kaggle之数据分析从业者用户画像分析

survey <-read.csv(stringsAsFactors = F,file = ‘F:\\R/数据科学社区调查/multipleChoiceResponses.csv‘,header=T,sep=‘,‘)
class(survey)
table(survey$Country) #统计每个国家参与人数

#将大陆，中华民国，台湾统一为中国
survey$Country <- ifelse(survey$Country=="People ‘s Republic of China"
                          | survey$Country==‘Republic of China‘
                          | survey$Country==‘Taiwan‘
                          ,‘China‘,survey$Country)

#将数据按国家分类，并求年龄的中位数
Country_age <- survey %>% group_by(Country) %>% 
  summarise(Age_median=median(Age,na.rm = T)) %>%
  arrange(Age_median)
head(Country_age)

#绘图，探索数据科学从业者年龄中位数最小的十个国家
p1 <-ggplot(data = head(Country_age,10),aes(reorder(Country,Age_median),Age_median,fill=Country))+
  geom_bar(stat=‘identity‘)+coord_flip()+
  labs(x=‘年龄‘,y=‘国家‘,title=‘探索不同国家数据从业者的平均年龄‘)+
  geom_text(aes(label=round(Age_median,0)),hjust=1.5)+
  theme(legend.position = ‘none‘,plot.title=element_text(hjust = 0.3))

#绘图，探索数据科学从业者年龄中位数最大的十个国家
p2 <- ggplot(data = tail(Country_age,10),aes(reorder(Country,Age_median),Age_median,fill=Country))+
  geom_bar(stat=‘identity‘)+coord_flip()+
  labs(x=‘年龄‘,y=‘国家‘)+
  geom_text(aes(label=round(Age_median,0)),hjust=1.5)+
  theme(legend.position = ‘none‘)

#合并两张图
library(Rmisc)
multiplot(p1,p2,cols = 1)

#数据科学从业者的职位分类
jobtitle<-table(survey$CurrentJobTitleSelect)%>%  #统计频数
  as.data.frame()%>%                           #转化为数据框
  arrange(desc(Freq))                    #按频数倒序排列(大在前)
jobtitle <- jobtitle[-1,]               #人数最多的一行为空值，即职业一栏无填写

ggplot(data=head(jobtitle,10),aes(x=reorder(Var1,Freq),Freq,fill=Var1))+  #选取受访人数最多的前十个职业
  geom_bar(stat = ‘identity‘)+
  labs(x=‘职业‘,y=‘人数‘,title=‘受访人数最多的十个职位‘)+              
  coord_flip()+                         #翻转坐标轴
  geom_text(aes(label=Freq),hjust=1.5)+    #添加数据标签
  theme(legend.position = ‘none‘,plot.title = element_text(hjust = 0.2))          #去除图例，调整标题位置

diff_nation <- survey[which(survey$Country==‘China‘),]      #提取出国家为中国的调查者信息
diff_nation1 <- survey[which(survey$Country==‘United States‘),]  #提取出国家为美国的调查者信息
china_jobtitle <- table(diff_nation$CurrentJobTitleSelect)%>%as.data.frame()%>%arrange(desc(Freq)) #探索在中国的受访人数较多职位
usa_jobtitle <- table(diff_nation1$CurrentJobTitleSelect)%>%as.data.frame()%>%arrange(desc(Freq)) #探索在美国的受访人数较多职位

p3<-ggplot(china_jobtitle[c(2:11),],aes(reorder(Var1,Freq),Freq,fill=Var1))+  #数据集中国前十位热门职业
  geom_bar(stat = ‘identity‘)+
  labs(x=‘职业‘,y=‘受访人数(中国)‘,title=‘中美两国受访者的当前职位对比‘)+
  coord_flip()+                  #翻转坐标轴
  geom_text(aes(label=Freq),hjust=1)+
theme(legend.position = ‘none‘,plot.title = element_text(size = 15,face = ‘bold.italic‘)) #去除图例,设置标题大小,字体

p4<-ggplot(usa_jobtitle[c(2:11),],aes(reorder(Var1,Freq),Freq,fill=Var1))+  #数据集中国前十位热门职业
  geom_bar(stat = ‘identity‘)+
  labs(x=‘职业‘,y=‘受访人数(美国)‘)+
  coord_flip()+                  #翻转坐标轴
  geom_text(aes(label=Freq),hjust=1)+
  theme(legend.position = ‘none‘)
#合并两图
multiplot(p3,p4)       

study_tool <- table(survey$MLToolNextYearSelect) %>%   
        as.data.frame()%>%
        arrange(desc(Freq))

##############============封装绘图函数========#####################
fun1 <-function(data1,xlab1,ylab1,xname1,yname1,titlename1){
  ggplot(data = data1,aes(x=xlab1,y=ylab1,fill=xlab1))+
    geom_bar(stat = ‘identity‘)+
    labs(x=xname1,y=yname1,title=titlename1)+
    coord_flip()+                  #翻转坐标轴
    geom_text(aes(label=ylab1),hjust=1)+   #数据标签
    theme(legend.position = ‘none‘,plot.title = element_text(size = 15,face = ‘bold.italic‘)) #去除图例,设置标题大小,字体
}
########################################################################  

#function(data,xlab1,ylab1,var1,xname1,yname1,titlename1)
data   <- study_tool[c(2:11),]
xname1 <- ‘明年将学习的学习工具‘
yname1 <- ‘人数‘
titlename1 <- ‘受访者明年将学习的学习工具调查‘
fun1(data,reorder(data$Var1,data$Freq),data$Freq,xname1,yname1,titlename1)

china_studytool <- survey %>% filter(survey$MLToolNextYearSelect !=‘‘&Country==‘China‘) %>%
              group_by(MLToolNextYearSelect) %>%
              summarise(count=n())%>%              #n() 汇总
              arrange(desc(count))