发现了一个很有意思的R语言包
ChineseNames，对应的github主页是 https://github.com/psychbruce/ChineseNames
image.png
自己的理解是这个 包里统计了12亿汉族人的姓名信息，其中姓是1806个，名字是2614个，今天推文的内容来简单探索一下姓的信息，主要包括
- 最多的人的姓是啥
- 最少的姓是啥
- 复姓都有啥
首先是安装这个包
install.packages("ChineseNames")
通过help函数查阅帮助文档
help(package="ChineseNames")
这个包里有一个数据集是familyname,我们看一下这个数据集的前六行
library(ChineseNames)
data(familyname)
head(familyname)
image.png
- surname是姓
- compound 代表是不是复姓，1的话就是复姓
我们先来看下复姓都有啥
library(dplyr)
familyname %>%
filter(compound == 1) -> df1
df2<-data.frame(matrix(df1$surname,7))
library(gridExtra)
grid.arrange(tableGrob(df2))
image.png
前面的还比较熟，欧阳，上官之类的，后面的完全没有听过，你有同学是这些复姓的吗，可以在留言区留言呀！
接下来我们画一个棒棒糖图看一下排名前十的姓都有啥
df3<-familyname[1:10,]
df3$x<-1:10
library(ggplot2)
library(Cairo)
p1<-ggplot(df3,aes(x=x,y=n.1930_2008))+
geom_segment(aes(x=x,xend=x,y=-Inf,yend=n.1930_2008,
color=surname),size=2)+
geom_point(aes(color=surname),size=25,alpha=0.8)+
geom_text(aes(x=x,y=n.1930_2008,label=surname),size=10)+
theme_bw()+
theme(panel.grid = element_blank(),
axis.title = element_blank(),
axis.text = element_blank(),
axis.ticks = element_blank(),
legend.position = "none")+
ylim(NA,100000000)
library(extrafont)
fonts()
ggsave(filename = "Rplot01.pdf",
p1,
width = 10,
height = 5,
device = cairo_pdf,
family="STKaiti")
image.png
今天的内容就先到这里了，有时间再来探索其他内容
欢迎大家关注我的公众号
小明的数据分析笔记本
小明的数据分析笔记本 公众号 主要分享：1、R语言和python做数据分析和数据可视化的简单小例子；2、园艺植物相关转录组学、基因组学、群体遗传学文献阅读笔记；3、生物信息学入门学习资料及自己的学习笔记！
