ggplot2実践編：都道府県別身長体重を使ってクラスタリング＆結果の可視化
明日からお仕事～
来週はいよいよSapporo.R～
ggplot2とだんだん仲良くなってきた気がしなくもないので、
今週もしつこくggplot2をやります。
慣れたら超楽しいね、ggplot2！！！！
まだまだポンコツだけど！！！
今回のお題
【仮 説 】身長体重って、なんか地域によって特性ありそうじゃない？
【使用データ】総務省統計局/学校保健調査平成26年「都道府県別/身長・体重・座高」17歳男女
【分析の流れ】
1.まずふつーーーに図示してみる。データ全体の把握。
2.k-平均法でクラスタリングしてみる
3.結果をうまいことggplot2に反映出来たらいいな
【動機】完全に思いつきです。
困ったときの教科書
いつもの2冊です。
- 作者: 金森敬文,竹之内高志,村田昇,金明哲
- 出版社/メーカー: 共立出版
- 発売日: 2009/10/23
- メディア: 単行本
- 購入: 5人 クリック: 61回
- この商品を含むブログ (10件) を見る
Rグラフィックスクックブック ―ggplot2によるグラフ作成のレシピ集
- 作者: Winston Chang,石井弓美子,河内崇,瀬戸山雅人,古畠敦
- 出版社/メーカー: オライリージャパン
- 発売日: 2013/11/30
- メディア: 大型本
- この商品を含むブログ (2件) を見る
でも今回全然開かなかった、成長。
早速やります
#統計局e-statより、学校保健調査平成26年度の調査表をお借り。 #17歳男女の身長・体重平均値です > data NAME m_height m_weight w_height w_weight 1 北 海 道 170.9 63.3 157.9 53.4 2 青 森 171.1 63.8 158.5 54.6 3 岩 手 170.3 64.4 157.6 53.4 4 宮 城 170.9 64.9 158.2 53.7 5 秋 田 171.4 65.7 158.3 53.5 6 山 形 170.8 65.0 157.7 53.5 7 福 島 170.3 62.5 157.9 54.1 8 茨 城 170.2 63.0 157.8 53.0 9 栃 木 170.4 63.0 157.3 54.5 10 群 馬 170.8 63.0 158.0 53.5 11 埼 玉 171.0 62.0 158.2 52.9 12 千 葉 170.9 62.6 157.8 53.5 13 東 京 170.9 62.2 158.6 52.3 14 神 奈 川 171.1 62.4 158.0 52.3 15 新 潟 170.8 62.6 158.1 53.4 16 富 山 171.4 63.5 158.1 53.1 17 石 川 171.7 63.5 158.4 52.7 18 福 井 171.3 63.2 158.3 53.2 19 山 梨 170.6 63.3 158.0 52.6 20 長 野 170.5 62.5 157.5 52.5 21 岐 阜 171.2 62.4 157.7 52.2 22 静 岡 170.4 61.7 158.0 52.5 23 愛 知 170.7 62.3 157.9 52.7 24 三 重 170.7 63.1 157.6 52.4 25 滋 賀 171.1 62.9 158.1 52.6 26 京 都 171.0 62.3 157.9 52.7 27 大 阪 171.2 62.5 158.5 53.2 28 兵 庫 170.4 62.5 158.0 53.0 29 奈 良 170.9 62.5 157.7 51.9 30 和 歌 山 170.7 62.9 157.9 53.0 31 鳥 取 171.1 62.1 158.4 53.1 32 島 根 169.8 61.9 157.5 53.2 33 岡 山 170.3 62.5 157.1 52.7 34 広 島 169.8 62.6 157.6 52.7 35 山 口 170.9 62.2 157.1 52.4 36 徳 島 170.0 63.4 156.6 53.2 37 香 川 170.1 62.2 157.1 52.1 38 愛 媛 170.2 62.7 157.0 53.0 39 高 知 169.8 62.9 157.4 52.7 40 福 岡 169.3 61.3 157.7 52.8 41 佐 賀 170.1 62.5 157.5 52.5 42 長 崎 170.7 63.5 157.1 53.0 43 熊 本 170.7 63.3 157.5 53.3 44 大 分 170.0 62.7 157.2 53.4 45 宮 崎 170.0 63.2 157.1 52.7 46 鹿 児 島 170.0 62.2 157.5 53.3 47 沖 縄 168.8 61.1 155.8 51.3 #m_height,m_weight:男性平均身長・体重 #w_height,w_weight:女性平均身長・体重 #データはrawのままいじってません library(ggplot2) #いったん描いてみよう ggplot(data,aes(x=m_weight,y=m_height))+ geom_point() #男性の身長をy,体重をxと置いてるだけ
うん、、
ラベル付けたい、、、
どうやらgeom_text()を使って自動的にラベル付けが出来そう。
> #プロットの色とかサイズとかを整えてオブジェクト化 > sp=ggplot(data,aes(x=m_weight,y=m_height))+ + geom_point(colour="orange",size=4) > sp+geom_text(aes(label=NAME),size=3,vjust=-1)
ちゃんと都道府県の名前が入りました。
ちなみに、このvjustという引数で若干ラベルの位置を調整出来ます。
色々試した結果、正の方向に動かすとラベルが下方向に
負の方向に増やすとラベルが上方向に動いてくれます。
今回はplotとラベルがかぶってたのでvjust=-1でちょい上にズラしてみました。
ここでplotを見てみると、
