Skip to content

Latest commit

 

History

History
337 lines (302 loc) · 17.8 KB

01_explore.md

File metadata and controls

337 lines (302 loc) · 17.8 KB
Raw

Happiness Alcohol Consumption

Datasets from: https://www.kaggle.com/marcospessotto/happiness-and-alcohol-consumption

Steps

  1. Define a question
  2. Download Library and dataset
  3. Explore the dataset from the original dataset
  4. Cleaning Dataset
  5. Exploratory Data Analysis

Step1: Define a question

  1. หาค่าเฉลี่ยของ Happy Score ของการดื่มแอลกอฮอล์ (เบียร์ เหล้า ไวน์) ในเเต่ละซีกโลก
  2. หาว่าประเทศไหนมีการกินแอลกอฮอล์ในแต่ละประเภทมากที่สุด
  3. หาค่าเฉลี่ย Happiness score ในเเต่ละ region เเล้วนํามาเทียบกัน
  4. หาค่าเฉลี่ยการดื่มเเอลกอฮอล์เเต่ละประเภทในเเต่ละภูมิภาค
  5. หาค่าเฉลี่ยดัชนีผลิตภัณฑ์มวลรวมภายใน (GDP) ของเเต่ละภูมิภาค เเละนำมาเปรียบเทียบหาภูมิภาคที่มี GDP เฉลี่ยสูงสุดเเละต่ำสุด
  6. หาเปอร์เซ็นการดื่มเเอลกอฮอล์เเต่ละประเภทในเเต่ละภูมิภาค
  7. หาประเทศที่มีค่า HDI มากกว่าค่าเฉลี่ย HDI ของทุกประเทศ

Step2: Download Library and dataset

# Library
install.packages("readr")
install.packages("assertive")
install.packages("stringr")
library(readr)    
library(stringr)   
library(assertive)  
library(dplyr)

# Dataset
happiness <- read.csv("https://raw.githubusercontent.com/sit-2021-int214/032_Happiness_Alcohol_Consumption/main/HappinessAlcoholConsumption.csv")
View(happiness)

Step3: Explore the dataset from the original dataset

ใน dataset นี้ประกอบด้วยข้อมูลทั้งหมด 9 คอลัมน์คือ

  1. Country
    • ประกอบด้วยรายชื่อประเทศทั้งหมด 122 ประเทศที่เเตกต่างกัน
    • ข้อมูลเป็นประเภท character
  2. Region
    • ประกอบด้วยรายชื่อ region ทั้งหมด 9 region
    • ข้อมูลเป็นประเภท character
  3. Hemisphere
    • ซีกโลก เเบ่งออกเป็นสามอย่างคือ north south เเละ both
    • ข้อมูลเป็นประเภท character
  4. HappinessScore
    • เกณฑ์วัดระดับความสุข ตั้งเเต่ 0-10
    • ข้อมูลเป็นประเภท double
  5. HDI
    • Human Development Index by United Nations Development Programme
    • ข้อมูลเป็นประเภท integer
  6. GDP_PerCapita
    • Gross Domestic Product index
    • ข้อมูลเป็นประเภท double
  7. Beer_PerCapita
    • Liters ( per capita ) of beer consumption
    • ข้อมูลเป็นประเภท integer
  8. Spirit_PerCapita
    • Consumption of spirits drink ( per capita )
    • ข้อมูลเป็นประเภท integer
  9. Wine_PerCapita
    • Wine consumption
    • ข้อมูลเป็นประเภท integer

Step4: Cleaning Dataset

1.Check datatype ของ column ที่เป็นตัวเลขว่ามี datatype เป็น numeric จริงไหม

# check data type
is.numeric(happiness$HappinessScore)
is.numeric(happiness$HDI)
is.numeric(happiness$GDP_PerCapita)
is.numeric(happiness$Beer_PerCapita)
is.numeric(happiness$Spirit_PerCapita)

output :: เป็น TRUE หมดเเสดงว่าเป็น numeric ทุก column

> # check data type
> is.numeric(happiness$HappinessScore)
[1] TRUE
> is.numeric(happiness$HDI)
[1] TRUE
> is.numeric(happiness$GDP_PerCapita)
[1] TRUE
> is.numeric(happiness$Beer_PerCapita)
[1] TRUE
> is.numeric(happiness$Spirit_PerCapita)
[1] TRUE

