In joebrew/vilaweb: Reproducible data analysis for www.vilaweb.cat
# Basic knitr options
library(knitr)
opts_chunk$set(comment = NA,
echo = FALSE,
warning = FALSE,
message = FALSE,
error = TRUE,
cache = FALSE,
fig.width = 8.64,
fig.height = 4.86,
fig.path = 'figures/')
# Libraries
library(vilaweb)
library(tidyverse)
library(databrew)
require(readr)
library(ggrepel)
library(haven)
# Read in Apr 2019 CEO data
df <- haven::read_sav('../../data-raw/ceo/Microdades anonimitzades -919.sav')
df <- df %>%
dplyr::select(P24A,P24B,P24C,P24D,P24E,P24F,P24G,
P34,
P38_R,
EDAT,
EDAT_GR,
P29,
LLENGUA_ENQUESTA,
LLOC_NAIX,PROVÍNCIA,
contains("P49"),
contains("P26"),
P69) %>%
dplyr::rename(provincia = PROVÍNCIA,
llengua = P69) %>%
mutate(llengua = as_factor(llengua)) %>%
mutate(axis = ifelse(P29 %in% 98:99,
NA, P29)) %>%
mutate(axis_simple = ifelse(axis <=3,
'Esquerra',
ifelse(axis <= 6,
'Centre',
'Dreta')))
df$axis_simple <- factor(df$axis_simple,
levels = c('Esquerra', 'Centre', 'Dreta'))
llengua_dict <- tibble(
llengua = c("Català (valencià / balear)",
"Castellà",
"Totes dues igual: català (valencià / balear) i castellà",
"Altres llengües o altres combinacions",
"No ho sap"),
language = c('Cat', 'Esp', 'Cat i\nEsp', 'Altres', 'Altres'))
llengua_dict$language <- factor(llengua_dict$language,
levels = c('Cat', 'Cat i\nEsp', 'Altres', 'Esp'))
df <- left_join(df, llengua_dict)
df <- df %>% dplyr::select(-llengua) %>%
dplyr::rename(llengua = language)
df$llengua <- factor(df$llengua,
levels = c('Cat', 'Cat i\nEsp', 'Altres', 'Esp'))
# P34 is the indepenence question
# df$indy <- df$P34
indy_dict <- tibble(P34 = c(1, 2, 98,99),
indy = c('Independentistes',
'Unionistes',
'NS/NC',
'NS/NC'))
# P38_R is party question
party_dict <- tibble(P38_R = c(1, 3, 4, 6, 10, 21, 22, 80, 93, 96, 98),
partit = c('PPC','ERC', 'PSC', "C's", 'CUP', 'JxCat',
'CatEnComú\nPodem', rep('Altre/NS/NC', 4)))
df <- left_join(df, party_dict)
df <- left_join(df, indy_dict)
# # # P24 is the twitter question
#
# a Pàgines de mitjans de comunicació.
# b Pàgines de partits o candidats.
# c Pàgines d’organitzacions ciutadanes o moviments cívics.
# d Blogs o fòrums de debat.
# e Facebook.
# f Twitter.
# g Instagram.
# 1. si
# 2. no
# 98/99. no sap / no contesta
df$twitter <- as_factor(df$P24F)
df$twitter <- as.character(df$twitter)
df$twitter <- ifelse(is.na(df$twitter),
'No fa servir internet',
ifelse(df$twitter == 'Sí',
'Fa servir twitter\n(amb o sense altres mitjans)',
'No fa servir twitter,\nperò sí fa servir internet'))
df$twitter <- factor(df$twitter,
levels = rev(c('Fa servir twitter\n(amb o sense altres mitjans)',
'No fa servir twitter,\nperò sí fa servir internet',
'No fa servir internet')))
# df$twitter <- factor(df$twitter,
# levels = rev(levels(df$twitter)))
# Valoració de polítics
politics <- gsub('P49A_', '', names(df)[grepl('P49A', names(df))])
val_pol <- function(who = NULL,
know = FALSE,
group = NULL){
if(is.null(who)){
who <- politics
}
pd <- df %>%
dplyr::select(partit, axis, llengua, axis_simple, llengua, indy, contains('P49'))
pd <- pd %>%
gather(key, value, P49A_AFERNANDEZ:P49B_RIERA)
pd$politic <- gsub('P49A_|P49B_', '', pd$key)
pd$key <- substr(pd$key, 4,4)
key_dict <- tibble(key = c('A',
'B'),
know = c('Know', 'Score'))
pd <- left_join(pd, key_dict)
if(know){
out <- pd %>%
filter(know == 'Know') %>%
mutate(value = ifelse(value == 2, 0, value))
} else {
out <- pd %>%
filter(know == 'Score') %>%
filter(! value %in% 98:99)
}
if(is.null(group)){
out <- out %>%
group_by(politic) %>%
summarise(value = mean(value, na.rm = TRUE),
n = n())
} else {
out <- out %>%
group_by_('politic', group) %>%
summarise(value = mean(value, na.rm = TRUE),
n = n())
}
if(know){
out$value <- out$value * 100
}
out <- out %>% arrange(desc(value))
return(out)
}
# x <- val_pol(know = TRUE, group = 'partit')
Introducció
Mètodes
Resultats
Reconeixement
bp <- function(a,b){
RColorBrewer::brewer.pal(n = 8, name = a)[b]
}
cols <- bp('Oranges', 6)
pd <- val_pol(know = TRUE)
pd$politic <- factor(pd$politic, levels = unique(pd$politic))
ggplot(data = pd,
aes(x = politic,
y = value)) +
theme_vilaweb() +
geom_bar(stat = 'identity',
fill = cols) +
theme(axis.text.x = element_text(angle = 90,
hjust = 1)) +
geom_text(aes(label = round(value, digits = 1)),
nudge_y = -5,
color = 'white') +
labs(x = '',
y = 'Percentatge',
title = 'Reconeixement de polítics catalans',
subtitle = 'Em podria dir, per a cadascun d’ells, si els coneix?',
caption = 'Mostra: 1500 residents de Catalunya amb ciutadania espanyola.\nDades del Baròmetre d\'Opinió Política, 2019, 1a onada (treball de camp: març 2019).\nGràfic: Joe Brew | @joethebrew | www.vilaweb.cat.')