東北→体重が重め、ガタイよさげ
北陸・関東→身長高め、体重軽め～標準
九州・沖縄→小柄め
って感じに、なんとなく3グループに分けられそう。
ほんとかどうか確かめてみたい･･･
#なんか２、３個のグループに分けられそう、、、 #K-means法でクラスタリングしてみる library(kernlab) x=as.matrix(data[,2:3]) #（なんかNAMEの文字列処理に自信がなかったので切り出し。意味はないです） #クラスタ数3,初期値10で探索開始。 cl=kmeans(x,3,nstart=10) #評価値を算出。なかなか小さい値なのでいい感じ？ > sum(cl$withinss) [1] 19.00378 #クラスタリング結果 > print(cl) K-means clustering with 3 clusters of sizes 25, 18, 4 Cluster means: m_height m_weight 1 170.952 62.81600 2 170.000 62.41111 3 170.850 65.00000 Clustering vector: [1] 1 1 3 3 3 3 2 2 1 1 1 1 1 1 1 1 1 1 1 2 1 2 1 1 1 1 1 2 1 1 1 2 2 2 1 2 2 2 2 2 2 1 1 2 2 2 2 Within cluster sum of squares by cluster: [1] 8.396000 9.137778 1.470000 (between_SS / total_SS = 62.6 %) Available components: [1] "cluster" "centers" "totss" "withinss" "tot.withinss" "betweenss" [7] "size" "iter" "ifault" > #ggplot2でのクラスタリング結果の反映を考える > #クラスタを切り出してみた > cl1=data.frame(cl$cluster) > cl1 cl.cluster 1 1 2 1 3 3 4 3 5 3 6 3 7 2 8 2 9 1 10 1 11 1 12 1 13 1 14 1 15 1 16 1 17 1 18 1 19 1 20 2 21 1 22 2 23 1 24 1 25 1 26 1 27 1 28 2 29 1 30 1 31 1 32 2 33 2 34 2 35 1 36 2 37 2 38 2 39 2 40 2 41 2 42 1 43 1 44 2 45 2 46 2 47 2 #うまいことplotに反映させたいよねー #元データとくっつけてみた cl2=cbind(data$NAME,data$m_height,data$m_weight,cl1)#ダサい #みてみる >cl2 data$NAME data$m_height data$m_weight cl.cluster 1 北 海 道 170.9 63.3 1 2 青 森 171.1 63.8 1 3 岩 手 170.3 64.4 3 4 宮 城 170.9 64.9 3 5 秋 田 171.4 65.7 3 6 山 形 170.8 65.0 3 7 福 島 170.3 62.5 2 8 茨 城 170.2 63.0 2 9 栃 木 170.4 63.0 1 10 群 馬 170.8 63.0 1 11 埼 玉 171.0 62.0 1 12 千 葉 170.9 62.6 1 13 東 京 170.9 62.2 1 14 神 奈 川 171.1 62.4 1 15 新 潟 170.8 62.6 1 16 富 山 171.4 63.5 1 17 石 川 171.7 63.5 1 18 福 井 171.3 63.2 1 19 山 梨 170.6 63.3 1 20 長 野 170.5 62.5 2 21 岐 阜 171.2 62.4 1 22 静 岡 170.4 61.7 2 23 愛 知 170.7 62.3 1 24 三 重 170.7 63.1 1 25 滋 賀 171.1 62.9 1 26 京 都 171.0 62.3 1 27 大 阪 171.2 62.5 1 28 兵 庫 170.4 62.5 2 29 奈 良 170.9 62.5 1 30 和 歌 山 170.7 62.9 1 31 鳥 取 171.1 62.1 1 32 島 根 169.8 61.9 2 33 岡 山 170.3 62.5 2 34 広 島 169.8 62.6 2 35 山 口 170.9 62.2 1 36 徳 島 170.0 63.4 2 37 香 川 170.1 62.2 2 38 愛 媛 170.2 62.7 2 39 高 知 169.8 62.9 2 40 福 岡 169.3 61.3 2 41 佐 賀 170.1 62.5 2 42 長 崎 170.7 63.5 1 43 熊 本 170.7 63.3 1 44 大 分 170.0 62.7 2 45 宮 崎 170.0 63.2 2 46 鹿 児 島 170.0 62.2 2 47 沖 縄 168.8 61.1 2 #クラスタリング結果で先ほどのplotを色分けしてみる #やり方はほぼさっきと一緒。カラーの引数をクラスタにしてみた cl3=ggplot(cl2,aes(x=data$m_weight,y=data$m_height,colour=cl.cluster))+ geom_point(size=4) cl3+geom_text(aes(label=data$NAME),colour="grey40",size=3,vjust=-1)
できたーーーー
ちょっと色味がわかりにくいけど、
さっきなんとなく仮説立てた通り
東北→体重が重め、ガタイよさげ
北陸・関東→身長高め、体重軽め～標準
九州・沖縄→小柄め
って感じの3群になった･･･
k-means法の理論的背景とか、その辺も書きたかったし、
そもそもクラスタ結果は色分けじゃなくてshapeで△と〇とかに分けたかったけど
次回にしよう、、、（なぜかshape失敗したし･･･）
以上です。たのしかった。
