の続きです。今回は、各データが地理的な傾向があるかどうかを見てみたいと思います。まず、したの図のようなCSVファイルをCopilotに相談して作りました。
これを読み込みます。
これを基のデータフレーム、dfと結合します。
これで準備完了です。
グラフにしてみます。令和5年のだけでグラフにします。在院患者数のtotalをグラフ化してみます。
文字、丸のサイズが大きいほど在院患者数が多いということです。西日本というか四国、九州のほうが在院患者数が多い傾向だとわかりますね。vjust = -0.5 で表示する都道府県名を少し上に表示しています。
次は、精神科病院の患者数の比率をグラフにしてみます。
東北と九州がサイズが大きいことがわかります。
今回は以上です。
次回は
です。
はじめから読むには、
です。
今回のコードは以下になります。
#
# 都道府県の位置情報のデータを読み込む
ichi <- read_csv("pref_ido_keido.csv")
ichi
#
# dfとichiを結合
df <- df |>
inner_join(ichi, join_by(pref == 都道府県))
df
#
# 令和5年の在院患者数、total
df |>
filter(year == "r5" & type == "zai") |>
ggplot(aes(x = keido, y = ido, size = total)) +
geom_point(alpha = 0.3, color = "red") +
geom_text(aes(label = pref), vjust = -0.5) +
theme_bw()
#
# 令和5年の精神科病院の患者数の比率, ratio
df |>
filter(year == "r5" & type == "zai") |>
ggplot(aes(x = keido, y = ido, size = ratio)) +
geom_point(alpha = 0.3, color = "blue") +
geom_text(aes(label = pref), vjust = -0.5) +
theme_bw()
#
(冒頭の写真は Bing Image Creator で生成しました。プロンプトは Landscape of long wide river, flowering yellow Dandelion flowers and red rose flowers along side with the river, photo です。
