Esimerkit datan hyödyntämiseen R-kielellä

Muokattu

20. marraskuuta 2023

1 Etuushakemukset data

2 Datan lukeminen

library(dplyr)
library(readr)
library(forcats)
cols(
  etuus = col_character(),
  vuosi = col_integer(),
  aikatyyppi = col_character(),
  kuukausi = col_integer(),
  viikko = col_integer(),
  paiva = col_date(),
  viikonpaiva = col_character(),
  alue = col_character(),
  ikaluokka = col_character(),
  sukupuoli = col_character(),
  saapuneet_hakemukset = col_double(),
  data = col_character(),
  saajat_kaikki = col_double(),
  saajat_uudet = col_double(),
  saajakotitaloudet_kaikki = col_double(),
  saajakotitaloudet_uudet = col_double(),
  saajaruokakunnat_kaikki = col_double(),
  saajaruokakunnat_uudet = col_double(),
  updated = col_datetime()
) -> data_cols


dat <- readr::read_csv("https://raw.githubusercontent.com/kelaresearchandanalytics/koronamittarit/master/docs/data/data_etuudet.csv", 
                       col_types = data_cols) %>% 
  # releveloidaan ikäluokka
  mutate(ikaluokka = factor(ikaluokka),
         ikaluokka = fct_relevel(ikaluokka, c("kaikki","alle 25"))) %>% 
  # Etuuksien järjestys
  mutate(etuus = factor(etuus, levels = c("Työttömyysturva",
                                          "Yleinen asumistuki", 
                                          "Perustoimeentulotuki",
                                          "Sairauspäiväraha",
                                          "Tartuntatautipäiväraha",
                                          "Epidemiatuki")),
         vuosi = factor(vuosi)) %>% 
  arrange(etuus,viikko,paiva)
head(dat)
# A tibble: 6 × 19
  etuus  vuosi aikatyyppi kuukausi viikko paiva      viikonpaiva alue  ikaluokka
  <fct>  <fct> <chr>         <int>  <int> <date>     <chr>       <chr> <fct>    
1 Tyött… 2020  paiva             1      1 2020-01-01 keskiviikko Koko… kaikki   
2 Tyött… 2020  paiva             1      1 2020-01-02 torstai     Koko… kaikki   
3 Tyött… 2020  paiva             1      1 2020-01-03 perjantai   Koko… kaikki   
4 Tyött… 2020  paiva             1      1 2020-01-04 lauantai    Koko… kaikki   
5 Tyött… 2020  paiva             1      1 2020-01-05 sunnuntai   Koko… kaikki   
6 Tyött… 2021  paiva             1      1 2021-01-04 maanantai   Koko… kaikki   
# ℹ 10 more variables: sukupuoli <chr>, saapuneet_hakemukset <dbl>, data <chr>,
#   saajat_kaikki <dbl>, saajat_uudet <dbl>, saajakotitaloudet_kaikki <dbl>,
#   saajakotitaloudet_uudet <dbl>, saajaruokakunnat_kaikki <dbl>,
#   saajaruokakunnat_uudet <dbl>, updated <dttm>

3 Aikasarja viikkotasolla etuuksittain

library(ggplot2)
datplot <- dat %>% 
  dplyr::filter(aikatyyppi == "viikko",
         ikaluokka == "kaikki",
         sukupuoli == "kaikki",
         alue == "Koko Suomi") %>% 
  mutate(viikko = as.integer(viikko))

ggplot(datplot, 
       aes(x = viikko, 
           y = saapuneet_hakemukset, 
           color = vuosi, 
           fill = vuosi)) +
  geom_line() +
  geom_point(shape = 21, color = "white", size = 1.6,  show.legend = FALSE) +
  facet_wrap(~etuus, ncol = 1, scales = "free_y") +
  scale_x_continuous(breaks = 1:max(datplot$viikko)) +
        labs(fill = NULL, 
             color = NULL, 
             y = NULL,
             title = "Hakemustilanne viikottain",
             subtitle = "Kelaan viikon aikana saapuneet hakemukset",
             x = "Viikko") +
        scale_fill_manual(values = c('#1b9e77','#d95f02','#7570b3','#e7298a','#003580')) +
        scale_color_manual(values = c('#1b9e77','#d95f02','#7570b3','#e7298a','#003580')) +
  theme_light() +
        theme(legend.position = "right", 
              legend.direction = "vertical",
              panel.grid.minor = element_blank()) +
        scale_y_continuous(labels = function(x) format(x, big.mark = " ",
                                                       scientific = FALSE),
                           limits = c(0,NA))

4 Työttömyysturvan hakemusten ero maakunnittain kartalla viikolla 14

datplot <- dat %>% 
  dplyr::filter(aikatyyppi == "viikko",
         ikaluokka == "kaikki",
         sukupuoli == "kaikki",
         alue != "Koko Suomi",
         viikko == 14,
         etuus == "Työttömyysturva", 
         vuosi %in% 2020:2021) %>% 
  # lasketaan ero
  group_by(alue) %>% 
  arrange(alue,vuosi) %>% 
  mutate(`muutos (%)` = round(saapuneet_hakemukset / lag(saapuneet_hakemukset)*100-100,1)) %>% 
  ungroup() %>% 
  dplyr::filter(!is.na(`muutos (%)`))

# Haetaan maakuntarajat
library(geofi)
kunnat <- get_municipalities()
mkunnat <- kunnat %>% group_by(maakunta_name_fi) %>% summarise()
mapplot <- left_join(mkunnat,datplot, by = c("maakunta_name_fi" = "alue"))

ggplot(mapplot, aes(fill = `muutos (%)`, label = paste0(maakunta_name_fi,"\n", `muutos (%)`,"%"))) +
  geom_sf(color = alpha("white", 1/3)) +
  scale_fill_viridis_b() +
  theme_minimal(base_family = "PT Sans") +
  geom_sf_label(size = 3, color = "white", alpha = .7, family = "PT Sans") +
  theme(axis.text = element_blank(),
           axis.title = element_blank(),
           panel.grid = element_blank()) +
  labs(title = "Työttömyysturvan Kelan saapuneiden hakemusten määrien \nsuhteellinen muutos 2020 vs. 2021 viikolla 14",
       fill = "%")