2.Check column "Country" ว่ามีชื่อประเทศที่ซ้ำกันไหม เพื่อไม่ให้มีเเถวข้อมูลของประเทศซ้ำกัน

# check duplicate
duplicated(happiness$Country)

output :: เป็น FLASE หมดเเสดงว่าไม่มีเเถวที่ประเทศซ้ำกัน

> duplicated(happiness$Country)
  [1] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
 [24] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
 [47] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
 [70] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
 [93] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
[116] FALSE FALSE FALSE FALSE FALSE FALSE FALSE

3.Check range ของ "HappinessScore" ว่าอยู่ระหว่าง 0-10 รึป่าว

# check range of happiness score
assert_all_are_in_closed_range(happiness$HappinessScore, lower = 0, upper = 10)

ซึ่ง output ที่ได้นั้นไม่เเสดง error อะไรออกมาเเสดงว่าทุกเเถวของ column "HappinessScore" อยู่ในช่วง 0-10

4.เปลี่ยนคำผิดด้วย stringr

# change noth to north
happiness$Hemisphere <- replace(happiness$Hemisphere, happiness$Hemisphere == "noth", "north")

Step5: Exploratory Data Analysis

1. หาค่าเฉลี่ยของ Happiness Score ของการดื่มแอลกอฮอล์ (เบียร์ เหล้า ไวน์) ในเเต่ละซีกโลก

code:

happiness %>% group_by(Hemisphere) %>% select(HappinessScore) %>% summarise(avg = mean(HappinessScore))

result:

  • ค่าเฉลี่ย Happiness Score ในซีกโลกเหนือ (north) = 5.63
  • ค่าเฉลี่ย Happiness Score ในซีกโลกใต้ (south) = 4.97
  • ค่าเฉลี่ย Happiness Score ของประเทศที่อยู่ในทั้งสองซีกโลก (both) = 5.90
  Hemisphere   avg
  <chr>      <dbl>
1 both        5.90
2 north       5.63
3 south       4.97

2. หาว่าประเทศไหนมีการกินแอลกอฮอล์ในแต่ละประเภทมากที่สุด

code:


# max of beer
max_beer <- max(happiness$Beer_PerCapita)
happiness %>% dplyr::select(Beer_PerCapita, Country) %>% filter(Beer_PerCapita == max_beer)

# max of spirit
max_spirit <- max(happiness$Spirit_PerCapita)
happiness %>% dplyr::select(Spirit_PerCapita, Country) %>% filter(Spirit_PerCapita == max_spirit)
max_spirit

# max of wine
max_wine <- max(happiness$Wine_PerCapita)
happiness %>% dplyr::select(Wine_PerCapita, Country) %>% filter(Wine_PerCapita == max_wine)

result:

  • ประเทศที่กินแอลกอฮอล์ประเภท beer มากที่สุดคือ "Namibia"
  • ประเทศที่กินแอลกอฮอล์ประเภท spirit มากที่สุดคือ "Belarus"
  • ประเทศที่กินแอลกอฮอล์ประเภท wine มากที่สุดคือ "France"
> # max of beer
> happiness %>% dplyr::select(Beer_PerCapita, Country) %>% filter(Beer_PerCapita == max_beer)
  Beer_PerCapita Country
1            376 Namibia
> # max of spirit
> happiness %>% dplyr::select(Spirit_PerCapita, Country) %>% filter(Spirit_PerCapita == max_spirit)
  Spirit_PerCapita Country
1              373 Belarus
> # max of wine
> happiness %>% dplyr::select(Wine_PerCapita, Country) %>% filter(Wine_PerCapita == max_wine) 
  Wine_PerCapita Country
1            370  France

3. หาค่าเฉลี่ย Happiness score ในเเต่ละ region เเล้วนํามาเทียบกัน

code:

happiness %>% group_by(Region) %>% summarise(avg = mean(HappinessScore))

result: จากการสำรวจข้อมูลของค่าเฉลี่ย Happiness score ในเเต่ละภูมิภาค จะเห็นได้ว่า

