示

df_w6_2 |> drop_na(co2pcap, forest) |> 
  ggplot(aes(forest, co2pcap)) + geom_point(aes(col = region)) +
  geom_smooth(formula = 'y~x', method = "lm", se = FALSE)

c. 地域を除き国のみの散布図、近似（回帰）直線を表示

df_w6_2 |> filter(!(iso2c %in% REGION)) |> drop_na(co2pcap, forest) |> 
  ggplot(aes(forest, co2pcap)) + geom_point(aes(col = region)) +
  geom_smooth(formula = 'y~x', method = "lm", se = FALSE)

d. 最近の年を選択し、地域を除き国のもの散布図、近似（回帰）直線を表示

df_w6_2 |> filter(!(iso2c %in% REGION)) |> filter(year == 2020) |> drop_na(co2pcap, forest) |> 
  ggplot(aes(forest, co2pcap)) + geom_point(aes(col = region)) +
  geom_smooth(formula = 'y~x', method = "lm", se = FALSE)

気づいたこと・疑問

df_w6_2 |> filter(!(iso2c %in% REGION)) |> filter(year == 2020) |> drop_na(co2pcap, forest) |> 
  select(co2pcap, forest) |> cor() 

気づいたこと・疑問