knitr::opts_chunk$set( <<<<<<< HEAD:vignettes/pendelointi.Rmd collapse = TRUE, comment = "#>", fig.path = "fig_pendelointi/", fig.width = 18, fig.height = 10 ======= fig.path = "fig_pendelointi/" >>>>>>> b63e37969fe45f9433900acf631e3407fd42204a:analyysit/Pendelointi/pendelointi.Rmd ) library(tidyverse) library(ggptt) library(RColorBrewer) library(glue) <<<<<<< HEAD:vignettes/pendelointi.Rmd devtools::load_all() set_ptt(28) theme_update(plot.subtitle = element_text(colour = "grey30", size = 18), plot.title = element_text(colour = "grey30", size = 40), plot.margin = margin(0.5, 0.5, 3, 0.5), legend.spacing = unit(24, "pt")) update_geom_defaults("line", list(size = 3)) ======= devtools::load_all() set_proj() >>>>>>> b63e37969fe45f9433900acf631e3407fd42204a:analyysit/Pendelointi/pendelointi.Rmd atyyppi_colour <- c(brewer.pal(6, "Oranges")[6:4], brewer.pal(6, "Blues")[6:5] , brewer.pal(6, "Greens")[6:5])
data("dat_lahtopendelointi_tyyppi", "dat_tulopendelointi_tyyppi", "dat_tulopendelointi", "dat_muutto_aikasarja_km") data("dat_matkat_aluokka")
# grep("valinen_muutto", unique(dat_muutto_aikasarja_km$tiedot), value = TRUE) liikkuvuus_tiedot <- c( "Kuntien_Pendelöinti" = "kuntien_valinen_pendelointi", "Seutukuntien_Pendelöinti" = "seutukuntien_valinen_pendelointi", "Maakuntien_Pendelöinti" = "maakuntien_valinen_pendelointi", # "Aluetyyppien_Pendelöinti" = "aluetyyppien_valinen_pendelointi", "Työmarkkina-alueiden_Pendelöinti" = "LMA_valinen_pendelointi", "Kuntien_Muutto" = "kuntien_valinen_muutto", "Seutukuntien_Muutto" = "seutukuntien_valinen_muutto", "Maakuntien_Muutto" = "maakuntien_valinen_muutto", # "Aluetyyppien_Muutto" = "aluetyyppien_valinen_muutto", "Työmarkkina-alueiden_Muutto" = "LMA_valinen_muutto" ) dat_muutto_aikasarja_km %>% filter(tiedot %in% liikkuvuus_tiedot) %>% mutate(tiedot = fct_recode(tiedot, !!!liikkuvuus_tiedot)) %>% separate(tiedot, c("alue", "vars"), "_") %>% mutate(alue = fct_reorder(alue, value, .desc = TRUE)) %>% ggplot(aes(time, value, colour = alue)) + facet_wrap(~ vars, scales = "free") + geom_line() + geom_h0() + scale_y_continuous(labels = scales::number) + scale_x_continuous(breaks = scales::pretty_breaks()) + the_legend_bot() + the_title_blank(c("x", "y", "l")) + labs(title = "Muuttoja ja pendelöintejä alueiden välillä", caption = "Lähde: Tilastokeskus, PTT")
dat_muutto_aikasarja_km %>% filter(tiedot %in% liikkuvuus_tiedot) %>% mutate(tiedot = fct_recode(tiedot, !!!liikkuvuus_tiedot)) %>% separate(tiedot, c("alue", "vars"), "_") %>% left_join( spread( filter(dat_muutto_aikasarja_km, tiedot %in% c("asukkaat", "tyolliset")), tiedot, value), by = "time") %>% mutate(alue = fct_reorder(alue, value, .desc = TRUE), osuus = 100 * if_else(vars == "Muutto", value / asukkaat, value / tyolliset)) %>% ggplot(aes(time, osuus, colour = alue)) + facet_wrap(~ vars, scales = "free") + geom_line() + geom_h0() + scale_y_continuous(labels = scales::number) + scale_x_continuous(breaks = scales::pretty_breaks()) + the_legend_bot() + the_title_blank(c("x", "y", "l")) + labs(title = "Muuttoja ja pendelöintejä alueiden välillä", caption = "Lähde: Tilastokeskus, PTT")
