R ekosisteminde veri birleştirme (joining)
Sadettin Demirel
28/06/2019
Paketler
library(readxl)
library(tidyverse)## Registered S3 methods overwritten by 'ggplot2':
## method from
## [.quosures rlang
## c.quosures rlang
## print.quosures rlang## -- Attaching packages ------------------------------------- tidyverse 1.2.1 --## v ggplot2 3.1.1 v purrr 0.3.2
## v tibble 2.1.2 v dplyr 0.8.1
## v tidyr 0.8.3 v stringr 1.4.0
## v readr 1.3.1 v forcats 0.4.0## -- Conflicts ---------------------------------------- tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag() masks stats::lag()#grafiklerde kullanacağımız fontu belirledik
windowsFonts("Proxima Nova" = windowsFont("Proxima Nova"))
#verilerde yer alan türkçe karakterler için
Sys.setlocale("LC_CTYPE", "turkish")## [1] "Turkish_Turkey.1254"Veriyi içeri aktarma
ibb_akp <- readRDS("C:/Users/Sadettin/Rstats/veri_birlestirme_dplyr/ibb_akp.rds")
ibb_chp <- readRDS("C:/Users/Sadettin/Rstats/veri_birlestirme_dplyr/ibb_chp.rds")
yolsuzluk_endeks <- readRDS("C:/Users/Sadettin/Rstats/veri_birlestirme_dplyr/yolsuzluk_endeks.rds")
dunya_ozgur <- readRDS("C:/Users/Sadettin/Rstats/veri_birlestirme_dplyr/dunya_ozgur.rds")Verileri önizleyelim
glimpse(yolsuzluk_endeks)## Observations: 180
## Variables: 3
## $ ülke <chr> "Denmark", "New Zealand", "Finland", "Singapore", "Swede...
## $ bölge <chr> "WE/EU", "AP", "WE/EU", "AP", "WE/EU", "WE/EU", "WE/EU",...
## $ skor <dbl> 88, 87, 85, 85, 85, 85, 84, 82, 81, 81, 80, 80, 77, 76, ...glimpse(dunya_ozgur)## Observations: 208
## Variables: 3
## $ ülke <chr> "Abkhazia", "Afghanistan", "Albania", "Algeria", "Andorr...
## $ durum <chr> "Yarı Özgür", "Özgür Değil", "Yarı Özgür", "Özgür Değil"...
## $ puan <dbl> 41, 26, 68, 35, 96, 26, 83, 83, 45, 98, 94, 12, 91, 12, ...1.left_join ve right_join
ibb_secim1 <- ibb_akp %>% left_join(ibb_chp, by ="ilçe")
ibb_secim1## # A tibble: 39 x 3
## ilçe akp chp
## <chr> <dbl> <dbl>
## 1 zeyti·nburnu 47.1 52
## 2 üsküdar 44.8 54.1
## 3 ümrani·ye 51.6 47.5
## 4 tuzla 45.6 53.1
## 5 sultangazi· 57.6 41.3
## 6 sultanbeyli· 65.8 32.8
## 7 şi·şli· 25.9 73.3
## 8 si·li·vri· 37.5 61.8
## 9 şi·le 49.3 49.2
## 10 sariyer 38.3 60.8
## # ... with 29 more rowsibb_secim2<- ibb_akp %>% right_join(ibb_chp, by ="ilçe")
ibb_secim2## # A tibble: 39 x 3
## ilçe akp chp
## <chr> <dbl> <dbl>
## 1 adalar 28.6 70.9
## 2 arnavutköy 60.2 38.7
## 3 ataşehi·r 39.3 59.8
## 4 avcilar 37.3 62
## 5 bağcilar 56.5 42.4
## 6 bahçeli·evler 47.2 51.8
## 7 bakirköy 20.1 79.2
## 8 başakşehi·r 51.2 47.5
## 9 bayrampaşa 48.5 50.6
## 10 beşi·ktaş 15.7 83.7
## # ... with 29 more rowsGörselleştirelim
Özel temayı belirleyelim
theme_custom1 <- function() {
theme_minimal() +
theme(
text = element_text(family = "Proxima Nova", color = "gray25"),
plot.title = element_text(face = "bold",size = 14),
plot.subtitle = element_text(size = 13),
axis.text.x= element_text(size=11),
axis.text.y = element_text(size=11),
