ggplot2学习笔记：美国1850年到2013年间陆地温度变化

用户7010445

发布于 2020-03-03 14:56:13

6330

发布于 2020-03-03 14:56:13

文章被收录于专栏：小明的数据分析笔记本小明的数据分析笔记本

原文地址

Land Temperature Change in the Continental US 1850-2013

读入数据

这一步学到一个新函数 tidyr::separate() 作用是根据指定分隔符拆分列通过函数help(package="tidyr")查看separate()函数的帮助文档里面的实例

> df <- data.frame(x = c(NA, "a.b", "a.d", "b.c"))
> df %>% separate(x, c("A", "B"))
     A    B
1 <NA> <NA>
2    a    b
3    a    d
4    b    c

原文的用法是把时间数据拆分成年月日，比如 1999-11-11 拆分成三列，分别是年月日

代码

library(dplyr)
library(tidyr)
library(ggplot2)
df<-read.csv("../../../Desktop/Data_analysis_practice/Kaggle/Climate_Change/GlobalLandTemperaturesByState.csv")
df1<-df%>%
  filter(Country=="United States")%>% #筛选国家为美国
  separate(col=dt,into=c("Year","Month","Day"),convert=T) #拆分df列为年月日三列
df1<-na.omit(df1)#删除缺失值
df2<-df1%>%
  filter(State!="Hawaii"&State!="Alaska")#删除Huwaii和Alaska
df2<-na.omit(df2)#删除缺失值
df3<-df2%>%
  filter(Year>1850)%>% #筛选年份大于1850
  group_by(Year)%>%
  summarise(Temp=mean(AverageTemperature))#按照年份计算平均值

得到下面分析用到的数据集df3

数据可视化

美国1850到2013年间的年平均温度

ggplot(df3,aes(x=Year,y=Temp))+
  geom_point(aes(color=Temp))+
  geom_smooth()+
  scale_color_gradient(low="blue",high="red")+
  theme_bw()+
  labs(title="US Average Temperature 1850-2013")

image.png

箱线图展示美国各个州年平均温度（时间间隔为40年）

df4<-df2 %>% 
  filter(Year==1850 | Year==1890 | Year==1930 | Year==1970 | Year==2013) %>%
  group_by(State,Year) %>% 
  summarise(Temp = mean(AverageTemperature))
head(df4)
df4$Year<-factor(df4$Year)
ggplot(df4,aes(x=Year,y=Temp,group=Year))+
  geom_boxplot(aes(fill=Year))+
  theme_bw()+
  ggtitle("Average Temperature for 40 Year Intervals")+
  labs(y="Average Temperature")

image.png

方差分析探究5年间的年平均温度是否有差异

c<-aov(Temp~Year,data=df4)
summary(c)
TukeyHSD(c)
###
> summary(c)
             Df Sum Sq Mean Sq F value Pr(>F)  
Year          4    218   54.52   2.807 0.0264 *
Residuals   240   4662   19.43                 
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
> TukeyHSD(c)
  Tukey multiple comparisons of means
    95% family-wise confidence level

Fit: aov(formula = Temp ~ Year, data = df4)

$`Year`
                  diff        lwr      upr     p adj
1890-1850  0.415243197 -2.0323195 2.862806 0.9902477
1930-1850  0.607991497 -1.8395712 3.055554 0.9600409
1970-1850  0.420858844 -2.0267039 2.868422 0.9897377
2013-1850  2.666743197  0.2191805 5.114306 0.0250385
1930-1890  0.192748299 -2.2548144 2.640311 0.9995095
1970-1890  0.005615646 -2.4419471 2.453178 1.0000000
2013-1890  2.251500000 -0.1960627 4.699063 0.0877744
1970-1930 -0.187132653 -2.6346954 2.260430 0.9995637
2013-1930  2.058751701 -0.3888110 4.506314 0.1446209
2013-1970  2.245884354 -0.2016784 4.693447 0.0891290

方差分析结果P值小于0.05，说明有的组间存在差异，接下来通过邓肯检验确定具体哪些组之间存在差异邓肯检验结果P值小于0.05是2013年和1850年

ggplot2作图展示邓肯检验结果

Tuk<-TukeyHSD(c)$Year
dfTuk<-as.data.frame(Tuk)
dfTuk$Year<-rownames(Tuk)
dfTuk$Year<-factor(dfTuk$Year,levels=dfTuk$Year)
colnames(dfTuk)<-c("diff","lwr","upr","padj","Year")
dfTuk
ggplot()+
  geom_point(data=dfTuk,aes(x=Year,y=lwr))+
  geom_point(data=dfTuk,aes(x=Year,y=upr))+
  geom_segment(data=dfTuk,aes(x=Year,xend=Year,
                              y=lwr,yend=upr))+
  geom_text(data=dfTuk,aes(x=Year,y=mean(lwr+upr),
                            label=ifelse(padj<0.05,"*","")),
            vjust=0.1,size=10)+
  geom_hline(yintercept=0,lty="dashed")+
  coord_flip()+
  theme_bw()+labs(x="")