time_range <- range(dat_tulopendelointi$time) dat_tulopendelointi_tyyppi %>% filter(koulutusaste == "Yhteensä", ika == "Yhteensä") %>% select(-ika, -koulutusaste) %>% mutate(aluetyyppi = fct_recode(aluetyyppi, 'Muu maaseutu' = "Ydinmaaseutu", 'Muu maaseutu' = "Harvaan asuttu maaseutu"), aluetyyppi = ggptt::line_wrap(aluetyyppi, 25)) %>% group_by(time, aluetyyppi, pendelointi) %>% summarise_all(sum) %>% ungroup() %>% mutate(pendelointi = fct_recode(pendelointi, kaikki = "Yhteensä", asuinkunnassa = "Asuinkunnassaan työssäkäyvät", pendeloivat = "Alueelle pendelöivät")) %>% spread(pendelointi, values) %>% mutate(values = 100 * pendeloivat / kaikki) %>% ggplot(aes(time, values, colour = aluetyyppi)) + geom_line() + scale_colour_manual(values = atyyppi_colour) + the_title_blank(c("x", "l")) + labs(subtitle = glue("Muissa kunnissa asuvien osuus kunnassa työssäkäyvistä keskimäärin alueilla", " vuosina {time_range[1]}-{time_range[2]}."), title = "Muista kunnista työssäkäyvien osuus", caption = "Lähde: PTT, Tilastokeskus", y = "%") <<<<<<< HEAD:vignettes/pendelointi.Rmd # ggsave("pend_atyyppi.png", height = 6, width = 12) ======= # ggsave("fig/pend_atyyppi.png", height = 6, width = 12) >>>>>>> b63e37969fe45f9433900acf631e3407fd42204a:analyysit/Pendelointi/pendelointi.Rmd
dat_tulopendelointi_tyyppi %>% filter(koulutusaste == "Yhteensä", ika == "Yhteensä") %>% mutate(pendelointi = fct_recode(pendelointi, kaikki = "Yhteensä", asuinkunnassa = "Asuinkunnassaan työssäkäyvät", pendeloivat = "Alueelle pendelöivät")) %>% spread(pendelointi, values) %>% mutate(values = pendeloivat) %>% ggplot(aes(time, values, colour = aluetyyppi)) + geom_line()
dat_tyossakaynti_aste <- dat_tulopendelointi %>% filter(koulutusaste == "Yhteensä", ika == "Yhteensä", pendelointi == "Yhteensä") %>% select(- koulutusaste, - ika, - pendelointi) %>% rename(alue = tyopaikan_alue, tyossakayvat = values) %>% left_join(dat_kuntien_vakiluvut, by = c("alue", "time")) %>% mutate(tyossakaynti_aste = tyossakayvat/vaki_15_64) dat_tyossakaynti_aste %>% mutate(alue2 = fct_other(alue, keep = c("KOKO MAA", "Helsinki")), alue = fct_relevel(alue, c("KOKO MAA", "Helsinki"), after = Inf)) %>% ggplot(aes(time, tyossakaynti_aste, group = alue, colour = alue2)) + geom_line(alpha = 0.5)
dat_tyossakaynti_aste_tyyppi <- aluetyyppi %>% rename(alue = kunta) %>% left_join(dat_tyossakaynti_aste, by = "alue") %>% group_by(time, aluetyyppi) %>% summarise_if(is.numeric, sum) %>% ungroup() %>% mutate(tyossakaynti_aste = tyossakayvat/vaki_15_64) dat_tyossakaynti_aste_tyyppi %>% ggplot(aes(time, tyossakaynti_aste, colour = aluetyyppi)) + geom_line()
dat_sum_amma3 %>% filter(!is.na(amma3), !(aluetyyppi == aluetyyppi_tp)) %>% ggplot(aes(time, N, colour = aluetyyppi_tp)) + facet_grid(amma3 ~ aluetyyppi) + geom_line()
dat_sum_amma3 %>% group_by(time, aluetyyppi_tp, amma3) %>% summarise(pend_osuus = sum(N[!(aluetyyppi == aluetyyppi_tp)]) / sum(N)) %>% ungroup() %>% ggplot(aes(time, pend_osuus, colour = aluetyyppi_tp)) + facet_wrap(~ amma3) + geom_line()
dat_sum_amma3 %>% group_by(time, aluetyyppi_tp, amma3) %>% summarise(pend_osuus = 100 * sum(N[!(aluetyyppi == aluetyyppi_tp)]) / sum(N)) %>% group_by(aluetyyppi_tp, amma3) %>% summarise(pend_osuus_muutos = (pend_osuus[time == max(time)] - pend_osuus[time == 2000])) %>% ungroup() %>% filter(!(amma3 %in% c("sotilaat", NA))) %>% ggplot(aes(aluetyyppi_tp, pend_osuus_muutos)) + facet_wrap(~ amma3) + geom_col()
dat_sum_amma3 %>% mutate(amma3 = replace_na(as.character(amma3), "Muut")) %>% mutate(amma_val = fct_recode(amma3, 'Erityisasiantuntijat' = "erityisasiantuntijat", 'Asiantuntijat' = "asiantuntijat", 'Valmistus ja prosessi' = "korj & valm tt", 'Valmistus ja prosessi' = "pros tt", 'Toimisto ja myynti' = "tsto & aspal tt", 'Toimisto ja myynti' = "pal, myynti & hoito tt", 'Rakennus' = "rakennus tt"), amma_val = fct_other(amma_val, keep = c('Erityisasiantuntijat', 'Asiantuntijat', 'Valmistus ja prosessi', 'Toimisto ja myynti', 'Rakennus'), other_level = "Muut"), aluetyyppi_tp = fct_rev(aluetyyppi_tp)) %>% group_by(time, aluetyyppi, aluetyyppi_tp, amma_val) %>% summarise(N = sum(N)) %>% group_by(time, aluetyyppi_tp, amma_val) %>% summarise(pend_osuus = 100 * sum(N[!