Rで何かをしたり、読書をするブログ

政府統計の総合窓口のデータや、OECDやUCIやのデータを使って、Rの練習をしています。ときどき、読書記録も載せています。

東京都の大型小売店販売額のデータの分析2 - Rでラインチャートを描くと、百貨店の減少傾向、スーパーの増加傾向がはっきりとわかる。

Bing Image Creator で生成: close up photograph of white clover flowers. white flowers and pink flowers.

www.crosshyou.info

の続きです。

今回はデータをグラフにしてみます。

このデータは、2018年の1月から12月までと、2022年の1月から12月までの24か月の時系列データなので、時系列を表すインデックスの変数を作成します。

2018年の1月は1とスタートして、2018年の12月は12、2022年の1月は13となるようにしています。

百貨店の店舗数の推移を見てみます。

はじめは32店舗でしたが、30店舗になったことがわかります。

スーパーの店舗数の推移をみてみます。

スーパーの店舗数は、逆に増加していますね。はじめは340店舗ぐらいですが、400店舗を超えています。

働いている人の数はどうでしょうか?

百貨店からみてみます。

百貨店で働く人数は減少傾向ですね。店舗の数が30でかわらないのに減り続けています。

スーパーの人数はどうでしょうか?

スーパーの人数は増加傾向です。

販売額総額をみてみます。

販売総額は12月がダントツに多いですね。2018年と比べると2022年は減少しているように見えます。


スーパーの販売総額を見てみます。

スーパーも12月の売上がダントツですね。スーパーは、2022年のほうが売上が増えていますね。

こうして、2018年と2022年のデータをラインチャートで推移を見るようにすると、

百貨店は減少傾向、スーパーは増加傾向にあることがはっきりわかりますね。

今回は以上です。

次回は、

www.crosshyou.info

です。

初めから読むには、

www.crosshyou.info

です。

今回のコードは以下になります。

#
# 時系列のインデックスの変数を作る
df <- df |> 
  mutate(t = if_else(year == "2018", 0, 12) +
           as.numeric(month)) |> 
  relocate(t)
df
#
# 百貨店の店舗数の推移
df |> 
  filter(type == "depa") |> 
  ggplot(aes(x = t, y = stores)) +
  geom_line()
#
# スーパーの店舗数の推移
df |> 
  filter(type == "supe") |> 
  ggplot(aes(x = t, y = stores)) +
  geom_line()
#
# 百貨店の人数の推移
df |> 
  filter(type == "depa") |> 
  ggplot(aes(x = t, y = persons)) +
  geom_line()
#
# スーパーの人数の推移
df |> 
  filter(type == "supe") |> 
  ggplot(aes(x = t, y = persons)) +
  geom_line()
#
# 百貨店の販売額の推移
df |> 
  filter(type == "depa") |> 
  ggplot(aes(x = t, y = total)) + 
  geom_line()
#
# スーパーの販売額の推移
df |> 
  filter(type == "supe") |> 
  ggplot(aes(x = t, y = total)) +
  geom_line()
#