##### 17.06월 서울시 업종별 사업자 비율 (Top10)
### 업종별 사업자수 추출
seoul_1706
<- seoul[seoul$s_year==201706,]
rownames(seoul_1706)
<- NULL
seoul_1706_st
<- aggregate(seoul_1706$s_num~seoul_1706$s_type,seoul_1706,length)
names(seoul_1706_st)
<- c('s_type','s_cnt')
### 업종별 사업자수 오름차순 정렬
seoul_1706_st
<- seoul_1706_st[order(seoul_1706_st$s_cnt,decreasing=T),]
### 업종별 사업자수 상위 10개 선별
seoul_1706_st10
<- head(seoul_1706_st,10)
seoul_1706_st10_pct
<- round(seoul_1706_st10$s_cnt/sum(seoul_1706_st10$s_cnt)*100,1)
seoul_1706_st10_lab
<- paste(seoul_1706_st10$s_type,
seoul_1706_st10$s_cnt,'개',
'(',
seoul_1706_st10_pct,
'%',
')')
###업종별 사업자수 상위 10개 도식화
graphics.off()
pie(seoul_1706_st10$s_cnt,
lab = seoul_1706_st10_lab,
main = '17.06월 서울시 업종별 사업자 비율(Top10)',
col = rainbow(10),
cex = 0.7,
density = 80)
![](https://t1.daumcdn.net/cfile/cafe/990946335A249C9D09)
##### 서울시 지역별 여성미용실 과밀지역 도식화
hair_1706
<- seoul_1706[seoul_1706$s_type=="여성미용실",]
hair_1706_st
<- aggregate(hair_1706$s_num ~ hair_1706$s_dname + hair_1706$s_gname,
hair_1706,length)
names(hair_1706_st)
<- c('s_dname','s_gname','s_cnt')
hair_1706_st
<- hair_1706_st[order(hair_1706_st$s_cnt,decreasing=T),]
hair_1706_st10
<- head(hair_1706_st,10)
hair_1706_st10_pct
<- round(hair_1706_st10$s_cnt/sum(hair_1706_st10$s_cnt)*100,1)
hair_1706_st10_lab
<-
paste(hair_1706_st10$s_gname,hair_1706_st10$s_dname,hair_1706_st10_pct,'%')
graphics.off()
barplot(hair_1706_st10$s_cnt,
names.arg=(hair_1706_st10$s_dname),
ylim=c(0,500),
ylab="사업자수",
col=rainbow(10),
main="17.06월 서울시 지역별 여성미용실 사업자수 (Top10)",
density=90)
![](https://t1.daumcdn.net/cfile/cafe/99733D335A249C261D)
##### 서울시 지역별 여성미용실
영업존속년율 도식화
hair <-
seoul[seoul$s_type=="여성미용실",]
hair_1706_st30
<- round(nrow(hair_1706_st)/10,0)
hair_dname
<- unique(hair_1706_st[1:38,"s_dname"])
hair_temp
<- NULL
for (i in
1:38)
{
hair_1512
<- hair[hair$s_dname==hair_dname[i] & hair$s_year==201512,]
hair_1706
<- hair[hair$s_dname==hair_dname[i] & hair$s_year==201706,]
hair_clos
<-
NULL
hair_keep
<- NULL
hair_clos
<- setdiff(hair_1512$s_num,hair_1706$s_num)
hair_keep
<- hair_1512[! hair_1512$s_num %in% hair_clos,
]
hair_keep_pct
<- nrow(hair_keep)/nrow(hair_1706)
hair_keep_pct
<- as.data.frame(hair_keep_pct)
hair_temp
<- rbind(hair_temp,hair_keep_pct)
}
hair_temp$loc
<- NA
for (j in
1:38)
{
hair_temp[j,2]
<- hair_dname[j]
}
names(hair_temp)
<- c('keep_pct','dname')
hair_temp10
<- head(orderBy(~-keep_pct,hair_temp),10)
graphics.off()
barplot(hair_temp10$keep_pct,
names.arg=(hair_temp10$dname),
ylim=c(0,0.7),
ylab="영업존속년율",
col=rainbow(10),
main="17.06월 서울시 지역별 여성미용실 평균 영업존속년율 (Top10)",
density=90)
![](https://t1.daumcdn.net/cfile/cafe/99F8A8335A249FE31F)
graphics.off() par(mfrow=c(1,2),new=T) barplot(hair_1706_st10$s_cnt, names.arg=(hair_1706_st10$s_dname), ylim=c(0,500), ylab="사업자수", col=rainbow(10), main="17.06월 서울시 지역별 여성미용실 사업자수 (Top10)", density=90) barplot(hair_temp10$keep_pct, names.arg=(hair_temp10$dname), ylim=c(0,0.7), ylab="영업존속년율", col=rainbow(10), main="17.06월 서울시 지역별 여성미용실 평균 영업존속년율 (Top10)", density=90)
|
첫댓글 1. 신림,봉천 지역이 일인 가구수가 다른 지역에 비해 상대적으로 많으므로 일인당 사업자수(사업자수/인구수) 에 대한 분석 도 필요해보입니다.(전석원)
2. 지도로 시각화를 하면 더 이해가 잘되었을것 같습니다.(공석빈)