plot.caption = element_text(size = 11, color = "gray30"),
plot.background = element_rect(fill = "#f6f5f5"),
legend.position = "none",
strip.background = element_rect(colour = "#d9d9d9", fill = "#d9d9d9"),
strip.text.x = element_text(size = 11, colour = "gray25", face = "bold"))
}ibb_secim1 %>% mutate(fark = chp-akp) %>%
ggplot(aes(fct_reorder(ilçe, fark), fark,fill = ifelse(fark>0,"chp","akp")))+
geom_col()+
geom_text(aes(x = ilçe, y = fark,label = round(fark, 1), hjust = ifelse(fark > 0,-0.3,1.2)),size = 3.8,color= "gray25")+
coord_flip()+
scale_fill_manual(values =c("akp"="#ff922b","chp"="#fa5252"))+
theme_custom1()+
labs(x="",y="oy farkı",
title = "İmamoğlu ve Yıldırım Arasındaki Oy Farkı",
subtitle = "Sıfırdan büyük değerlerde CHP, küçük değerlerde ise AKP öndedir",
caption ="@demirelsadettin")
2.inner_join, anti_join ve full_join
yeni_veri1 <- yolsuzluk_endeks %>% inner_join(dunya_ozgur, by = "ülke")
yeni_veri1## # A tibble: 169 x 5
## ülke bölge skor durum puan
## <chr> <chr> <dbl> <chr> <dbl>
## 1 Denmark WE/EU 88 Özgür 97
## 2 New Zealand AP 87 Özgür 98
## 3 Finland WE/EU 85 Özgür 100
## 4 Singapore AP 85 Yarı Özgür 52
## 5 Sweden WE/EU 85 Özgür 100
## 6 Switzerland WE/EU 85 Özgür 96
## 7 Norway WE/EU 84 Özgür 100
## 8 Netherlands WE/EU 82 Özgür 99
## 9 Canada AME 81 Özgür 99
## 10 Luxembourg WE/EU 81 Özgür 98
## # ... with 159 more rowsyeni_veri1 %>% ggplot(aes(skor, puan,color =bölge, size = puan))+ geom_jitter(size =4)+facet_wrap(~bölge)
yeni_veri2 <- yolsuzluk_endeks %>% anti_join(dunya_ozgur, by = "ülke")
yeni_veri2## # A tibble: 11 x 3
## ülke bölge skor
## <chr> <chr> <dbl>
## 1 United States of America AME 71
## 2 Brunei Darussalam AP 63
## 3 Saint Vincent and the Grenadines AME 58
## 4 Cabo Verde SSA 57
## 5 Korea, South AP 57
## 6 Saint Lucia AME 55
## 7 Gambia SSA 37
## 8 Democratic Republic of the Congo SSA 20
## 9 Congo SSA 19
## 10 Guinea Bissau SSA 16
## 11 Korea, North AP 14yeni_veri3 <- dunya_ozgur %>% anti_join(yolsuzluk_endeks, by = "ülke")
yeni_veri3## # A tibble: 39 x 3
## ülke durum puan
## <chr> <chr> <dbl>
## 1 Abkhazia Yarı Özgür 41
## 2 Andorra Özgür 96
## 3 Antigua and Barbuda Özgür 83
## 4 Belize Özgür 86
## 5 Brunei Özgür Değil 28
## 6 Cape Verde Özgür 90
## 7 Congo (Brazzaville) Özgür Değil 21
## 8 Congo (Kinshasa) Özgür Değil 17
## 9 Fiji Yarı Özgür 59
## 10 Gaza Strip Özgür Değil 12
## # ... with 29 more rowsyeni_veri4 <- yolsuzluk_endeks %>% full_join(dunya_ozgur, by = "ülke")
yeni_veri4## # A tibble: 219 x 5
## ülke bölge skor durum puan
## <chr> <chr> <dbl> <chr> <dbl>
## 1 Denmark WE/EU 88 Özgür 97
## 2 New Zealand AP 87 Özgür 98
## 3 Finland WE/EU 85 Özgür 100
## 4 Singapore AP 85 Yarı Özgür 52
## 5 Sweden WE/EU 85 Özgür 100
## 6 Switzerland WE/EU 85 Özgür 96
## 7 Norway WE/EU 84 Özgür 100
## 8 Netherlands WE/EU 82 Özgür 99
## 9 Canada AME 81 Özgür 99
## 10 Luxembourg WE/EU 81 Özgür 98
## # ... with 209 more rows