20200331 - R - 워드 클라우드(word cloud), 연설문 읽기, 인구이동

6_101_DT_1B26001_A01_M.csv

0.02MB

6_speech.txt

0.01MB

6_speech2.txt

0.01MB

20200331.R

0.01MB

20200331-2.R

0.00MB

20200331.TXT

0.00MB

R Studio 환경설정.pdf

1.00MB

대표사진 삭제

7번 작업까지만 한 것

(1) 대통령별 목록 보기

-대통령 기록관(http://pa.go.kr/index.jsp)

-기록물정보/검색 → 대통령별 콘텐츠’에서 ‘김영삼대통령’ 클릭

(2) 대통령별 콘텐츠 보기

-콘텐츠 구성 항목에서 대통령의 ‘연설기록’ 선택

(3) 대통령 연설문 목록 보기

-연설기록 목록에서 ‘제14대 대통령 취임사’ 선택

(4) 대통령 취임사 내용 보기 및 파일 저장

-취임사 내용 전체를 마우스로 선택하여 복사한 후 speech.txt로 저장

대표사진 삭제

사진 설명을 입력하세요.

대표사진 삭제

사진 설명을 입력하세요.

대표사진 삭제

사진 설명을 입력하세요.

 

전송중...

사진 설명을 입력하세요.

 

전송중...

사진 설명을 입력하세요.

as.Date("2020년 11월 1일", format="%Y년 %m월 %d일")

#[1] "2020-11-01"

 

x <- as.Date("01-11-2020",format="%d-%m-%Y")

 

as.Date("2014-11-30") - as.Date("2014-11-01") # Time difference of 29 days

as.Date("2014-11-01")+5 #[1] "2014-11-06"

 

x <- c(9, 15, 20, 6)

label <- c("영업 1팀","영업 2팀","영업 3팀","영업 4팀")

pie (x, labels = label, main = "부서별 영업 실적")

 

View(x) # 강제로 표 형식으로 보여주게 하는 방법

 

# 12시 방향을 기준으로 파이차트 재생성

pie(x, init.angle = 90, labels = label, main = "부서별 영업 실적")

 

#색과 라벨 수정

pct <- round(x/sum(x)*100) # x의 각 요소들 / x모두 더한 값 * 100 -> 반올림

label <- paste(label, pct) # paste 함수 : R에서 문자와 숫자를 연결시키려면 paste 함수로 연결시켜야 한다. # 영업 1팀 18

label <- paste(label,"%",sep="") # 각 '라벨+숫자'에 %를 붙여준다.(띄어쓰기 없게 붙인다.) # 영업 1팀 18%

pie(x,

labels = label,

init.angle = 90,

col=rainbow(length(x)),

main="부서별 영업 실적")

 

# 3D 파이 차트

install.packages("plotrix")

library(plotrix)

 

pie3D(x, labels=label, explode = 0.1,

labelcex = 0.8, main="부서별 영업 실적") # 옵션 순서는 변경되어도 상관 없음(데이터 위치 제외)

# explode 는 쪼개지는 비율, labelcex 는 글자 크기에 대한 비율

 

#기본 바 차트 출력

height <- c(9, 15, 20, 6)

name <- c("영업 1팀", "영업 2팀", "영업 3팀", "영업 4팀")

barplot(height, names.arg = name, main="부서별 영업 실적") # 차트의 데이터값은 항상 제일 먼저 와야한다.

 

# 막대의 색 지정

barplot(height, names.arg = name, main = "부서별 영업 실적", col=rainbow(length(height)))

 

barplot(height, names.arg = name, main = "부서별 영업 실적", col=rainbow(length(height)),

xlab="부서", ylab="영업 실적(억)", ylim=c(0,25))

# x, ylab : 축 이름, ylim : 축의 시작과 끝 지점 설정

 

#차트 위치에 데이터 값 할당하기(변수에 한번 저장해서 사용해야 한다.)

bp <- barplot(height, names.arg = name, main = "부서별 영업 실적적", col=rainbow(length(height)),

xlab="부서", ylab="영업 실적(억)", ylim=c(0,25))

text(x=bp, y=height, labels = round(height, 0), pos=1)

# labels = round(height,0)은 소수점 밑 자리수 0자리까지 표시

# pos = 3 은 포지션의 약자

 

# 바 차트의 수평 회전(가로 막대)

barplot(height, names.arg =name, main="부서별 영업 실적", col=rainbow(length(height)),

xlab="영업 실적(억)", ylab="부서", horiz=TRUE, width=50) # width 는 막대의 두께를 말한다.