Reconeixement per partit
party_plot <- function(party = 'CUP'){
bp <- function(a,b){
RColorBrewer::brewer.pal(n = 8, name = a)[b]}
cols <- bp('Oranges', 6)
pd <- val_pol(know = TRUE, group = 'partit')
pd <- pd %>%
filter(partit %in%
c(party)) %>%
mutate(partit = gsub('\n', ' ', partit)) %>%
mutate(partit = ifelse(partit == 'CUP', 'la CUP', partit))
pd$politic <- factor(pd$politic, levels = unique(pd$politic))
ggplot(data = pd,
aes(x = politic,
y = value)) +
theme_vilaweb() +
geom_bar(stat = 'identity',
fill = cols) +
theme(axis.text.x = element_text(angle = 90,
hjust = 1)) +
geom_text(aes(label = round(value, digits = 1)),
nudge_y = -5,
# size = 1,
color = 'white') +
labs(x = '',
y = 'Percentatge',
title = paste0('Reconeixement de polítics catalans\n(Només entre votants de ', pd$partit[1], ')'),
subtitle = 'Em podria dir, per a cadascun d’ells, si els coneix?',
caption = paste0('Mostra: ', pd$n[1], ' residents de Catalunya amb ciutadania espanyola.\nDades del Baròmetre d\'Opinió Política, 2019, 1a onada (treball de camp: març 2019).\nGràfic: Joe Brew | @joethebrew | www.vilaweb.cat.'))
}
C's
party_plot("C's")
Catalunya en Comú Podem
party_plot("CatEnComú\nPodem")
La CUP
party_plot("CUP")
ERC
party_plot("ERC")
Junts per Catalunya
party_plot("JxCat")
PPC
party_plot("PPC")
PSC
party_plot("PSC")
Valoració
pd <- val_pol()
cols <- bp('Oranges', 6)
pd$politic <- factor(pd$politic, levels = unique(pd$politic))
ggplot(data = pd,
aes(x = politic,
y = value)) +
theme_vilaweb() +
geom_bar(stat = 'identity',
fill = cols) +
theme(axis.text.x = element_text(angle = 90,
hjust = 1)) +
geom_text(aes(label = round(value, digits = 1)),
nudge_y = -1,
color = 'white') +
labs(x = '',
y = 'Valoració mitjana (0-10)',
title = 'Valoració de polítics catalans',
subtitle = 'Com valora l’actuació política d’aquests líders',
caption = 'Mostra: 1500 residents de Catalunya amb ciutadania espanyola.\nDades del Baròmetre d\'Opinió Política, 2019, 1a onada (treball de camp: març 2019).\nGràfic: Joe Brew | @joethebrew | www.vilaweb.cat.') +
ylim(0, max(pd$value))
Valoració per ideologia política del enquestat
pd <- val_pol(know = FALSE, group = 'axis_simple') %>%
filter(!is.na(axis_simple))
ggplot(data = pd,
aes(x = axis_simple,
y = value)) +
geom_area(aes(group = politic),
fill = bp('Greys', 4),
# color = bp('Greys', 5),
alpha = 0.6) +
geom_point(color = bp('Greys', 8),
size = 0.5) +
facet_wrap(~politic) +
theme_vilaweb() +
labs(y = 'Valoració mitjana',
x = '',
title = 'Valoració de polítics per ideologia del enquestat',
caption = "Dades del Baròmetre d'Opinió Política, març 2019. Mostra: 1500 residents de CAT amb ciutadania ESP.\nIdeologia: escala 0-10 (esquerra-dreta). 0-3:Esquerra; 4-6:Centre; 7-10:Dreta. Gràfic de Joe Brew | @joethebrew.") +
geom_text(aes(label = round(value, digits = 1)),
alpha = 0.6,
nudge_y = 1.5,
size = 3) +
geom_line(aes(group = 1),
alpha = 0.8,
size = 0.3)
Valoració de polítics per independentisme del enquestat
pd <- val_pol(know = FALSE, group = 'indy')
ggplot(data = pd,
aes(x = indy,
y = value)) +
geom_area(aes(group = politic),
fill = bp('Greys', 4),
# color = bp('Greys', 5),
alpha = 0.6) +
geom_point(color = bp('Greys', 8),
size = 0.5) +
facet_wrap(~politic) +
theme_vilaweb() +
labs(y = 'Valoració mitjana',
x = '',
title = 'Valoració de polítics per independentisme del enquestat',
caption = "Dades del Baròmetre d'Opinió Política, març 2019. Mostra: 1500 residents de CAT amb ciutadania ESP.\nGràfic de Joe Brew | @joethebrew.") +
