13.2 شکل ۱ توزیع جهانی

نصب و فراخوانی پکیج‌های tidyverse و plotly

Code

## installing and importing packages
if (!require("tidyverse")) install.packages("tidyverse"); library(tidyverse)
if (!require("plotly")) install.packages("plotly"); library("plotly")

وارد کردن داده‌ها

Code

x = "./data/drug-global-survey-covid-19.csv"
df = read_csv(x)

Rows: 177 Columns: 6                                                                                                                
── Column specification ─────────────────────────────────────────────────────────────────────────
Delimiter: ","
chr  (4): Gender, Degree, Discipline, Country
dbl  (1): Age
date (1): Date

ℹ Use `spec()` to retrieve the full column specification for this data.
ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.

نگاه کلی به داده‌ها

df |> glimpse()

Rows: 177
Columns: 6
$ Gender     <chr> "Male", "Male", "Male", "Male", "Male", "Male", "Male", "Other/not disclosed…
$ Age        <dbl> 69, 37, 50, 61, 54, 44, 40, 64, NA, 62, 59, 62, 44, 32, 56, 32, NA, 53, 32, …
$ Date       <date> 2020-03-04, 2020-04-05, 2020-04-05, 2020-04-05, 2020-04-05, 2020-04-06, 202…
$ Degree     <chr> "MD;PhD", "MD", "MD", "PhD", "MD;PhD", "MD;PhD", "MD", "PhD", "MD", "PhD", "…
$ Discipline <chr> "Addiction medicine", "Psychiatry", "General Medicine", "Psychiatry", "Psych…
$ Country    <chr> "Netherlands", "Iran", "Iran", "Belgium", "Italy", "Cyprus", "Thailand", "Un…

از هر کشور چه تعداد شرکت کرده‌اند. اسامی کشورها بر حسب تعداد از بیشتر به کمتر مرتب شده درون متغیر df_country ذخیره شوند.

Code

df_country = df |>
  group_by(Country) |>
  summarise(count = n()) |>
  rename(value = Country) |>
  mutate(
    percent = (count / sum(count) * 100) |> round(2),
    value = value |> reorder(count)
  ) |>
  arrange(desc(count))


df_country

# A tibble: 77 × 3
   value          count percent
   <chr>          <int>   <dbl>
 1 India             13    7.34
 2 United States     13    7.34
 3 Iran              12    6.78
 4 Netherlands       10    5.65
 5 United Kingdom     9    5.08
 6 Australia          6    3.39
 7 Italy              6    3.39
 8 Canada             4    2.26
 9 Indonesia          4    2.26
10 Lithuania          4    2.26
# ℹ 67 more rows
# ℹ Use `print(n = ...)` to see more rows

نمودار ستونی رسم کنید که سهم هر کشور برای شرکت در نظر سنجی را برحسب تعداد نشان دهد. به صورتی که رنگ نوارهای کشورهای با بیش یا مساوی ۹ نفر متفاوت از کشورهای دیگر باشد و در نهایت نمودار را با فرمت png و با نام country-barchart در پوشه img ذخیره کنید.

Code

country_barchart = 
  ## importing data to ggplot
  df_country |> 
  ## ggplot panel
  ggplot() +
  ## aesthetic
  aes(x = count, y = value, fill = count >= 9) +
  ## chart type
  geom_col() +
  ## custom labels
  labs(
    x = "N",
    y = "Country",
    fill = "N"
  ) +
  ## general theme
  theme_minimal(base_family = "Roboto", base_size = 6) +
  ## custom theme
  theme(
    legend.position = "none",
    plot.background = element_rect(fill = "white", colour = "white"),
    panel.background = element_rect(fill = "white", colour = "white")
  )

## save plot
ggsave(
  filename = "./img/country-barchart.png",
  plot = country_barchart,
  dpi = 300, 
  width = 85,
  height = 150,
  units = "mm"
)

شکل 13.6: نمودار نواری تعداد افراد شرکت کننده در هر کشور

نقشه جهان را به گونه‌ای رسم کنید که برای هر کشور یک طیف رنگی متناسب با تعداد افراد مشخص شده باشد. خروجی نهایی را با فرمت png و با نام figure-1-global-distribution در پوشه img ذخیره کنید.

Code

## get global map data and save in df_world ----
df_world = map_data("world")

## check region name ----
# df_world$region |> unique()

## campare country name with region ----
# df_country[!(df_country$value %in% df_world$region), ]$value |> unique()

## correct country name ----
df_country = df_country |>
  mutate(
    value = value |> str_replace_all(c(
    "United States" = "USA",
    "Burma" = "Myanmar",
    "United Kingdom" = "UK", 
    "Palestinian" = "Palestine"
    ))
  )

## merge two data base ----
df_world = full_join(
  ## remove Antarctica area
  df_world |> filter(region != "Antarctica"),
  ## remove Macau
  df_country |> filter(value != "Macau"),
  ## merging global world by region with country by value ----
  by = c("region"="value")
)

## check data frame after merging ----
# df_world |> filter(is.na(region))

## importing map in global_map variable ----
global_map = 
  ## inserting data in ggplot
  df_world |> 
  ## creating ggplot panel
  ggplot() +
  ## setting x, y, group and label in aesthetic
  aes(x = long, y = lat, group = group, label = region) +
  ## drawing colored map base on count
  geom_polygon(aes(fill = count), color = "black", lwd = 0.1) +
  ## setting filled color
  scale_fill_gradient(
    low = "orange",
    high = "darkRed",
    na.value = "#e6e6e6",
    limits = c(1, 13),
    n.breaks = 10
  ) +
  ## cutting frame and remove non-necessary area
  coord_equal(xlim = c(-155, +165), ylim = c(-50, 80)) +
  ## setting global theme and font
  theme_void(base_family = "Roboto") +
  ## customizing global theme
  theme(
    legend.title = element_blank(),
    legend.position = c(0.09, 0.4),
    legend.key.width = unit(3, "mm"),
    legend.key.size = unit(7, "mm"),
    legend.text = element_text(size = 7, face = "bold"),
    plot.margin = margin(t = 0,r = 0,b = 0,l = 0, unit = "pt"),
    plot.background = element_rect(fill = "white", colour = "white"),
    panel.background = element_rect(fill = "white", colour = "white")
  )

## save plot
ggsave(
  filename = "./img/figure-1-global-distribution.png",
  plot = global_map,
  dpi = 300,
  width = 180,
  height = 73,
  units = "mm"
)

شکل 13.7: نقشه توزیج جهانی تعداد افراد شرکت کننده در هر کشور

نمودار رسم شده را به صورت واکنشگرا رسم کنید و در فایلی به فرمت html با نام global-distribution-responsive ذخیره کنید.

Code

## creating responsive global map
global_map |> 
  ggplotly() |>
  as_widget() |>
  htmlwidgets::saveWidget("./img/global-distribution-responsive.html")