 

 

# 스택형 바 차트 (Stacked Bar Chart)

height1 <- c(4, 18, 5, 8)

height2 <- c(9, 15, 20, 6)

height3 <- c(3, 10, 15, 8)

height <- rbind(height1, height2, height3) # rbind 행 묶기 -> 표 형태로 묶인다.

View(height) # Environment 에서 클릭하면 바로 View 형태로 보여지기 때문에 굳이 사용할 필요는 없다.

 

name <- c("영업 1팀","영업 2팀","영업 3팀","영업 4팀")

legend_lbl <- c("2014년", "2015년", "2016년") # 범례를 만들기 위한 라벨

 

barplot(height, # 입력될 데이터

main="부서별 영업 실적", # 차트 제목

names.arg=name, #막대별 이름 설정

xlab="부서", ylab="영업 실적(억)", # 축 이름 설정

col = c("darkblue", "red", "yellow"), # 바의 색상 지정

legend.text=legend_lbl, # 범례지정 = 입력해놓은 라벨 할당

ylim=c(0,50)) # y축에 대한 시작, 종료 값

 

# 그룹형 바 차트 (Grouped Bar Chart)

barplot(height, main="부서별 영업 실적",

names.arg=name,

xlab="부서", ylab="영업 실적(억)",

col = c("darkblue", "red", "orange"),

legend.text=legend_lbl,

ylim=c(0,50),

beside=TRUE,

args.legend=list(x='topright')) # bottom, topleft 이런식으로 범례 위치 지정 가능

 

# 일반적인 X-Y 플로팅

View(women)

 

weight <- women$weight

plot(weight)

 

height <- women$height

plot(height, weight, xlab="키", ylab="몸무게")

 

 

# 일반적인 X-Y 플로팅

View(women)

 

weight <- women$weight

plot(weight)

 

height <- women$height

plot(height,weight,xlab="키",ylab="몸무게")

 

# 플로팅 문자의 출력

plot(height,weight,xlab="키",ylab="몸무게",pch=23,col="blue",bg="yellow",cex=1.5)

 

# 지진의 강도에 대한 히스토그램

head(quakes)

 

mag <- quakes$mag

mag

 

hist(mag,

main="지진 발생 강도의 분포",

xlab="지진 강도", ylab="발생 건수")

 

 

# 계급 구간과 색

colors <- c("red", "orange", "yellow", "green", "blue", "navy", "violet")

 

hist(mag,

main = "지진 발생 강도의 분포",

xlab = "지진 강도", ylab="발생 건수",

col=colors,

breaks=seq(4,6.5,by=0.5)) # 4부터 6.5까지 0.5단계별로 나눈다.

 

#확률 밀도

hist(mag,

main = "지진 발생 강도의 분포",

xlab = "지진 강도", ylab="확률밀도",

col=colors,

breaks=seq(4,6.5,by=0.5),

freq=FALSE)

 

lines(density(mag)) # 확률 밀도 함수 : density 함수

 

#박스 플롯

mag <- quakes$mag

min(mag) # 4

max(mag) # 6.4

median(mag) # 4.6

quantile(mag, c(0.25, 0.5, 0.75)) # 4.3, 4.6, 4.9 (1,2,3분위수)

 

boxplot(mag,

main = "지진 발생 강도의 분포",

xlab = "지진 강도", ylab="확률밀도",

col="red")

# 이상치는 결측값이지만 연산에 포함된다. na.rm=TRUE 을 해서 null값을 삭제해줘야 한다.(결측치 삭제, 결측값 삭제)

 

 

# 지역별 순이동에 따른 워드 클라우드 (실행 시킬 때, 따로따로 실행 시켜야 한다.) / install 끝난 후 라이브러리 실행

install.packages("wordcloud")

library(wordcloud)

 

word <- c("인천광역시", "강화군", "옹진군")

frequency <- c(651, 185, 61)

 

# 단어와 노출 빈도수를 임의로 설정하였다.

# 첫 번째 값은 표현할 단어들, 두 번째 값이 각 단어에 대한 노출 빈도 수, 나머지는 옵션

wordcloud(word, frequency, colors="blue")

 

 

#단어들의 색 변환

wordcloud(word,

frequency,

random.order= F,

ramdom.color= F,

colors = rainbow(length(word))

)

 

