데이터 과학
발전 에너지(원자력 포함) - 대응분석(Correspondance Analysis)
1. 국가별 발전 데이터
국가별 발전 데이터는 위키피디아 List of countries by electricity production 페이지에서 확인할 수 있다. 이 데이터를 바탕으로 각 국가별로 신재생 에너지를 포함하여 다양한 발전에 사용되는 자원에 대해 살펴본다. 특히, 전기 발전 데이터가 관심을 갖는 이유는 최근 한국 미세먼지 원인 “국내 52%, 중국 34%” 뉴스에서도 얻급 되었듯이 일상생활과 밀접한 관계가 있기 때문이다.
2. 국가별 발전 패턴 분석
국가별 데이터 분석을 위해서 데이터 분석환경을 다음과 같이 설정한다.
- 데이터와 사투: tidyverse, stringr
- 웹데이터 긁어오기: rvest
- 시각화: ggplot2, ggthemse, extrafonts
- 탐색적 데이터 분석: FactoMineR
- 범주형 데이터 시각화: ggmosaic
2.1. 환경설정
# 0. 환경설정 -----------------------------------
library(tidyverse)
library(stringr)
library(rvest)
library(ggplot2)
library(ggthemes)
library(ggmosaic) # devtools::install_github("haleyjeppson/ggmosaic")
library(extrafont)
library(FactoMineR)
loadfonts()2.2. 데이터 가져오기
List of countries by electricity production 웹페이지에서 웹크로링한다. stringr 팩키지 함수를 활용하여 문자열 데이터를 숫자형으로 변형하기 위해서 전처리 작업도 함께 병행한다.
# 1. 원전 데이터 ---------------------
# 국가별 전력 생산
url <- "https://en.wikipedia.org/wiki/List_of_countries_by_electricity_production"
energy <- url %>%
read_html() %>%
html_nodes(xpath='//*[@id="mw-content-text"]/div/table[2]') %>%
html_table(fill = TRUE) %>%
.[[1]]
# 2. 데이터 전처리 ---------------------
colnames(energy) <- c("country", "Electricity production\n(TWh)", "coal",
"natural_gas", "oil", "subtotal_thermal", "hydropower",
"other_renewable", "subtotal_renewable", "nuclear")
energy_df <- energy %>% filter(country != "Country") %>%
mutate(coal = as.numeric(str_replace(coal, "%", "")),
natural_gas = as.numeric(str_replace(natural_gas, "%", "")),
oil = as.numeric(str_replace(oil, "%", "")),
hydropower = as.numeric(str_replace(hydropower, "%", "")),
other_renewable = as.numeric(str_replace(other_renewable, "%", "")),
nuclear = as.numeric(str_replace(nuclear, "%", "")),
subtotal_thermal = as.numeric(str_replace(subtotal_thermal, "%", "")),
subtotal_renewable = as.numeric(str_replace(subtotal_renewable, "%", ""))) %>%
dplyr::rename(발전량 = `Electricity production\n(TWh)`) %>%
mutate(발전량 = as.numeric(str_replace(발전량, ",", ""))) %>%
filter(country != "World") %>%
column_to_rownames(var="country")3. 국가별 발전 시각화
3.1. 막대그래프를 활용 비율 시각화
우선 원본데이터가 발전량과 각 발전 에너지원별로 나눠져서 있어 이를 ggplot을 활용하여 시각화한다. 국가별 발전 데이터가 원천별로 퍼센트(%) 비율로 정리되어 있어 바로 쌓은 막대그래프(stacked barchart) geom을 적용하여 시각화한다. 또한, 국가별 발전량을 고려하여 가장 많은 전기를 생산하는 국가부터 정렬하여 순서대로 표현한다.
# 3. 시각화 ---------------------
## 3.1. 발전량 순위별 에너지 원천 -----------
energy_df %>%
rownames_to_column(var="country") %>%
select(-contains("subtotal_"), 국가=country) %>%
filter(국가 != "World") %>%
arrange(desc(발전량)) %>%
gather(에너지, 비율, -국가, -발전량) %>%
mutate(에너지 = factor(에너지, levels=c("coal", "oil", "nuclear", "natural_gas", "hydropower", "other_renewable"))) %>%
# filter(에너지 !="발전량") %>%
ggplot(data = ., aes(x=reorder(국가, -발전량), y=비율, fill=에너지)) +
geom_bar(stat="identity") +
labs(x="", y="점유비율", title='국가 에너지별 발전 원천상세', fill="발전원천") +
theme_bw(base_family="NanumGothic") +
theme(axis.text.x = element_text(angle = 90, hjust = 1),
legend.position='right', legend.direction='vertical') +
scale_fill_brewer(palette="Set1")
3.2. 모자이크 그래프를 적용한 국가별 발전량 시각화
앞선 그래프가 발전량 순서로 정렬하여 표현하였지만, 이를 실제적으로 반영하는데 모자이크 그래프를 활용한다. 발전량과 비율로 된 것을 실제 발전량으로 변환하여 모자이크 그래프로 시각화하게 되면 한눈에 발전량과 함께 국가별로 발전에 어떤 자원을 투입하는지도 명확히 확인된다.