geom_text(aes(label = round(value, digits = 1)),
alpha = 0.6,
nudge_y = 1.5,
size = 3) +
geom_line(aes(group = 1),
alpha = 0.8,
size = 0.3) +
theme(axis.text.x = element_text(size = 7,
angle = 45,
vjust = 1,
hjust = 1))
Valoració de polítics per partit polític del enquestat
pd <- val_pol(know = FALSE, group = 'partit') %>%
filter(!partit %in% c('Altre/NS/NC')) %>%
mutate(partit = ifelse(partit == 'CatEnComú\nPodem', 'Podem', partit))
pd$partit <- factor(pd$partit,
levels = c("CUP",
"ERC",
'JxCat',
"Podem",
'PSC',
"C's",
"PPC"))
ggplot(data = pd,
aes(x = partit,
y = value)) +
geom_area(aes(group = politic),
fill = bp('Greys', 4),
# color = bp('Greys', 5),
alpha = 0.6) +
geom_point(color = bp('Greys', 8),
size = 0.5) +
facet_wrap(~politic) +
theme_vilaweb() +
labs(y = 'Valoració mitjana',
x = '',
title = 'Valoració de polítics per partit polític del enquestat',
caption = "Dades del Baròmetre d'Opinió Política, març 2019. Mostra: 1500 residents de CAT amb ciutadania ESP.\nGràfic de Joe Brew | @joethebrew.") +
geom_text(aes(label = round(value, digits = 1)),
alpha = 0.6,
nudge_y = 1.5,
size = 3) +
geom_line(aes(group = 1),
alpha = 0.8,
size = 0.3) +
theme(axis.text.x = element_text(size = 7,
angle = 45,
vjust = 1,
hjust = 1))
Valoració de polítics per llengua del enquestat
pd <- val_pol(know = FALSE, group = 'llengua') %>%
filter(!llengua %in% 'Altres')
ggplot(data = pd,
aes(x = llengua,
y = value)) +
geom_area(aes(group = politic),
fill = bp('Greys', 4),
# color = bp('Greys', 5),
alpha = 0.6) +
geom_point(color = bp('Greys', 8),
size = 0.5) +
facet_wrap(~politic) +
theme_vilaweb() +
labs(y = 'Valoració mitjana',
x = '',
title = 'Valoració de polítics per llengua del enquestat',
caption = "Dades del Baròmetre d'Opinió Política, març 2019. Mostra: 1500 residents de CAT amb ciutadania ESP.\nGràfic de Joe Brew | @joethebrew.") +
geom_text(aes(label = round(value, digits = 1)),
alpha = 0.6,
nudge_y = 1.5,
size = 3) +
geom_line(aes(group = 1),
alpha = 0.8,
size = 0.3) +
theme(axis.text.x = element_text(size = 7,
angle = 45,
vjust = 1,
hjust = 1))
# Old stuff
# By independentism
pd <- df %>%
filter(indy != 'NS/NC') %>%
group_by(indy, twitter) %>%
summarise(n = n()) %>%
ungroup %>%
group_by(indy) %>%
mutate(p = n / sum(n) * 100) %>%
ungroup %>%
arrange(desc(twitter), p) %>%
group_by(indy) %>%
mutate(pp = cumsum(p))
cols <- rev(databrew::make_colors(n = 3, categorical = F))
red <- RColorBrewer::brewer.pal(8, 'Oranges')[4]
cols[1] <- red
ggplot(data = pd,
aes(x = indy,
y = p,
fill = twitter)) +
geom_bar(stat = 'identity',
alpha = 1) +
theme_databrew() +
labs(x = '',
y = '%',
title = 'Independentisme i ús de Twitter/internet',
caption = "Dades del Baròmetre d'Opinió Política, març 2019. 1500 residents de Catalunya amb ciutadania espanyola.\nGràfic de Joe Brew | @joethebrew.") +
scale_fill_manual('A través a quins mitjans\ns\'acostuma a informar\ndels temes polítics?',
values = cols) +
guides(fill = guide_legend(title.position = "top",
reverse = FALSE)) +
theme(axis.text.x = element_text(size = 18),
legend.text = element_text(size = 13),
legend.position = 'right',
plot.title = element_text(size = 25),
plot.caption = element_text(hjust = 0)) +
geom_text(
data = pd %>% filter(twitter != 'No fa servir internet'),
aes(label = round(pp, digits = 1)),
position = position_stack(),
vjust = 1,
color = 'white'
)
# By party
pd <- df %>%
filter(#!is.na(twitter),
partit != 'Altre/NS/NC') %>%
group_by(partit, twitter) %>%
summarise(n = n()) %>%
ungroup %>%
group_by(partit) %>%
