Bing Image Creator で生成: Closeup photo of white lily flowers, background is great amazon river, photo
の続きです。
前回は、景気ウォッチャー調査の total: 総合の値の current: 現状の方向性、future: 先行きの方向性、level: 現状の水準のラインチャートを描いてみました。結果は3つともよく似た動きをしていることがわかりました。
次は家計と企業の動きを見てみましょう。
current: 現状の方向性のラインチャートです。赤が家計、緑が企業、黒が総合です。
同じような動きですね。
それぞれの平均値と標準偏差を group_by() 関数と summarize() 関数で算出してみましょう。
家計のほうが少し、企業よりも平均値が低く、標準偏差も小さいことがわかります。
全ての変数を type で分けないで平均値を算出してみましょう。
一番平均値の小さいのは、h_r_cloth: 家計動向関連_小売関連_衣料専門店で、37.2です。
一番平均値の大きいのは、employ: 雇用関連です。
この２つのラインチャートを描いてみます。
赤が衣料専門店で緑が雇用です。現状の方向性です。
先行きの方向性のラインチャートを同様に作成します。
水準のチャートを見てみます。
水準が一番、両者の違いが大きい感じですね。
今回は以上です。
次回は
です。
初めから読むには、
です。
今回のコードは以下になります。
#
# 家計と企業のグラフ
df |>
filter(type == "current") |>
ggplot(aes(x = date)) +
geom_line(aes(y = household), color = "red") +
geom_line(aes(y = company), color = "green") +
geom_line(aes(y = total), color = "black")
#
# total, household, companyの統計値
df |>
group_by(type) |>
summarize(
avg_total = mean(total, na.rm = TRUE),
avg_household = mean(household, na.rm = TRUE),
avg_company = mean(company, na.rm = TRUE),
sd_total = sd(total, na.rm = TRUE),
sd_household = sd(household, na.rm = TRUE),
sd_company = sd(company, na.rm = TRUE)
)
#
# 全ての変数の平均値
colMeans(df |> select(total:employ), na.rm = TRUE)
#
# h_r_cloth と employ のラインチャート、current
df |>
filter(type == "current") |>
ggplot(aes(x = date)) +
geom_line(aes(y = h_r_cloth), color = "red") +
geom_line(aes(y = employ), color = "green")
#
# h_r_cloth と employ のラインチャート、future
df |>
filter(type == "future") |>
ggplot(aes(x = date)) +
geom_line(aes(y = h_r_cloth), color = "red") +
geom_line(aes(y = employ), color = "green")
#
# h_r_cloth と employ のラインチャート、level
df |>
filter(type == "level") |>
ggplot(aes(x = date)) +
geom_line(aes(y = h_r_cloth), color = "red") +
geom_line(aes(y = employ), color = "green")
#