  • ภูมิภาค Australia and New Zealand มีค่าเฉลี่ย Happiness score มากที่สุด อยู่ที่ 7.32
  • ภูมิภาค Sub-Saharan Africa มีค่าเฉลี่ย Happiness score น้อยที่สุด อยู่ที่ 4.15
Region                            avg
  <chr>                           <dbl>
1 Australia and New Zealand        7.32
2 Central and Eastern Europe       5.38
3 Eastern Asia                     5.48
4 Latin America and Caribbean      6.06
5 Middle East and Northern Africa  5.44
6 North America                    7.25
7 Southeastern Asia                5.49
8 Sub-Saharan Africa               4.15
9 Western Europe                   6.73

4. หาค่าเฉลี่ยการดื่มเเอลกอฮอล์เเต่ละประเภทในเเต่ละภูมิภาค

code:

happiness %>% group_by(Region) %>% summarise(avg_beer = mean(Beer_PerCapita),avg_spirit = mean(Spirit_PerCapita),avg_wine = mean(Wine_PerCapita))

result:

  • จากการสำรวจนี้ จะเห็นได้ว่า
    • ค่าเฉลี่ยของปริมาณการดื่ม beer ที่มากที่สุดจะอยู่ในภูมิภาค North America เเละน้อยที่สุดเป็นภูมิภาค Middle East and Northern Africa
    • ค่าเฉลี่ยของปริมาณการดื่ม spirit ที่มากที่สุดจะอยู่ในภูมิภาค Central and Eastern Europe เเละน้อยที่สุดเป็นภูมิภาค Sub-Saharan Africa
    • ค่าเฉลี่ยของปริมาณการดื่ม wine ที่มากที่สุดจะอยู่ในภูมิภาค Western Europe เเละน้อยที่สุดเป็นภูมิภาค Southeastern Asia
# A tibble: 9 x 4
  Region                          avg_beer avg_spirit avg_wine
  <chr>                              <dbl>      <dbl>    <dbl>
1 Australia and New Zealand          232         75.5    194. 
2 Central and Eastern Europe         170.       172.      83.8
3 Eastern Asia                        93.2      150.      10.2
4 Latin America and Caribbean        159.       110.      35.8
5 Middle East and Northern Africa     24.8       41.4     10.4
6 North America                      244.       140       92  
7 Southeastern Asia                   79.6      105.       3  
8 Sub-Saharan Africa                  78.5       20.8     12.2
9 Western Europe                     216.       102.     198.

5. หาค่าเฉลี่ยดัชนีผลิตภัณฑ์มวลรวมภายใน (GDP) ของเเต่ละภูมิภาค เเละนำมาเปรียบเทียบหาภูมิภาคที่มี GDP เฉลี่ยสูงสุดเเละต่ำสุด

code:

happiness %>% group_by(Region) %>% select(GDP_PerCapita) %>% summarise(avg = mean(GDP_PerCapita)) %>% arrange(desc(avg))

result:

  • GDP เฉลี่ยสูงสุดเท่ากับ 306.0 (Sub-Saharan Africa)
  • GDP เฉลี่ยสูงสุดเท่ากับ 8.55 (Central and Eastern Europe )
# A tibble: 1 x 2
  Region                             avg
  <chr>                            <dbl>
1 Sub-Saharan Africa              306.  
2 North America                    50.0 
3 Western Europe                   46.0 
4 Australia and New Zealand        45.1 
5 Latin America and Caribbean      39.7 
6 Eastern Asia                     19.5 
7 Middle East and Northern Africa  17.5 
8 Southeastern Asia                13.5 
9 Central and Eastern Europe        8.55