mutate(p = n / sum(n) * 100) %>%
ungroup %>%
arrange(twitter, p)
pd$partit <- factor(pd$partit, levels = unique(pd$partit))
cols <- rev(databrew::make_colors(n = 3, categorical = F))
red <- RColorBrewer::brewer.pal(8, 'Oranges')[4]
cols[1] <- red
ggplot(data = pd,
aes(x = partit,
y = p,
fill = twitter)) +
geom_bar(stat = 'identity',
alpha = 1) +
theme_databrew() +
labs(x = '',
y = '%',
title = 'Ús de Twitter i internet per a seguir la política, per partit',
caption = "Dades del Baròmetre d'Opinió Política, març 2019. 1500 residents de Catalunya amb ciutadania espanyola.\nGràfic de Joe Brew | @joethebrew.") +
scale_fill_manual('A través a quins mitjans s\'acostuma a informar dels temes polítics?',
values = cols) +
guides(fill = guide_legend(title.position = "top",
reverse = TRUE)) +
theme(axis.text.x = element_text(size = 14),
legend.text = element_text(size = 13))
# Lloc de naixement
pd <- df %>%
mutate(LLOC_NAIX = as_factor(LLOC_NAIX)) %>%
group_by(LLOC_NAIX, indy) %>%
tally %>%
group_by(LLOC_NAIX) %>%
mutate(p = n / sum(n) * 100)
# Age structure
library(ggridges)
pd <- df %>%
# mutate(age = ifelse(EDAT >= 70, '50+',
# ifelse(EDAT < 70, '<50',
# EDAT))) %>%
# # pd <- vilaweb::ceo %>%
# group_by(age, #age = as_factor(EDAT_GR),
# partit) %>%
tally %>%
group_by(partit) %>%
mutate(p = n / sum(n) * 100) %>%
arrange(desc(age), p)
# pd$age <- factor(pd$age, levels = rev(levels(pd$age)))
pd$partit <- factor(pd$partit, levels = unique(pd$partit))
ggplot(data = pd %>% filter(partit != 'Altre/NS/NC'),
aes(x = partit,
y = p,
fill = age)) +
geom_bar(stat = 'identity',
position = position_stack(),
color = 'black',
lwd = 0.5) +
scale_fill_manual(name = 'Edat',
values = rev(databrew::make_colors(n = length(unique(pd$age)), categorical = F)))
pd <- df %>%
group_by(partit, indy) %>%
tally %>%
group_by(partit) %>%
mutate(p = n / sum(n) * 100) %>%
arrange(desc(indy), p)
# pd$age <- factor(pd$age, levels = rev(levels(pd$age)))
pd$partit <- factor(pd$partit, levels = unique(pd$partit))
ggplot(data = pd %>% filter(partit != 'Altre/NS/NC'),
aes(x = partit,
y = p,
fill = age)) +
geom_bar(stat = 'identity',
position = position_stack(),
color = 'black',
lwd = 0.5) +
scale_fill_manual(name = 'Edat',
values = rev(databrew::make_colors(n = length(unique(pd$age)), categorical = F)))
# Tabarnia
pd <- df %>%
group_by(indy, provincia = as_factor(provincia)) %>%
tally %>%
group_by(provincia) %>%
mutate(p = n / sum(n) * 100) %>%
ungroup %>%
arrange(provincia)
pd$indy <- factor(pd$indy,
levels = c('Independentista',
'Unionista',
'NS/NC'))
library(RColorBrewer)
cols <-
c(brewer.pal(n = 9, name = 'Blues')[7],
brewer.pal(n = 9, name = 'Oranges')[5],
brewer.pal(n = 9, name = 'Greys')[7])
ggplot(data = pd,
aes(x = provincia,
y = p,
group = indy,
fill = indy)) +
geom_bar(stat = 'identity',
position = position_dodge(width = 0.9)) +
geom_text(aes(label = paste0(round(p, digits = 1), '%'),
y = p + 3),
position = position_dodge(width= 0.9),
alpha = 0.8) +
theme_databrew() +
scale_fill_manual(name = '',
values = cols) +
labs(x = '',
y = '%',
title = 'Independentisme per província',
caption = 'Dades del Baròmetre d\'Opinió Política, 1a Onada, 2019 (treball de camp: març 2019).\nMostra: 1500 residents de Catalunya amb ciutadania espanyola. Gràfic: Joe Brew | @joethebrew.') +
theme(axis.text.x = element_text(size = 20),
plot.title = element_text(size = 30),
legend.text = element_text(size = 24),
plot.caption = element_text())
joebrew/vilaweb documentation built on Sept. 11, 2020, 3:42 a.m.
