일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
Tags
- dx
- 시각화
- cnn
- 머신러닝
- 프로그래머스
- ML
- 빅데이터분석기사
- 딥러닝
- SQLD
- Ai
- 기계학습
- 한국전자통신연구원 인턴
- 웹크롤링
- hadoop
- 에트리 인턴
- 하둡
- python
- 한국전자통신연구원
- 하계인턴
- arima
- r
- 다변량분석
- 에이블러
- ETRI
- httr
- 에이블스쿨
- 서평
- 시계열
- KT AIVLE
- 지도학습
- Eda
- KT 에이블스쿨
- matplot
- ggplot2
- kaggle
- kt aivle school
- SQL
- 빅분기
- 가나다영
- 소셜네트워크분석
Archives
- Today
- Total
소품집
[Kaggle] 도로교통공단 기초 카운트 시각화 본문
728x90
노잼 팀플
# report - 기초 통계 파악
setwd('/Users/dayeong/Desktop/research/data/traffic_accident')
library(ggplot2)
library(dplyr)
library(tidyverse)
# Data load
pedestrian_accident <- read.csv('도로교통공단_보행자 교통사고(2019).csv', fileEncoding = 'euc-kr')
type_accident <- read.csv('도로교통공단_사고유형별 가해운전자 도로종류별 교통사고(2019).csv', fileEncoding = 'euc-kr')
law_type_accident <- read.csv('도로교통공단_사고유형별 가해운전자 법규위반별 교통사고(2019).csv',fileEncoding = 'euc-kr')
# 1. '서울시' pedestrian_accident (보행자 교통사고)
pedestrian_accident <- subset(pedestrian_accident, 시도=='서울')
pedestrian_accident %>%
ggplot(aes(x=시군구, y=사고건수)) +
geom_bar(stat="identity", fill="#f68060", alpha=.6, width=.4) +
coord_flip() +
xlab("") +
theme_bw() +
theme_bw(base_family = 'AppleGothic')
# 2. '전국' type_accident (사고유형별 교통사고)
# 2-0. 사고유형중분류 별 - 사고건수
type_accident %>%
ggplot(aes(x=사고유형대분류, y=사고건수))+
geom_bar(stat="identity", fill="#f68060", alpha=.6, width=.4) +
coord_flip() +
xlab("") +
theme_bw() +
theme_bw(base_family = 'AppleGothic')
# 2-1. 사고유형대분류 별 - 사망자수
type_accident %>%
ggplot(aes(x=사고유형대분류, y=사망자수)) +
geom_bar(stat="identity", fill="#f68060", alpha=.6, width=.4) +
coord_flip() +
xlab("") +
theme_bw() +
theme_bw(base_family = 'AppleGothic')
# 2-2. 사고유형중분류 별 - 사망자수
type_accident %>%
ggplot(aes(x=사고유형중분류, y=사망자수)) +
geom_bar(stat="identity", fill="#f68060", alpha=.6, width=.4) +
coord_flip() +
xlab("") +
theme_bw() +
theme_bw(base_family = 'AppleGothic')
# 2-3. 도로종류 별 - 사망자수
type_accident %>%
ggplot(aes(x=도로종류, y=사망자수)) +
geom_bar(stat="identity", fill="#f68060", alpha=.6, width=.4) +
coord_flip() +
xlab("") +
theme_bw() +
theme_bw(base_family = 'AppleGothic')
# 3. '전국' law_type_accident (법규위반 별 교통사고)
# 3-1. 사고유형대분류 별 - 사망자수
law_type_accident %>%
ggplot(aes(x=사고유형대분류, y=사망자수)) +
geom_bar(stat="identity", fill="#f68060", alpha=.6, width=.4) +
coord_flip() +
xlab("") +
theme_bw() +
theme_bw(base_family = 'AppleGothic')
# 3-2. 사고유형중분류 별 - 사망자수
law_type_accident %>%
ggplot(aes(x=사고유형중분류, y=사망자수)) +
geom_bar(stat="identity", fill="#f68060", alpha=.6, width=.4) +
coord_flip() +
xlab("") +
theme_bw() +
theme_bw(base_family = 'AppleGothic')
# 3-3. 가해자법규위반 별 - 사망자수
law_type_accident %>%
ggplot(aes(x=가해자법규위반, y=사망자수)) +
geom_bar(stat="identity", fill="#f68060", alpha=.6, width=.4) +
coord_flip() +
xlab("") +
theme_bw() +
theme_bw(base_family = 'AppleGothic')
728x90
'AI' 카테고리의 다른 글
[python] pandas 패키지 모음 (0) | 2020.10.16 |
---|---|
[Dacon] 심리 성향 예측 AutoML 따라하기 (0) | 2020.10.15 |
[Kaggle] Japan Restaurant Visitor Forecasting EDA with R (1) | 2020.09.10 |
[Kaggle] 올림픽 데이터를 활용한 EDA (0) | 2020.09.08 |
[Kaggle] avocado price EDA (0) | 2020.09.08 |
Comments