데이터 분석 프로젝트

한국보건사회연구원에서 가구의 경제활동을 연구해 정책 지원을 위해 발간하는 조사 자료(Koweps_hpc10_2015_beta1.sav : SPSS 전용파일)

준비 단계

• 데이터 준비, 패키지 설치 및 로드, 데이터 불러오기

library(dplyr)
library(ggplot2)
library(ggthemes)
library(haven)
library(readxl)
library(reshape)
df <- read_sav(file = 'Koweps_hpc10_2015_beta1.sav', encoding = 'UTF-8')
str(df)

• 데이터 변수명 변경

df <- rename(df, 
             c(h10_g3 = 'sex',
               h10_g4 = 'birth',
               h10_g10 = 'marriage', 
               h10_g11 = 'religion', 
               p1002_8aq1 = 'income',
               h10_eco9 = 'code_job', 
               h10_reg7 = 'code_religion'))

• 남녀 성비율 검토 sex가 1이면 male, 0이면 female

df$sex <- ifelse(df$sex == 1, 'male','female')
table(df$sex)
# 결측치 존재하는지 검토
table(is.na(df$sex))

변수 검토 및 전처리

• 월급
  급여를 0에서 10000까지만 표시
  급여가 0또는 9999면 NA로 변경

class(df$income)
summary(df$income)
qplot(df$income)
qplot(df$income + xlim(0,1000))
table(is.na(df$income))
df$income <- ifelse(df$income %in% c(0, 9999), NA, df$income)
table(is.na(df$income))

• 변수간의 관계
  성별에 월급 평균 만들기
  그래프 작성

sex_income <- df %>% filter(!is.na(income)) %>% group_by(sex) %>% summarise(mean_income = mean(income))
ggplot(data = sex_income, aes(x=sex, y=mean_income) + geom_col()

• 나이에 따른 월급의 차이
  처리 규정
  birth의 년도는 1900~2014 사이의 값
  birth가 9999 값이면 결측치 처리
  파생 변수(나이, age) 생성

class(df$birth)
df$birth <- ifelse(df$birth == 9999, NA, df$birth)
df <- df %>% mutate(age = 2023 - df$birth)
table(is.na(df$age))
age_income <- df %>% filter(!is.na(income)) %>% group_by(age) %>% summarise(mean_income = mean(income))
ggplot(data = age_income, aes(x=age, y = mean_income)) + geom_line()

• 연령대에 따른 월급 차이

df <- df %>% mutate(age_group = ifelse(df$age < 30, 'young', ifelse(df$age < 60, 'middle', 'old')))
table(df$age)
table(is.na(df$age_group))

age_group_income <- df %>% filter(!is.na(income)) %>% group_by(age_group) %>% summarise(mean_income = mean(income))
ggplot(data = age_group_income, aes(x=age_group, y=mean_income)) + geom_col()
# 순서대로 출력
ggplot(data = age_group_income, aes(x=age_group, y=mean_income)) + geom_col() + scale_x_discrete(limits = c('young', 'middle', 'old'))

• 직업별 급여 평균 계산
  job와 income이 NA가 아닌 행을 필터링
  직업별로 수입의 평균이 높은 10개의 직업을 선택하고, 그래프를 완성
  직업별로 수입의 평균이 낮은 10개의 직업을 선택하고, 그래프를 완성

occupation <- read_excel('Koweps_Codebook.xlsx', col_names = T, sheet = 2)
head(occupation)
dim(occupation)
df$code_job
df <- left_join(df, occupation, id = 'code_job')
df %>% filter(!is.na(code_job)) %>% select(code_job, job) %>% head(10)

job_income <- df %>% filter(!is.na(job) & !is.na(income)) %>% group_by(job) %>% summarise(mean_income = mean(income)) 

head(job_income)
ggplot(data = job_income, aes(x=job, y=mean_income)) + geom_col() 
job_income_desc <- job_income %>% arrange(desc(mean_income)) %>% head(10)
job_income_asc <- job_income %>% arrange(mean_income) %>% head(10)
?
ggplot(data = job_income_desc, aes(x=reorder(job, mean_income), y=mean_income)) + geom_col() + coord_flip()
ggplot(data = job_income_asc, aes(x=reorder(job, mean_income), y=mean_income)) + geom_col() + coord_flip() + ylim(0, 580)

• 성별 직업의 빈도
  남자와 여자가 많이 갖는 직업의 종류가 무엇인지 조사하세요.
  각각 상위 10개의 직업을 찾고, 각 직업의 종사자 수를 구하고 차트를 완성하세요.

job_male <- df %>% filter(!is.na(job) & sex == 'male') %>% group_by(job) %>% summarise(n = n()) %>% arrange(desc(n)) %>% head(10)
job_male

job_female <- df %>% filter(!is.na(job) & sex == 'female') %>% group_by(job) %>% summarise(n = n()) %>% arrange(desc(n)) %>% head(10)
job_female

coord_flip() 함수로 막대그래프 y축 기준으로 생성!
ggplot(data = job_male, aes(x=reorder(job, n), y = n)) + geom_col() + coord_flip()
ggplot(data = job_female, aes(x=reorder(job, n), y = n)) + geom_col() + coord_flip()

R 공부 후기

물론, 학교 시험을 위해 공부를 했지만 기본적인 데이터 전처리, 시각화 과정 등에 대해 학습할 수 있었고 1줄 단위로 실행한다는 점에서 파이썬에 비해 불편했던 점이 많았다.
그래도 덕분에 그동안 잘은 몰랐던 R 함수들을 직접 다뤄보는 계기가 되었다.
파이썬 공부를 더 열심히 하자는 의욕이 생기도록 만들어준 언어..