R Package Documentation
Browse R Packages
We want your feedback!
Note that we can't provide technical support on individual packages. You should contact the package authors for that.
# Basic knitr options library(knitr) opts_chunk$set(comment = NA, echo = FALSE, warning = FALSE, message = FALSE, error = TRUE, cache = FALSE, fig.width = 8.64, fig.height = 4.86, fig.path = 'figures/')
# Libraries library(vilaweb) library(tidyverse) library(databrew) require(readr) library(ggrepel) library(haven)
# Read in Apr 2019 CEO data df <- haven::read_sav('../../data-raw/ceo/Microdades anonimitzades -919.sav') df <- df %>% dplyr::select(P24A,P24B,P24C,P24D,P24E,P24F,P24G, P34, P38_R, EDAT, EDAT_GR, P29, LLENGUA_ENQUESTA, LLOC_NAIX,PROVÍNCIA, contains("P49"), contains("P26"), P69) %>% dplyr::rename(provincia = PROVÍNCIA, llengua = P69) %>% mutate(llengua = as_factor(llengua)) %>% mutate(axis = ifelse(P29 %in% 98:99, NA, P29)) %>% mutate(axis_simple = ifelse(axis <=3, 'Esquerra', ifelse(axis <= 6, 'Centre', 'Dreta'))) df$axis_simple <- factor(df$axis_simple, levels = c('Esquerra', 'Centre', 'Dreta')) llengua_dict <- tibble( llengua = c("Català (valencià / balear)", "Castellà", "Totes dues igual: català (valencià / balear) i castellà", "Altres llengües o altres combinacions", "No ho sap"), language = c('Cat', 'Esp', 'Cat i\nEsp', 'Altres', 'Altres')) llengua_dict$language <- factor(llengua_dict$language, levels = c('Cat', 'Cat i\nEsp', 'Altres', 'Esp')) df <- left_join(df, llengua_dict) df <- df %>% dplyr::select(-llengua) %>% dplyr::rename(llengua = language) df$llengua <- factor(df$llengua, levels = c('Cat', 'Cat i\nEsp', 'Altres', 'Esp')) # P34 is the indepenence question # df$indy <- df$P34 indy_dict <- tibble(P34 = c(1, 2, 98,99), indy = c('Independentistes', 'Unionistes', 'NS/NC', 'NS/NC')) # P38_R is party question party_dict <- tibble(P38_R = c(1, 3, 4, 6, 10, 21, 22, 80, 93, 96, 98), partit = c('PPC','ERC', 'PSC', "C's", 'CUP', 'JxCat', 'CatEnComú\nPodem', rep('Altre/NS/NC', 4))) df <- left_join(df, party_dict) df <- left_join(df, indy_dict) # # # P24 is the twitter question # # a Pàgines de mitjans de comunicació. # b Pàgines de partits o candidats. # c Pàgines d’organitzacions ciutadanes o moviments cívics. # d Blogs o fòrums de debat. # e Facebook. # f Twitter. # g Instagram. # 1. si # 2. no # 98/99. no sap / no contesta df$twitter <- as_factor(df$P24F) df$twitter <- as.character(df$twitter) df$twitter <- ifelse(is.na(df$twitter), 'No fa servir internet', ifelse(df$twitter == 'Sí', 'Fa servir twitter\n(amb o sense altres mitjans)', 'No fa servir twitter,\nperò sí fa servir internet')) df$twitter <- factor(df$twitter, levels = rev(c('Fa servir twitter\n(amb o sense altres mitjans)', 'No fa servir twitter,\nperò sí fa servir internet', 'No fa servir internet'))) # df$twitter <- factor(df$twitter, # levels = rev(levels(df$twitter))) # Valoració de polítics politics <- gsub('P49A_', '', names(df)[grepl('P49A', names(df))]) val_pol <- function(who = NULL, know = FALSE, group = NULL){ if(is.null(who)){ who <- politics } pd <- df %>% dplyr::select(partit, axis, llengua, axis_simple, llengua, indy, contains('P49')) pd <- pd %>% gather(key, value, P49A_AFERNANDEZ:P49B_RIERA) pd$politic <- gsub('P49A_|P49B_', '', pd$key) pd$key <- substr(pd$key, 4,4) key_dict <- tibble(key = c('A', 'B'), know = c('Know', 'Score')) pd <- left_join(pd, key_dict) if(know){ out <- pd %>% filter(know == 'Know') %>% mutate(value = ifelse(value == 2, 0, value)) } else { out <- pd %>% filter(know == 'Score') %>% filter(! value %in% 98:99) } if(is.null(group)){ out <- out %>% group_by(politic) %>% summarise(value = mean(value, na.rm = TRUE), n = n()) } else { out <- out %>% group_by_('politic', group) %>% summarise(value = mean(value, na.rm = TRUE), n = n()) } if(know){ out$value <- out$value * 100 } out <- out %>% arrange(desc(value)) return(out) } # x <- val_pol(know = TRUE, group = 'partit')
Introducció