#다양한 단어 색 출력을 위한 파레트 패키지의 활용

install.packages("RColorBrewer")

library(RColorBrewer)

 

pal2 <- brewer.pal(8, "Dark2")

 

word <- c("인천광역시", "강화군", "옹진군")

frequency <- c(651, 86, 61)

wordcloud(word, frequency, colors=pal2)

 

 

# 다운로드 사이트 : http://kostat.go.kr

 

# 작업 순서

# 1. 데이터 파일 읽기 : 6_101_DT_1B26001_A01_M.csv

# 2. '전국' 지역이 아닌 데이터만 추출

# 3. 행정구역 중 '구' 단위에 해당하는 행 번호 추출

# 4. '구' 지역 데이터 제외

# 5. 순이동 인구수가 0보다 큰지역 추출

# 6. 단어(행정 구역) 할당

# 7. 워드클라우드 출력

 

# 1. 데이터 파일 읽기 : read.csv(file.choose(), header=T)

# 2. '전국' 지역이 아닌 데이터만 추출('전국' 지역 데이터 제외) : data[data$행정구역.시군구.별 != "전국", ]

# 3. 행정구역 중 '구' 단위에 해당하는 행 번호 추출 : grep("구$", data2$행정구역.시군구.별)

# 4. '구' 지역 데이터 제외 : <- data2[-c(x), ]

# 5. 순이동 인구수가 0보다 큰지역 추출 : data3[data3$순이동.명>0, ]

# 6. 단어(행정 구역) 할당 : data4$행정구역.시군구.별

# 7. 행정구역별 빈도 : data4$순이동.명

# 8. 워드클라우드 출력 : wordcloud()

 

data <- read.csv(file.choose(), header=T) # 모든 괄호가 .으로 변경된다.

View(data)

head(data) # read 가 끝나야 head를 사용할 수 있다.

names(data) # 데이터의 컬럼 확인

 

# ()가 R에서는 모두 .으로 바뀌어서 들어온다.

data2 <- data[data$행정구역.시군구.별 != "전국", ] # 전체 데이터$컬럼명 중에서 != "전국" 데이터가 아닌 것만 모두 선택

x <- grep("구$", data2$행정구역.시군구.별) # grep함수 : 지정 조건에 맞는 '행 번호'를 벡터로 반환(x: 구 관련 행번호만 저장)

data3 <- data2[-c(x), ] # '구' 지역 데이터 제외

head(data3)

 

data4 <- data3[data3$순이동.명>0, ] # data3중 순이동.명 컬럼 중 0보다 큰애들만 추출

head(data4)

word <- data4$행정구역.시군구.별 # 워드클라우드작업을 위한 글자 데이터만 추출

frequency <- data4$순이동.명 # 숫자값으로 작업할 숫자 데이터만 추출

 

library(wordcloud)

library(RColorBrewer)

 

pal2 <- brewer.pal(8, "Dark2")

wordcloud(word,frequency, colors=pal2)

---

 

전송중...

사진 설명을 입력하세요.

 

#연설문의 단어에 대한 워드 클라우드 만들기

install.packages("KoNLP")

install.packages("RColorBrewer")

install.packages("wordcloud")

 

library(KoNLP)

library(RColorBrewer)

library(wordcloud)

 

useSejongDic()

 

pal2 <- brewer.pal(8, "Dark2")

 

text <- readLines(file.choose()) # 문서를 줄단위로 읽어주는 함수 : readLines() 엔터친 위치를 기준으로 줄단위로 읽어오는 함수

text # 줄단위로 읽은 벡터를 텍스트에 집어넣고

# 리스트 타입의 데이터를 factor 형태로 반환하기가 힘들다. 그래서

# extractNoun 이 명사를 찾아서 추출하는 역할(띄어쓰기도 있으면 띄어쓰기도 다 구분한다.), 그 결과를 sapply가 list형태로 반환

# text : 벡터가 가진 것들 중에서 , USE.NAMES : extractNoun 을 통해서 USE.NAMES를 실행

noun <- sapply(text, extractNoun, USE.NAMES = F)

noun

 

# list 타입의 데이터를 수치형으로 변환

noun2 <- unlist(noun)

noun2

 

# p.221

word_count <- table(noun2) # 테이블을 하면 팩터로 바꿔준다. # 쪼개진 단어들의 갯수를 파악하여 테이블로 반환

word_count # 단어의 빈도수를 가지고 있음.

 

head(sort(word_count, decreasing = TRUE), 10) #정렬해주고 상위 10개만 꺼내온다.

