-
Notifications
You must be signed in to change notification settings - Fork 0
/
60070090_60070183.Rmd
158 lines (115 loc) · 5.65 KB
/
60070090_60070183.Rmd
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
---
title: "Comic Characters 538"
header-includes:
- \usepackage{xunicode}
- \usepackage{xltxtra}
- \defaultfontfeatures{Scale=MatchLowercase}
- \setmainfont[Scale=1.5]{Angsana New}
- \XeTeXlinebreaklocale "th"
- \XeTeXlinebreakskip = 0pt plus 1pt
date: "2019/04/12"
output:
html_document:
df_print: paged
pdf_document:
latex_engine: xelatex
---
```{r setup, include=FALSE}
knitr::opts_chunk$set(echo = TRUE)
```
## สมาชิกกลุ่ม
### สมาชิกคนที่ 1
ชื่อ: นายวิพุธ ภู่ทอง
รหัสนักศึกษา: 60070090
เวลาเรียน: อังคาร 13:30 - 16:30 น.
### สมาชิกคนที่ 2
ชื่อ: นายธีรภัทร ไกรศรีสิริกุล
รหัสนักศึกษา: 60070183
เวลาเรียน: อังคาร 13:30 - 16:30 น.
## โจทย์ปัญหา
1. Marvel หรือ DC เขียนตัวละครมาแล้วเสียชีวิตไปมากกว่ากัน?
2. เพศและฝั่งของตัวละครมีผลหรือแนวโน้มที่จะถูกเขียนให้เสียชีวิตมากน้อยเท่าไร?
ชุดข้อมูลที่ใช้จาก fivethirtyeight : comic_characters
## ขั้นตอนการดำเนินการ
### 1.) โหลด Library
```{r}
library(tidyverse)
library(fivethirtyeight)
library(stringr)
library(ggthemes)
```
### 2.) ทดลองดูข้อมูล
```{r}
comic_characters
```
### 3.) หาคำตอบ
#### 3.1.) ดูว่าตัวละครจากค่ายหนังสือการ์ตูนทั้ง Marvel และ DC นั้นมีอัตราการเสียชีวิตเท่าไร
```{r}
by_publisher <- comic_characters %>%
count(publisher, alive) %>%
filter(!is.na(alive))
by_publisher
```
#### 3.2.) ดูปัจจัยอื่นอย่างเพศและฝั่งของตัวละคร ว่ามีอัตราการเสียชีวิตเท่าไร
```{r}
by_sex <- comic_characters %>%
count(sex, alive) %>%
filter(!is.na(alive)) %>%
filter((sex == 'Male Characters') | (sex == 'Female Characters'))
by_sex
```
```{r}
by_align <- comic_characters %>%
count(align, alive) %>%
filter(!is.na(alive)) %>%
filter(align == 'Bad Characters' | align == 'Good Characters' | is.na(align))
by_align
```
### 4.) นำข้อมูลมานำเสนอ (Data Visualization)
#### 4.1.) ใช้ Bar Chart
```{r}
p1 <- ggplot(data=by_publisher, aes(x = publisher, y = n)) +
# map "alive" of beverage to aes "fill"" of the bar
geom_col(aes(fill = alive), position = position_fill()) +
# flip coordinate
coord_flip() +
# add labels
labs(x="", y="Characters", title="Comic characters status from each publisher (In percentage)")
p1
```
#### 4.2.) ใช้ Bar Chart
```{r}
p2 <- ggplot(data=by_sex, aes(x = sex, y = n)) +
# map "alive" of beverage to aes "fill"" of the bar
geom_col(aes(fill = alive), position = position_fill()) +
# flip coordinate
coord_flip() +
# add labels
labs(x="", y="Characters", title="Comic characters status by character gender (In percentage)")
p2
```
```{r}
p3 <- ggplot(data=by_align, aes(x = align, y = n)) +
# map "alive" of beverage to aes "fill"" of the bar
geom_col(aes(fill = alive), position = position_fill()) +
# flip coordinate
coord_flip() +
# add labels
labs(x="", y="Characters", title="Comic characters status by character alignment (In percentage)")
p3
```
## สรุปผล
### 1.)
จะสังเกตได้ว่า ทั้ง Marvel และ DC นั้นมีการเขียนให้ตัวละครเสียชีวิตในอัตราที่ใกล้เคียงกัน โดยอัตราการเสียชีวิตของตัวละครจาก Marvel อยู่ที่ 23.0% และตัวละครจาก DC อยู่ที่ 24.56%
```{r}
p1
```
### 2.)
ต่อมาหากดูจากเพศของตัวละคร จะสังเกตได้ว่า อัตราการเสียชีวิตของตัวละครเพศชาย มีมากกว่าตัวละครเพศหญิงเล็กน้อย โดยตัวละครเพศหญิงมีอัตราการเสียชีวิตอยู่ที่ 19.9% และตัวละครเพศชายมีอัตราการเสียชีวิตที่ 25.21%
```{r}
p2
```
สุดท้ายหากดูจากฝ่ายของตัวละครก็จะพบว่า ตัวละครที่ไม่อยู่ฝั่งใดฝ่ายหนึ่งหรือฝ่ายดี มีอัตราการเสียชีวิตน้อยกว่าตัวละครฝ่ายร้ายระดับหนึ่ง โดยตัวละครที่ไม่อยู่ฝ่ายใดฝ่ายหนึ่งมีอัตราการเสียชีวิตอยู่ที่ 19.61% ตัวละครฝ่ายดีอยู่ที่ 20.26% และตัวละครฝ่ายร้ายอยู่ที่ 28.42%
```{r}
p3
```