研究問題與動機描述
想探討人口流動對城市帶來的影響。
資料讀取
資料處理
整理說明 :
圖示意涵闡述:各縣市薪資淨所得年分布圖
df %>% group_by(year,縣市名稱) %>%
summarize_if(is.numeric,mean) %>%
ggplot(aes(year,薪資淨所得,color=縣市名稱))+geom_line() 
> 圖示意涵闡述: 桃園市的社會增加總人數是上升最明顯，我們猜想桃園市的社會福利與建設和農業招商發展良好，適合頤養天年
df %>% group_by(year,縣市名稱) %>%
summarize(社會增加總人數 = sum(社會增加人數)) %>%
ggplot(aes(year,社會增加總人數,color=縣市名稱))+geom_line()+
facet_wrap( ~ 縣市名稱 )
df %>%
group_by(縣市名稱,老年人戶數) %>%
summarize(老年人戶數= mean(老年人戶數)) %>%
ggplot(aes(縣市名稱,fill = 縣市名稱)) +
geom_bar()+theme(axis.text.x = element_text(angle = 45))
> 圖示意涵闡述:粗結婚率
df %>%
group_by(縣市名稱,粗結婚率) %>%
summarize(粗結婚率= mean(粗結婚率)) %>%
ggplot(aes(縣市名稱,fill = 縣市名稱)) +
geom_bar()+theme(axis.text.x = element_text(angle = 90))
圖示意涵闡述:因為組員大多來自台南高雄，篩選六都遷入遷出差距，判斷人口流動
df %>% filter(縣市名稱 %in% c("臺南市","高雄市","臺北市","新北市","桃園市","臺中市"))%>%
group_by(縣市名稱,遷出人口數,遷入人口數) %>%
summarize(sum(遷入人口數-遷出人口數)) %>%
ggplot(aes(縣市名稱,fill = 縣市名稱)) +
geom_bar()+theme(axis.text.x = element_text(angle = 45))