6. หาเปอร์เซ็นการดื่มเเอลกอฮอล์เเต่ละประเภทในเเต่ละภูมิภาค

code:

sum_all_beer <- sum(happiness$Beer_PerCapita)
sum_all_spirit <- sum(happiness$Spirit_PerCapita)
sum_all_wine <- sum(happiness$Wine_PerCapita)

sum_drink_per_region <- happiness %>% group_by(Region) %>% summarise(sum_beer = sum(Beer_PerCapita), sum_spirit = sum(Spirit_PerCapita), sum_wine = sum(Wine_PerCapita))

sum_drink_per_region <- sum_drink_per_region %>% mutate(percent_beer = (sum_beer/sum_all_beer) * 100)
sum_drink_per_region <- sum_drink_per_region %>% mutate(percent_spirit = (sum_spirit/sum_all_spirit) * 100)
sum_drink_per_region <- sum_drink_per_region %>% mutate(percent_wine = (sum_wine/sum_all_wine) * 100)

percent_drink_per_region <- sum_drink_per_region %>% select(-sum_beer, -sum_spirit, -sum_wine)
percent_drink_per_region

result:

  • ตารางนี้เเสดงเปอร์เซ็นการดื่มเเอลกอฮอล์เเต่ละประเภทในเเต่ละภูมิภาค จะเห็นได้ว่า
    • ปริมาณการดื่ม beer ที่มากที่สุดจะอยู่ในภูมิภาค Central and Eastern Europe เเละน้อยที่สุดเป็นภูมิภาค Middle East and Northern Africa
    • ปริมาณการดื่ม spirit ที่มากที่สุดจะอยู่ในภูมิภาค Central and Eastern Europe เเละน้อยที่สุดเป็นภูมิภาค Australia and New Zealand
    • ปริมาณการดื่ม wine ที่มากที่สุดจะอยู่ในภูมิภาค Western Europe เเละน้อยที่สุดเป็นภูมิภาค Southeastern Asia
# A tibble: 9 x 4
  Region                          percent_beer percent_spirit percent_wine
  <chr>                                  <dbl>          <dbl>        <dbl>
1 Australia and New Zealand               2.76           1.28        4.76 
2 Central and Eastern Europe             27.4           39.4        27.9  
3 Eastern Asia                            2.22           5.08        0.505
4 Latin America and Caribbean            21.9           21.5        10.1  
5 Middle East and Northern Africa         1.63           3.86        1.40 
6 North America                           2.91           2.38        2.26 
7 Southeastern Asia                       2.37           4.44        0.185
8 Sub-Saharan Africa                     13.1            4.93        4.21 
9 Western Europe                         25.8           17.2        48.7

7. หาประเทศที่มีค่า HDI มากกว่าค่าเฉลี่ย HDI ของทุกประเทศ

code:

HDI <- happiness %>% filter(HDI > mean(HDI, na.rm = TRUE)) %>% select(Country,Region, HDI)
HDI

HDI %>% group_by(Region) %>% count

result:

  • แสดงประเทศที่มีค่า HDI มากกว่าค่าเฉลี่ย HDI ของทุกประเทศ
                  Country                          Region HDI
1                 Denmark                  Western Europe 928
2             Switzerland                  Western Europe 943
3                 Iceland                  Western Europe 933
4                  Norway                  Western Europe 951
5                 Finland                  Western Europe 918
6                  Canada                   North America 922
7             Netherlands                  Western Europe 928
8             New Zealand       Australia and New Zealand 915
9               Australia       Australia and New Zealand 938
10                 Sweden                  Western Europe 932
.
.
.

จากข้อมูลนี้เมื่อนำไปนับจำนวนประเทศที่มีค่า HDI มากกว่าค่าเฉลี่ย HDI ของทุกประเทศของเเต่ละภูมิภาค จะได้ดังนี้

# A tibble: 9 x 2
# Groups:   Region [9]
  Region                              n
  <chr>                           <int>
1 Australia and New Zealand           2
2 Central and Eastern Europe         23
3 Eastern Asia                        4
4 Latin America and Caribbean        12
5 Middle East and Northern Africa     6
6 North America                       2
7 Southeastern Asia                   2
8 Sub-Saharan Africa                  1
9 Western Europe                     20

สรุปได้ว่าภูมิภาค Central and Eastern Europe จะมีจำนวนประเทศที่มีค่า HDI มากกว่าค่าเฉลี่ยมากที่สุด เเละภูมิภาค Sub-Saharan Africa มีจำนวนประเทศที่มีค่า HDI มากกว่าค่าเฉลี่ยน้อยที่สุด