## 3.2. 발전량 고려 -----------
energy_actual_df <- energy_df %>%
rownames_to_column(var="국가") %>%
mutate(coal = 발전량 * coal/100,
natural_gas = 발전량 * natural_gas/100,
oil = 발전량 * oil/100,
hydropower = 발전량 * hydropower/100,
other_renewable = 발전량 * other_renewable/100,
nuclear = 발전량 * nuclear/100) %>%
select(국가, 석탄=coal, 천연가스=natural_gas, 석유=oil, 수력=hydropower, 신재생=other_renewable, 원자력=nuclear)
energy_actual_df %>%
gather(에너지, 생산량, -국가) %>%
mutate(에너지 = factor(에너지, levels=c("석탄", "석유", "천연가스", "수력", "신재생", "원자력"))) %>%
ggplot(data = .) +
geom_mosaic(aes(weight = 생산량, x = product(reorder(국가, -생산량)), fill=factor(에너지)), na.rm=TRUE) +
labs(x="", title='국가 에너지별 발전 원천상세') +
theme_bw(base_family="NanumGothic") +
theme(axis.text.x = element_text(angle = 90, hjust = 1),
legend.position='right', legend.direction='vertical') +
scale_fill_brewer(palette="Set1") +
guides(fill=guide_legend(title = "에너지", reverse = TRUE))
4. 대응분석
대응분석을 통해 1,2차원이 약 60%를 설명하는데 Dim 1 차원은 석유와 원자력이 우측에 위치하고 석유가 반대쪽에 위치한 것으로 봐서 가성비로 잠정 볼 수 있고, Dim 2 차원은 수력과 신재생이 윗쪽에 석유, 석탄, 천연가스가 아래쪽에 위치한 것으로 봐서 친환경으로 잠정 볼 수 있다. 특히, 신재생과 열을 이용한 발전합계(subtotal_renewable, subtotal_thermal)이 위와 아래 각각 위치한 것도 차원식별에 도움이 된다.
대한민국은 독일, 미국, 덴마크와 유사한 패턴을 보이고 있다. 눈여겨 볼 것은 러시아가 위키피디아 발전패턴의 평균적인 모습을 보이고 있다.
# 4. 대응분석 ---------------------
energy_ca_df <- energy_df[,-1]
energy_ca <- CA(energy_ca_df, col.sup=c(4,7))
summary(energy_ca)
Call:
CA(X = energy_ca_df, col.sup = c(4, 7))
The chi square of independence between the two variables is equal to 7296.971 (p-value = 0 ).
Eigenvalues
Dim.1 Dim.2 Dim.3 Dim.4 Dim.5
Variance 0.461 0.390 0.306 0.154 0.099
% of var. 32.665 27.685 21.723 10.934 6.994
Cumulative % of var. 32.665 60.349 82.072 93.006 100.000
Rows (the 10 first)
Iner*1000 Dim.1 ctr cos2 Dim.2 ctr
Argentina | 7.421 | -0.564 1.334 0.828 | -0.050 0.012
Australia | 20.421 | 0.780 2.553 0.576 | -0.411 0.836
Austria | 18.272 | -0.298 0.368 0.093 | 0.727 2.588
Canada | 22.563 | -0.089 0.033 0.007 | 1.026 5.197
Chile | 3.911 | -0.015 0.001 0.001 | 0.173 0.148
China | 31.600 | 1.017 4.334 0.632 | -0.168 0.140
Hong Kong | 24.921 | 0.806 2.723 0.503 | -0.618 1.889
Denmark | 54.195 | 0.636 1.657 0.141 | -0.070 0.024
Egypt | 19.801 | -0.710 2.117 0.493 | -0.556 1.534
Finland | 27.005 | 0.531 1.085 0.185 | 0.708 2.282
cos2 Dim.3 ctr cos2
Argentina 0.006 | 0.178 0.200 0.083 |
Australia 0.160 | -0.511 1.647 0.247 |
Austria 0.553 | -0.497 1.542 0.259 |
Canada 0.899 | -0.125 0.099 0.013 |
Chile 0.148 | -0.412 1.070 0.838 |
China 0.017 | -0.694 3.030 0.294 |
Hong Kong 0.296 | -0.428 1.158 0.142 |
Denmark 0.002 | -0.335 0.691 0.039 |
Egypt 0.303 | 0.301 0.571 0.088 |
Finland 0.330 | 0.763 3.378 0.383 |
Columns
Iner*1000 Dim.1 ctr cos2 Dim.2
coal | 302.525 | 0.939 47.738 0.727 | -0.340
natural_gas | 196.762 | -0.418 12.047 0.282 | -0.501
oil | 192.789 | -0.865 17.632 0.421 | -0.393
hydropower | 288.179 | -0.451 8.775 0.140 | 0.996
other_renewable | 118.715 | 0.321 1.216 0.047 | 0.448
nuclear | 311.319 | 0.898 12.592 0.186 | 0.891
ctr cos2 Dim.3 ctr cos2
coal 7.376 0.095 | -0.436 15.494 0.157 |
natural_gas 20.399 0.405 | 0.257 6.825 0.106 |
oil 4.307 0.087 | 0.099 0.349 0.006 |
hydropower 50.483 0.684 | -0.472 14.474 0.154 |
other_renewable 2.794 0.092 | -0.128 0.291 0.008 |
nuclear 14.643 0.184 | 1.632 62.567 0.616 |
Supplementary columns
Dim.1 cos2 Dim.2 cos2 Dim.3 cos2
subtotal_thermal | 0.011 0.001 | -0.424 0.984 | -0.024 0.003 |
subtotal_renewable | -0.285 0.078 | 0.879 0.735 | -0.399 0.151 |
par(mfrow=c(1,2))
plot(energy_ca, shadow=TRUE, cex=0.7, title="국가별 에너지 생성 원천")
#plot(energy_ca, invisible=c("col.sup"), shadow=TRUE, cex=0.7, title="국가별 에너지 생성 원천")
plot(energy_ca, axes=c(1,3), shadow=TRUE, cex=0.7, title="국가별 에너지 생성 원천")
4.1. 분석에 사용된 데이터
DT 팩키지를 통해 시각적으로 확인된 사항을 표를 통해 면밀한 검토도 추가로 가능하다.
energy %>%
filter(country != "Country") %>%
DT::datatable()