8.3 【例2】リサイクル率の推移の可視化

ここでは、都道府県別のリサイクル率を可視化してみます。データベースから「リサイクル率」で検索すると「社会・人口統計体系」の「都道府県データ」がヒットしますので、これを用います。データIDは0000010108となります。

estat_getMetaInfo(appId, statsDataId = "0000010108")$cat01 %>% 
  filter(str_detect(`@name`, "リサイクル率"))

## # A tibble: 1 x 4
##   `@code` `@name`                  `@level` `@unit`
##   <chr>   <chr>                    <chr>    <chr>  
## 1 H5614   H5614_ごみのリサイクル率 1        ％

rr <- estat_getStatsData(appId, statsDataId = "0000010108",
                         cdCat01 = "H5614") %>% 
  filter(地域 != "全国")

## Fetching record 1-960... (total: 960 records)

head(rr)

## # A tibble: 6 x 11
##   tab_code 観測値 cat01_code `Ｈ　居住`    area_code 地域  time_code 調査年 unit 
##   <chr>    <chr>  <chr>      <chr>         <chr>     <chr> <chr>     <chr>  <chr>
## 1 00001    観測値 H5614      H5614_ごみの~ 01000     北海~ 19991000~ 1999~  ％   
## 2 00001    観測値 H5614      H5614_ごみの~ 01000     北海~ 20001000~ 2000~  ％   
## 3 00001    観測値 H5614      H5614_ごみの~ 01000     北海~ 20011000~ 2001~  ％   
## 4 00001    観測値 H5614      H5614_ごみの~ 01000     北海~ 20021000~ 2002~  ％   
## 5 00001    観測値 H5614      H5614_ごみの~ 01000     北海~ 20031000~ 2003~  ％   
## 6 00001    観測値 H5614      H5614_ごみの~ 01000     北海~ 20041000~ 2004~  ％   
## # ... with 2 more variables: value <dbl>, annotation <chr>

rr %>% 
  separate(調査年, "year", sep = 4, convert = TRUE) %>% 
  ggplot(aes(year, value, group = 地域, color = 地域)) +
  geom_line() +
  theme_minimal() +
  labs(x = "調査年", y = "リサイクル率[%]",
       title = "都道府県別リサイクル率の推移",
       caption = "出典：都道府県・市区町村のすがた（社会・人口統計体系）")

グラフから、全体としてリサイクル率が向上していることは分かりますが、線が多すぎて詳細がよく分かりません。プレゼンテーション用にグラフを加工してみます。グラフの表示方法でよく用いられるテクニックが「ハイライト」です。ここでは、最新の集計年での順位に基づき、1位と最下位、および福岡県をハイライトします。ggplot2のグラフでハイライトを行うには、gghighlightパッケージを用います。初めて使う場合は、インストールとセッション開始時のロードを行っておきます。

install.packages("gghighlight")
library(gghighlight)

gghighlightパッケージで利用できるgghighlight()関数でfilter()関数と同様の書式で、ハイライトしたいデータを抽出する式を記述することで、該当するデータのハイライトができるようになります。例えばmpgデータの場合に、midsizeのクラスだけハイライトするには以下のようにします。

ggplot(mpg, aes(class)) +
  geom_bar() +
  gghighlight(class == "midsize", use_group_by = FALSE)

## label_key: class

2017年度のリサイクル率の順位に基づいてハイライトするため、2017年度のリサイクル率の順位を計算しておきます。

order2017 <- filter(rr, 調査年 == "2017年度") %>% 
  mutate(order = min_rank(value)) %>% 
  select(地域, order)
head(order2017)

## # A tibble: 6 x 2
##   地域   order
##   <chr>  <int>
## 1 北海道    42
## 2 青森県     6
## 3 岩手県    23
## 4 宮城県    14
## 5 秋田県    10
## 6 山形県     5

これをリサイクル率のデータと結合して、リサイクル率が1位、47位および福岡県のデータをハイライトさせます。

rr %>% 
  left_join(order2017) %>% 
  separate(調査年, "year", sep = 4, convert = TRUE) %>% 
  ggplot(aes(year, value, group = 地域, color = 地域)) +
  geom_line() +
  gghighlight(order %in% c(1, 47) | 地域 == "福岡県",
              use_group_by = FALSE,
              label_params = list(direction = "y")) +
  theme_minimal() +
  labs(x = "調査年", y = "リサイクル率[%]",
       title = "都道府県別リサイクル率の推移",
       caption = "出典：都道府県・市区町村のすがた（社会・人口統計体系）")

## Joining, by = "地域"

## label_key: 地域