R语言ggplot2画图风暴数据分析报告附代码数据.docx
《R语言ggplot2画图风暴数据分析报告附代码数据.docx》由会员分享，可在线阅读，更多相关《R语言ggplot2画图风暴数据分析报告附代码数据.docx（11页珍藏版）》请在冰豆网上搜索。
R语言ggplot2画图风暴数据分析报告附代码数据
R语言ggplot2画图风暴数据分析报告
#＃加载需要的库包
library（"knitr"）
library（"lattice"）
library（"ggplot2"）
library（"gridExtra"）
现在，数据集风暴已经被加载，如下表所示：
setwd（"J:
/SDSU/Coursera/Reproducibleresearch/Asgn2/strom_data"）
require（"knitr"）
opts_knit$set（root.dir="J:
/SDSU/Coursera/Reproducibleresearch/Asgn2/strom_data"）
strom<-read.csv（"strom_data.csv",sep=","）
head（strom）
##STATE__BGN_DATEBGN_TIMETIME_ZONECOUNTYCOUNTYNAMESTATE
##114/18/19500:
00130CST97MOBILEAL
##214/18/19500:
00145CST3BALDWINAL
##312/20/19510:
001600CST57FAYETTEAL
##416/8/19510:
00900CST89MADISONAL
##5111/15/19510:
001500CST43CULLMANAL
##6111/15/19510:
002000CST77LAUDERDALEAL
##EVTYPEBGN_RANGEBGN_AZIBGN_LOCATIEND_DATEEND_TIMECOUNTY_END
##1TORNADO00
##2TORNADO00
##3TORNADO00
##4TORNADO00
##5TORNADO00
##6TORNADO00
##COUNTYENDNEND_RANGEEND_AZIEND_LOCATILENGTHWIDTHFMAGFATALITIES
##1014100300
##202150200
##300.1123200
##400100200
##500150200
##601.5177200
##INJURIESPROPDMGPROPDMGEXPCROPDMGCROPDMGEXPWFOSTATEOFFICZONENAMES
##11525K0
##202.5K0
##3225K0
##422.5K0
##522.5K0
##662.5K0
##LATITUDELONGITUDELATITUDE_ELONGITUDE_REMARKSREFNUMXX.1X.2
##130408812305188061
##230428755002
##333408742003
##434588626004
##534128642005
##634508748006
现在，我们需要修剪数据集为我们的目的。
这需要从数据集中选择某些变量。
变量包括开始数据“BGN_DATE”，事件类型“EVTYPE”，死亡人数“致命”，受伤人数“受伤”，财产损失“PROPDMG”和作物损害“CROPDMG”。
而事件的总结可以得到如下：
#Trimthedatasettorequiredcolumnsonly
stormEvent<-strom[,c（"BGN_DATE","EVTYPE","FATALITIES","INJURIES",
"PROPDMG","PROPDMGEXP","CROPDMG","CROPDMGEXP"）]
summary（stormEvent）
##BGN_DATEEVTYPEFATALITIES
##5/25/20110:
00:
1202HAIL:
2886120:
895266
##4/27/20110:
00:
1193TSTMWIND:
2199211:
5008
##6/9/20110:
00:
1030THUNDERSTORMWIND:
82563:
1416
##5/30/20040:
00:
1016TORNADO:
605772:
1003
##4/4/20110:
00:
1009FLASHFLOOD:
542773:
316
##4/2/20060:
00:
981FLOOD:
253264:
167
##（Other）:
897439（Other）:
172594（Other）:
694
##INJURIESPROPDMGPROPDMGEXPCROPDMG
##0:
8845660:
663188:
4674210:
880055
##1:
77565:
32649K:
4246105:
4276
##2:
313410:
22010M:
1132010:
2381
##3:
15501:
190660:
21650:
2011
##:
14952:
17865F0:
143:
1427
##4:
92725:
17695B:
401:
1404
##（Other）:
4442（Other）:
131397（Other）:
120（Other）:
12316
##CROPDMGEXP
##:
619698
##K:
281832
##M:
1994
##G4:
143
##OKLAHOMA,Western,CentralandSoutheast:
137
##k:
21
##（Other）:
45
Thedatahasbeenseparatedintotwotypes:
1.fatalitiesdata:
-whichconsistsofnumberoffatalitiesandinjuriesduetotheevent.2.economicdata:
-whichconsistsofamountoflossesonthepropertyandcropincurredduetotheevent.Afterthatthesumofthefatalitiesforeachindividualeventhasbeenclassifiedandrankedindescendingorderandtopfiveeventareselected.Theeventsforthefatalitiesarelistedas:
fatalities_data<-subset（strom,strom$FATALITIES!
=0&strom$INJURIES!
=0,select=c（EVTYPE,FATALITIES,INJURIES））
fatalities_list<-aggregate（as.numeric（fatalities_data$FATALITIES）,
by=list（fatalities_data$EVTYPE）,FUN=sum）
colnames（fatalities_list）<-c（"EVENT","FATALITIES"）
fatalities_list<-fatalities_list[order（fatalities_list$FATALITIES,decreasing=TRUE）,][1:
5,]
kable（fatalities_list,format="pandoc"）
EVENT
FATALITIES
95
TORNADO
35952
65
LIGHTNING
3464
98
TSTMWIND
2376
26
EXCESSIVEHEAT
1872
31
FLASHFLOOD
1589
Similarly,thesumoftheinjuriesforeachindividualeventhasbeenclassifiedandrankedindescendingorderandtopfiveeventareselected.Theeventsfortheinjuriesarelistedas:
injury_list<-aggregate（as.numeric（fatalities_data$INJURIES）,
by=list（fatalities_data$EVTYPE）,FUN=sum）
colnames（injury_list）<-c（"EVENT","INJURIES"）
injury_list<-injury_list[order（injury_list$INJURIES,decreasing=TRUE）,][1:
5,]
kable（injury_list,format="pandoc"）
EVENT
INJURIES
95
TORNADO
133109
65
LIGHTNING
13508
98
TSTMWIND
9869
26
EXCESSIVEHEAT
5280
53
HIGHWIND
4864
Now,thebarplotfortheabovetabulardatahasbeenconstructedforthebettervisualization.So,theplotisobtainedforthenumberoffatalitiesandinjuriesareshownbelow.
Death_plot<-ggplot（）+geom_bar（data=fatalities_list,aes（x=EVENT,
y=FATALITIES,fill=interaction（FATALITIES,EVENT））,stat="identity",
show.legend=F）+theme（axis.text.x=element_text（angle=30,hjust=1））+
xlab（"HarmfulEvents"）+ylab（"No.offatailities"）+ggtitle（"Top5weathereventscausingfatalities"）+
theme（axis.text.x=element_text（angle=30,hjust=1））
Injury_plot<-ggplot（）+geom_bar（data=injury_list,aes（x=EVENT,
y=INJURIES,fill=interaction（INJURIES,EVENT））,stat="identity",
show.legend=F）+theme
升级会员 