(aluetyyppi == aluetyyppi_tp)], na.rm = TRUE) / sum(N, na.rm = TRUE)) %>% group_by(aluetyyppi_tp, amma_val) %>% summarise(pend_osuus_muutos = (pend_osuus[time == max(time)] - pend_osuus[time == 2000])) %>% ungroup() %>% ggplot(aes(aluetyyppi_tp, pend_osuus_muutos)) + facet_wrap(~ amma_val, nrow = 1) + geom_col() + geom_hline(yintercept = 0) + coord_flip() + labs(y = "%-yksikköä", x = NULL, title = "Muista kunnista työssäkäyvien osuuden muutos 2000-2015 ammateittain alueilla keskimäärin") # ggsave("pend_amma_val.png", height = 6, width = 16) <<<<<<< HEAD:vignettes/pendelointi.Rmd
dat_sum_amma3 %>% mutate(amma3 = replace_na(as.character(amma3), "Muut")) %>% mutate(amma_val = fct_recode(amma3, 'Erityisasiantuntijat' = "erityisasiantuntijat", 'Asiantuntijat' = "asiantuntijat", 'Valmistus ja prosessi' = "korj & valm tt", 'Valmistus ja prosessi' = "pros tt", 'Toimisto ja myynti' = "tsto & aspal tt", 'Toimisto ja myynti' = "pal, myynti & hoito tt", 'Rakennus' = "rakennus tt"), amma_val = fct_other(amma_val, keep = c('Erityisasiantuntijat', 'Asiantuntijat', 'Valmistus ja prosessi', 'Toimisto ja myynti', 'Rakennus'), other_level = "Muut"), aluetyyppi_tp = fct_rev(aluetyyppi_tp)) %>% group_by(time, aluetyyppi, aluetyyppi_tp, amma_val) %>% summarise(N = sum(N)) %>% group_by(time, aluetyyppi_tp, amma_val) %>% summarise(pend_osuus = 100 * sum(N[!(aluetyyppi == aluetyyppi_tp)], na.rm = TRUE) / sum(N, na.rm = TRUE)) %>% group_by(aluetyyppi_tp, amma_val) %>% summarise(pend_osuus_muutos = (pend_osuus[time == max(time)] - pend_osuus[time == 2000])) %>% ungroup() %>% filter(amma_val != "Muut") %>% ggplot(aes(aluetyyppi_tp, pend_osuus_muutos)) + facet_wrap(~ amma_val, nrow = 1) + geom_col() + geom_hline(yintercept = 0) + coord_flip() + labs(y = "%-yksikköä", x = NULL, title = "Muista kunnista työssäkäyvien osuuden muutos 2000-2015 ammateittain") # ggsave("pend_amma_val.png", height = 6, width = 16) ======= >>>>>>> b63e37969fe45f9433900acf631e3407fd42204a:analyysit/Pendelointi/pendelointi.Rmd
dat_sum_amma3 %>% mutate(amma3 = replace_na(as.character(amma3), "Muut")) %>% mutate(amma_val = fct_recode(amma3, 'Erityisasiantuntijat' = "erityisasiantuntijat", 'Asiantuntijat' = "asiantuntijat", 'Valmistus ja prosessi' = "korj & valm tt", 'Valmistus ja prosessi' = "pros tt", 'Toimisto ja myynti' = "tsto & aspal tt", 'Toimisto ja myynti' = "pal, myynti & hoito tt", 'Rakennus' = "rakennus tt"), amma_val = fct_other(amma_val, keep = c('Erityisasiantuntijat', 'Asiantuntijat', 'Valmistus ja prosessi', 'Toimisto ja myynti', 'Rakennus'), other_level = "Muut"), aluetyyppi_tp = fct_rev(aluetyyppi_tp)) %>% group_by(time, aluetyyppi_tp, amma_val) %>% summarise(N = sum(N)) %>% ungroup() %>% ggplot(aes(time, N, colour = aluetyyppi_tp)) + facet_wrap(~ amma_val, scales = "free")+ geom_line() + geom_hline(yintercept = 0)
Ruutuaineistosta laskettu
dat_matkat_aluokka %>% gather(vars, values, tyomatka_asuin, tyomatka_tyo) %>% mutate(vars = fct_recode(vars, "Asuinpaikan mukaan" = "tyomatka_asuin", "Työpaikan mukaan" = "tyomatka_tyo")) %>% ggplot(aes(time, values, colour = aluokka)) + facet_wrap(~ vars) + geom_line() + geom_h0() + scale_colour_manual(values = atyyppi_colour) + scale_x_continuous(labels = no_century) + labs(title = "Keskimääräiset työmatkat", subtitle = "Ruutuaineistosta kaupunki-maaseutuluokituksella", caption = "© YKR / SYKE ja TK 2018", y = "km") + the_title_blank(c("x", "l")) # ggsave("matkat.png", height = 8, width = 16)
Add the following code to your website.
For more information on customizing the embed code, read Embedding Snippets.