Mètodes
Resultats
Reconeixement
bp <- function(a,b){ RColorBrewer::brewer.pal(n = 8, name = a)[b] } cols <- bp('Oranges', 6) pd <- val_pol(know = TRUE) pd$politic <- factor(pd$politic, levels = unique(pd$politic)) ggplot(data = pd, aes(x = politic, y = value)) + theme_vilaweb() + geom_bar(stat = 'identity', fill = cols) + theme(axis.text.x = element_text(angle = 90, hjust = 1)) + geom_text(aes(label = round(value, digits = 1)), nudge_y = -5, color = 'white') + labs(x = '', y = 'Percentatge', title = 'Reconeixement de polítics catalans', subtitle = 'Em podria dir, per a cadascun d’ells, si els coneix?', caption = 'Mostra: 1500 residents de Catalunya amb ciutadania espanyola.\nDades del Baròmetre d\'Opinió Política, 2019, 1a onada (treball de camp: març 2019).\nGràfic: Joe Brew | @joethebrew | www.vilaweb.cat.')
Reconeixement per partit
party_plot <- function(party = 'CUP'){ bp <- function(a,b){ RColorBrewer::brewer.pal(n = 8, name = a)[b]} cols <- bp('Oranges', 6) pd <- val_pol(know = TRUE, group = 'partit') pd <- pd %>% filter(partit %in% c(party)) %>% mutate(partit = gsub('\n', ' ', partit)) %>% mutate(partit = ifelse(partit == 'CUP', 'la CUP', partit)) pd$politic <- factor(pd$politic, levels = unique(pd$politic)) ggplot(data = pd, aes(x = politic, y = value)) + theme_vilaweb() + geom_bar(stat = 'identity', fill = cols) + theme(axis.text.x = element_text(angle = 90, hjust = 1)) + geom_text(aes(label = round(value, digits = 1)), nudge_y = -5, # size = 1, color = 'white') + labs(x = '', y = 'Percentatge', title = paste0('Reconeixement de polítics catalans\n(Només entre votants de ', pd$partit[1], ')'), subtitle = 'Em podria dir, per a cadascun d’ells, si els coneix?', caption = paste0('Mostra: ', pd$n[1], ' residents de Catalunya amb ciutadania espanyola.\nDades del Baròmetre d\'Opinió Política, 2019, 1a onada (treball de camp: març 2019).\nGràfic: Joe Brew | @joethebrew | www.vilaweb.cat.')) }
C's
party_plot("C's")
Catalunya en Comú Podem
party_plot("CatEnComú\nPodem")
La CUP
party_plot("CUP")
ERC
party_plot("ERC")
Junts per Catalunya
party_plot("JxCat")
PPC
party_plot("PPC")
PSC
party_plot("PSC")
Valoració
pd <- val_pol() cols <- bp('Oranges', 6) pd$politic <- factor(pd$politic, levels = unique(pd$politic)) ggplot(data = pd, aes(x = politic, y = value)) + theme_vilaweb() + geom_bar(stat = 'identity', fill = cols) + theme(axis.text.x = element_text(angle = 90, hjust = 1)) + geom_text(aes(label = round(value, digits = 1)), nudge_y = -1, color = 'white') + labs(x = '', y = 'Valoració mitjana (0-10)', title = 'Valoració de polítics catalans', subtitle = 'Com valora l’actuació política d’aquests líders', caption = 'Mostra: 1500 residents de Catalunya amb ciutadania espanyola.\nDades del Baròmetre d\'Opinió Política, 2019, 1a onada (treball de camp: març 2019).\nGràfic: Joe Brew | @joethebrew | www.vilaweb.cat.') + ylim(0, max(pd$value))
Valoració per ideologia política del enquestat
pd <- val_pol(know = FALSE, group = 'axis_simple') %>% filter(!is.na(axis_simple)) ggplot(data = pd, aes(x = axis_simple, y = value)) + geom_area(aes(group = politic), fill = bp('Greys', 4), # color = bp('Greys', 5), alpha = 0.6) + geom_point(color = bp('Greys', 8), size = 0.5) + facet_wrap(~politic) + theme_vilaweb() + labs(y = 'Valoració mitjana', x = '', title = 'Valoració de polítics per ideologia del enquestat', caption = "Dades del Baròmetre d'Opinió Política, març 2019. Mostra: 1500 residents de CAT amb ciutadania ESP.\nIdeologia: escala 0-10 (esquerra-dreta). 0-3:Esquerra; 4-6:Centre; 7-10:Dreta. Gràfic de Joe Brew | @joethebrew.") + geom_text(aes(label = round(value, digits = 1)), alpha = 0.6, nudge_y = 1.5, size = 3) + geom_line(aes(group = 1), alpha = 0.8, size = 0.3)
Valoració de polítics per independentisme del enquestat