 

wordcloud(names(word_count), # names 라는 함수를 이용해서 단어를 꺼내고

freq=word_count, # freq 옵션을 이용해서 글자나 숫자를 꺼낼 수 있다.

scale=c(6,0.3), # 가장 큰값을 6, 가장 작은 값을 0.3의 비율로 맞춘다.

min.freq=3, # 최소 빈도수를 3 이상으로 잡는다.(1이나 2는 표기하지않는다.)

random.order= F, # 실행할때마다 위치 변경

rot.per = .1, # 회전 각도값을 0.1 비율로 회전시킨다.

colors=pal2) # 글자 색 변경

 

---

메모

R - studio

 

Connection 탭 : 외부와 연결할 경우 사용

우측 하단 Files : 작업폴더, ...내부에 Data폴더 생성 및 파일 생성 & 삭제

Plot : 차트 관련 화면이 나오는 곳

Packages : 기본적으로 설치된 패키지 리스트가 나온다.(체크된건 라이브러리 함수가 실행되어있는 애들) - 체크 해제하면 디테치

- intall - 첫글자 입력하면 패키지 리스트가 나온다.

- update : 내가 설치한 패키지를 새로 업데이트하고싶을 경우

Help : 함수에 대해 검색하면 사용 방법 및 옵션 리스트가 출력된다.

 

날짜 형식 지정

%d : 일자를 숫자로 인식

%m : 월을 숫자로 인식

%b : 월을 영어 약어로 인식

%B : 월을 전체 이름으로 인식

%y : 연도를 숫자 두 자리로 인식

%Y : 연도를 숫자 네 자리로 인식

 

as.Date("2020년 11월 1일", format="%Y년 %m월 %d일")

x<-as.Date("01-11-2020",format="%d-%m-%Y") 하게되면 Environment에 x값이 할당된다.

 

# 날짜와 날짜 연산 가능

as.Date("2014-11-30" - as.Date("2014-11-01")

Time difference of 29 days

 

# 날짜와 일반 숫자 연산 가능

as.Date("2014-11-01")+5

 

 

***R 셋팅 > 패키지 설치

packages > install > plotrix 검색 > install > 패키지 검색부분에서 plotrix > 체크

>>>> history 탭을 눌러보면 해당 라이브러리를 로딩했다 라고 히스토리가 쌓이게 됨.

 

http://kostat.go.kr/portal/korea/index.action: 데이터 다운받는 사이트

 

통계청 - 국가통계포털 - 가운데 데이터 카테고리 중 원하는 카테고리 선택(우리가 쓰는 데이터는 인구&가구>국내인구이동통계>시군구별 이동자수) -

 

 

 

## 분석 할 때 )

1. 데이터 전처리 작업 : xlsx 같은 경우 엑셀 프로그램을 이용해서 1차적인 전처리를 할 수 있다.

(엑셀 프로그램이 데이터를 다 읽지 못하는 경우(너무커서)에는 R내부로 읽어와서 전처리작업을 해야 한다.)

2. 항상 데이터를 먼저 확인(원본 데이터에 컬럼명이 있는 경우 헤더명을 가지고 와야 한다.)

 

# 다운로드 사이트 : http://kostat.go.kr

 

# 작업 순서

# 1. 데이터 파일 읽기 : 6_101_DT_1B26001_A01_M.csv

# 2. '전국' 지역이 아닌 데이터만 추출

# 3. 행정구역 중 '구' 단위에 해당하는 행 번호 추출

# 4. '구' 지역 데이터 제외

# 5. 순이동 인구수가 0보다 큰지역 추출

# 6. 단어(행정 구역) 할당

# 7. 워드클라우드 출력

 

# 1. 데이터 파일 읽기 : read.csv(file.choose(), header=T)

# 2. '전국' 지역이 아닌 데이터만 추출('전국' 지역 데이터 제외) : data[data$행정구역.시군구.별 != "전국", ]

# 3. 행정구역 중 '구' 단위에 해당하는 행 번호 추출 : grep("구$", data2$행정구역.시군구.별)

# 4. '구' 지역 데이터 제외 : <- data2[-c(x), ]

# 5. 순이동 인구수가 0보다 큰지역 추출 : data3[data3$순이동.명>0, ]

# 6. 단어(행정 구역) 할당 : data4$행정구역.시군구.별

# 7. 행정구역별 빈도 : data4$순이동.명

# 8. 워드클라우드 출력 : wordcloud()