Kaggle案例~R可视化分析美国枪击案（附数据集和代码）

数据集：自1966~2017年发生在美国的大规模枪击案（死伤人数在三人以上的枪击案）

#加载此次所要用到的包
library(lubridate)#日期处理
library(data.table)#更改数据框的格式，使之更为易用
library(dplyr)#包含诸多常用函数
library(ggplot2)#绘图
library(stringr)#对文本进行处理
library(tidyr)#对数据分类汇总
library(ggmap)#进行地图绘制
#设置工作路径
setwd("D:/US Mass Shootings")
#导入数据
shoot 

• ID：各案件编号

• Title:案件名称

• Location:案件发生所在的州

• Date:案件发生日期，时间跨度：1966-08-01 ~ 2017-10-01

• Summary:对案件的概述，如枪手名字，年龄，事件经过等

• Fatalities:该次案件中死亡人数

• Injured:该次案件中受伤人数

• Total:该次案件中总计伤亡人数

• Mental:枪手是否有精神问题

• Race:枪手的种族/肤色，有White、Black、Asian等等

• Gender:枪手性别

• Latitude:纬度

• Longitude经度

由于第一条关于Las vegas枪击案不完善，据最近新闻报道对其进行修改补充

shoot$Injured[shoot$ID==1] 

数据集（Gender、Mental、Race）变量下的观测值命名较为混乱，咱们将它修补统一哈！

shoot$Gender[shoot$Gender=="M"] 

通过浏览对比发现一部分事件存在重复，即Summary不同但所描述事件过程基本一样，经纬度及伤亡人数上区别很小，可能是数据集录入之初产生的错误，故去重！

shoot

按年份、月份、性别以及精神问题进行可视化分析！

shoot$Date 

枪击案发生频率连年递增，尤其近几年来显著增多

#按照月份统计枪击频率
hist(month(shoot$Date),xlab="Month",ylab="Count",main="the distribution of month")

发生在一月份的枪击案的频率较其它月份相对显著

#将plot()函数绘制的四幅图形组合在一个大的1×2的图中,按照性别及种族统计枪击频率
par(mfrow=c(1,2))
barplot(table(shoot$Gender),xlab = "Gender",ylab="Count",main="the distribution of Gender")
barplot(table(shoot$Mental),xlab = "Mental Health Issue",ylab="Count",main="the distribution of mental")

• 绝大多数枪手都是男性

• 在已知的枪手中，过半数人有精神问题

#增加一个Level变量，按照死伤人数多少对案件划分严重程度。
shoot$Level =5 & shoot$Total<=10] 10] 

本数据集只包含死伤三人及以上的数据集，5至10人发生频次较高。然而论死伤总人数，超过10人死伤的案件虽然只占总体案件的约20%，然而累计死伤人数却占了近60%。

#精神问题与伤亡，subset()函数抽取出已知枪手精神问题的部分
mental

从前两个与第三个箱线图的比较来看，被杀死的受害者中，明显被有精神问题杀害的人居多！

#先用tapply()函数计算被是否患有精神问题的枪手导致的伤亡累计，然后绘图！
barplot(tapply(mental$Total,mental$Mental,sum),main="Shooter with mental health issue",col = "lightblue",ylab = "No. of Casualties")

有精神问题的枪手导致的伤亡甚至占到了三分之二。

#分析枪手所属种族所占比例
shooter 

枪手里面，白人以及黑人占绝大多数！！而亚裔枪手只占一小丢丢！

#cut()函数将变量year按值域切割为多个区间，赋值为新变量yearcut，对年份进行分段
shoot$yearcut 

在2012年以前枪手主要是白人，最近5年来黑人以及其它族裔的种族枪手所占比例提升较大！

#年份与死伤人数统计
shoot_year2% summarise(Sum=sum(victim))
ggplot(shoot_year2,aes(yearcut,Sum,fill=type))+geom_bar(stat="identity",position = "dodge")

年份与死伤人数统计

在2012年以前，死亡人数一直保持在与受伤人数相差无几的状态下，而2012年以后受伤人群-大幅增加！~~~~~其主要原因在于2017-10-01日发生的拉斯维加斯露天音乐会枪击案！！！！~~~~死59人，伤527人，实乃美国枪击案件之最也！！！

~~~~看到这幅图，我们无比震惊！！！仿佛可以听到拉斯维加斯露天音乐会枪击案现场“哒哒哒哒哒哒哒哒哒哒哒哒”的子弹声！！！

#各年份中各Level所占比例
ggplot(shoot,aes(yearcut,fill=Level))+geom_bar(position = "fill")+ggtitle("How year impact Level")

综上~虽然近5年来死伤人数远超以往！！

但超过10人死伤的严重枪击案反而只占很小一部分，更反映出小规模枪击案的频繁！

#从文本概述中运用正则表达式抽取出年龄
tem % select(ID,age) %>% mutate(agecut=cut(te$age,breaks = 10*(1:7))) #将年龄分段
shoot_age 

#绘制出各年龄段中是否有精神问题的比例
ggplot(shoot_age,aes(agecut,fill=Mental))+geom_bar(position = "fill")+ggtitle("The relationship between Age and Mental")

已知年龄的犯罪分子中，有精神问题者居多，其中30岁至40岁的人比例略大一些！

#年龄与种族的关系
ggplot(shoot_age,aes(agecut,fill=Race))+geom_bar(position="fill")+ggtitle("the relationhship between Age and Race")

在20岁以下及50岁以上，白人占比都超过六成；黑人枪手则主要集中于20岁至50岁的年龄段

ggplot2包它精致唯美博大精深，万言不如一图！

掌握ggplot2包可视化技巧对于数据分析至关重要！

就像一门顶尖 的厨师，它的厨艺技能绝对不是看来跟师傅看来的，而是十年如一日的孜孜不倦的练习！学习ggplot2可视化也一样，需要孜孜不倦的对大量数据集进行练习！

公众号后台回复“枪击”获取数据集下载链接。