pd <- val_pol(know = FALSE, group = 'indy') ggplot(data = pd, aes(x = indy, y = value)) + geom_area(aes(group = politic), fill = bp('Greys', 4), # color = bp('Greys', 5), alpha = 0.6) + geom_point(color = bp('Greys', 8), size = 0.5) + facet_wrap(~politic) + theme_vilaweb() + labs(y = 'Valoració mitjana', x = '', title = 'Valoració de polítics per independentisme del enquestat', caption = "Dades del Baròmetre d'Opinió Política, març 2019. Mostra: 1500 residents de CAT amb ciutadania ESP.\nGràfic de Joe Brew | @joethebrew.") + geom_text(aes(label = round(value, digits = 1)), alpha = 0.6, nudge_y = 1.5, size = 3) + geom_line(aes(group = 1), alpha = 0.8, size = 0.3) + theme(axis.text.x = element_text(size = 7, angle = 45, vjust = 1, hjust = 1))
Valoració de polítics per partit polític del enquestat
pd <- val_pol(know = FALSE, group = 'partit') %>% filter(!partit %in% c('Altre/NS/NC')) %>% mutate(partit = ifelse(partit == 'CatEnComú\nPodem', 'Podem', partit)) pd$partit <- factor(pd$partit, levels = c("CUP", "ERC", 'JxCat', "Podem", 'PSC', "C's", "PPC")) ggplot(data = pd, aes(x = partit, y = value)) + geom_area(aes(group = politic), fill = bp('Greys', 4), # color = bp('Greys', 5), alpha = 0.6) + geom_point(color = bp('Greys', 8), size = 0.5) + facet_wrap(~politic) + theme_vilaweb() + labs(y = 'Valoració mitjana', x = '', title = 'Valoració de polítics per partit polític del enquestat', caption = "Dades del Baròmetre d'Opinió Política, març 2019. Mostra: 1500 residents de CAT amb ciutadania ESP.\nGràfic de Joe Brew | @joethebrew.") + geom_text(aes(label = round(value, digits = 1)), alpha = 0.6, nudge_y = 1.5, size = 3) + geom_line(aes(group = 1), alpha = 0.8, size = 0.3) + theme(axis.text.x = element_text(size = 7, angle = 45, vjust = 1, hjust = 1))
Valoració de polítics per llengua del enquestat
pd <- val_pol(know = FALSE, group = 'llengua') %>% filter(!llengua %in% 'Altres') ggplot(data = pd, aes(x = llengua, y = value)) + geom_area(aes(group = politic), fill = bp('Greys', 4), # color = bp('Greys', 5), alpha = 0.6) + geom_point(color = bp('Greys', 8), size = 0.5) + facet_wrap(~politic) + theme_vilaweb() + labs(y = 'Valoració mitjana', x = '', title = 'Valoració de polítics per llengua del enquestat', caption = "Dades del Baròmetre d'Opinió Política, març 2019. Mostra: 1500 residents de CAT amb ciutadania ESP.\nGràfic de Joe Brew | @joethebrew.") + geom_text(aes(label = round(value, digits = 1)), alpha = 0.6, nudge_y = 1.5, size = 3) + geom_line(aes(group = 1), alpha = 0.8, size = 0.3) + theme(axis.text.x = element_text(size = 7, angle = 45, vjust = 1, hjust = 1))
# Old stuff # By independentism pd <- df %>% filter(indy != 'NS/NC') %>% group_by(indy, twitter) %>% summarise(n = n()) %>% ungroup %>% group_by(indy) %>% mutate(p = n / sum(n) * 100) %>% ungroup %>% arrange(desc(twitter), p) %>% group_by(indy) %>% mutate(pp = cumsum(p)) cols <- rev(databrew::make_colors(n = 3, categorical = F)) red <- RColorBrewer::brewer.pal(8, 'Oranges')[4] cols[1] <- red ggplot(data = pd, aes(x = indy, y = p, fill = twitter)) + geom_bar(stat = 'identity', alpha = 1) + theme_databrew() + labs(x = '', y = '%', title = 'Independentisme i ús de Twitter/internet', caption = "Dades del Baròmetre d'Opinió Política, març 2019. 1500 residents de Catalunya amb ciutadania espanyola.\nGràfic de Joe Brew | @joethebrew.") + scale_fill_manual('A través a quins mitjans\ns\'acostuma a informar\ndels temes polítics?', values = cols) + guides(fill = guide_legend(title.position = "top", reverse = FALSE)) + theme(axis.text.x = element_text(size = 18), legend.text = element_text(size = 13), legend.position = 'right', plot.title = element_text(size = 25), plot.caption = element_text(hjust = 0)) + geom_text( data = pd %>% filter(twitter != 'No fa servir internet'), aes(label = round(pp, digits = 1)), position = position_stack(), vjust = 1, color = 'white' ) # By party pd <- df %>% filter(#!is.na(twitter), partit != 'Altre/NS/NC') %>% group_by(partit, twitter) %>% summarise(n = n()) %>% ungroup %>% group_by(partit) %>% mutate(p = n / sum(n) * 100) %>% ungroup %>% arrange(twitter, p) pd$partit <- factor(pd$partit, levels = unique(pd$partit)) cols <- rev(databrew::make_colors(n = 3, categorical = F)) red <- RColorBrewer::brewer.pal(8, 'Oranges')[4] cols[1] <- red ggplot(data = pd, aes(x = partit, y = p, fill = twitter)) + geom_bar(stat = 'identity', alpha = 1) + theme_databrew() + labs(x = '', y = '%', title = 'Ús de Twitter i internet per a seguir la política, per partit', caption = "Dades del Baròmetre d'Opinió Política, març 2019. 1500 residents de Catalunya amb ciutadania espanyola.\nGràfic de Joe Brew | @joethebrew.") + scale_fill_manual('A través a quins mitjans s\'acostuma a informar dels temes polítics?', values = cols) + guides(fill = guide_legend(title.position = "top", reverse = TRUE)) + theme(axis.text.x = element_text(size = 14), legend.text = element_text(size = 13)) # Lloc de naixement pd <- df %>% mutate(LLOC_NAIX = as_factor(LLOC_NAIX)) %>% group_by(LLOC_NAIX, indy) %>% tally %>% group_by(LLOC_NAIX) %>% mutate(p = n / sum(n) * 100) # Age structure library(ggridges) pd <- df %>% # mutate(age = ifelse(EDAT >= 70, '50+', # ifelse(EDAT < 70, '<50', # EDAT))) %>% # # pd <- vilaweb::ceo %>% # group_by(age, #age = as_factor(EDAT_GR), # partit) %>% tally %>% group_by(partit) %>% mutate(p = n / sum(n) * 100) %>% arrange(desc(age), p) # pd$age <- factor(pd$age, levels = rev(levels(pd$age))) pd$partit <- factor(pd$partit, levels = unique(pd$partit)) ggplot(data = pd %>% filter(partit != 'Altre/NS/NC'), aes(x = partit, y = p, fill = age)) + geom_bar(stat = 'identity', position = position_stack(), color = 'black', lwd = 0.5) + scale_fill_manual(name = 'Edat', values = rev(databrew::make_colors(n = length(unique(pd$age)), categorical = F))) pd <- df %>% group_by(partit, indy) %>% tally %>% group_by(partit) %>% mutate(p = n / sum(n) * 100) %>% arrange(desc(indy), p) # pd$age <- factor(pd$age, levels = rev(levels(pd$age))) pd$partit <- factor(pd$partit, levels = unique(pd$partit)) ggplot(data = pd %>% filter(partit != 'Altre/NS/NC'), aes(x = partit, y = p, fill = age)) + geom_bar(stat = 'identity', position = position_stack(), color = 'black', lwd = 0.5) + scale_fill_manual(name = 'Edat', values = rev(databrew::make_colors(n = length(unique(pd$age)), categorical = F))) # Tabarnia pd <- df %>% group_by(indy, provincia = as_factor(provincia)) %>% tally %>% group_by(provincia) %>% mutate(p = n / sum(n) * 100) %>% ungroup %>% arrange(provincia) pd$indy <- factor(pd$indy, levels = c('Independentista', 'Unionista', 'NS/NC')) library(RColorBrewer) cols <- c(brewer.pal(n = 9, name = 'Blues')[7], brewer.pal(n = 9, name = 'Oranges')[5], brewer.pal(n = 9, name = 'Greys')[7]) ggplot(data = pd, aes(x = provincia, y = p, group = indy, fill = indy)) + geom_bar(stat = 'identity', position = position_dodge(width = 0.9)) + geom_text(aes(label = paste0(round(p, digits = 1), '%'), y = p + 3), position = position_dodge(width= 0.9), alpha = 0.8) + theme_databrew() + scale_fill_manual(name = '', values = cols) + labs(x = '', y = '%', title = 'Independentisme per província', caption = 'Dades del Baròmetre d\'Opinió Política, 1a Onada, 2019 (treball de camp: març 2019).\nMostra: 1500 residents de Catalunya amb ciutadania espanyola. Gràfic: Joe Brew | @joethebrew.') + theme(axis.text.x = element_text(size = 20), plot.title = element_text(size = 30), legend.text = element_text(size = 24), plot.caption = element_text())
R Package Documentation
Browse R Packages
We want your feedback!
Note that we can't provide technical support on individual packages. You should contact the package authors for that.
Embedding an R snippet on your website
Add the following code to your website.
For more information on customizing the embed code, read Embedding Snippets.