谁在管理我们的国家？使用 R 语言分析全国人大代表数据（ggplot2版本）

最近各大新闻媒体都在铺天盖地报道有关两会的新闻，我们也来蹭一下热度，虽然找不到今年人大代表的相关数据，但是我们可以从这个网站： https://news.cgtn.com/event/2019/whorunschina/index.html 获取 2019 年的两会人大代表数据。数据我们已经爬好放在本文的附件中了。

读取数据

首先读取数据：

library(tidyverse)
library(hrbrthemes)
# 设置 ggplot2 绘图主题，注意这里的 cnfont 是在 Profile 文件里面设置的字体，如果提示不存在 cnfont 可以把 `base_family = cnfont` 参数删除。
theme_set(theme_ipsum(base_family = cnfont))

# 读取数据
df <- read_csv('NPC.csv')
# 概览数据：
glimpse(df)

总人数

df %>%
  count() %>%
  pull()

#> [1] 2975

计算每个代表团的总人数：

df %>%
  count(Delegation)

我手动把这个结果翻译了一下：

read_csv("delegation2.csv") %>%
  transmute(
    delegation = `代表团`,
    count = n
  ) %>%
  mutate(
    delegation = if_else(delegation == "中国人民解放军武警部队", "中国人民解放军\n武装警察部队", delegation)
  ) -> delegation

然后我们绘制一幅华夫图展示这个结果，waffle 包返回的是一个 gg 对象，所以我们可以在其上直接添加 ggplot2 包的操作：

各个代表团的人数

我们还可以把人数最多的 9 个代表团拿出来比较：

人数最多的九个代表团

性别、年龄分布

性别年龄分布我们可以一起来看：

性别年龄分布

可以看出，60 后是 NPC 的核心，90 后中女性的数量多于男性。人大代表们的平均年龄是 53.77 岁。其中，1672 名代表出生于 20 世纪 60 年代，占总数的一半以上。另外我们还可以看到，代表们越年轻，性别比例越均衡。

是不是觉得女性的比例很少？实际上近几届人大会议上女代表的比例正在稳步上升：

女性代表的比例变化

民族分布

中国是个有着 56 个民族的多民族国家，55个少数民族 + 汉族，那么人大代表中有多少个民族呢？

df %>%
  count(民族)

#> # A tibble: 56 x 2
#>    民族         n
#>  * <chr>    <int>
#>  1 阿昌族       1
#>  2 白族         8
#>  3 保安族       1
#>  4 布朗族       1
#>  5 布依族       7
#>  6 藏族        33
#>  7 朝鲜族      12
#>  8 达斡尔族     1
#>  9 傣族         5
#> 10 德昂族       1
#> # … with 46 more rows

也就是说每个民族都至少有一个代表，可以用一幅树图展示各个民族代表的比例：

全国人大代表的民族分布

其中汉族人 2538 人，占总数的 85%。

学历分布

不用想就知道人大代表们的学历应该都挺高的：

全国人大代表的学历分布

如果我们只关心男女比例，而不关心各种学历的人数关系，可以使用 100% 填充模式：

全国人大代表的学历分布

学科分布

全国人大代表的专业背景怎么样？根据中国教育部的专业分类，管理科学，哲学，文学，历史，教育，艺术，经济，法律和军事科学属于人文社会科学 ; 而科学，工程，农业和医学是自然科学。

学科分布

党派分布

df %>%
  count(党派) %>%
  rename(人数 = n) %>%
  knitr::kable(align = "c")

党派	人数
九三学社	64
民革	44
民主建国会	57
民主同盟	58
农工党	54
台盟	11
无	423
致公党	38
中共	2172
中国民主促进会	54

可以绘制一幅冲积图来展示各个代表团的党派分布：

各个代表团的党派分布

代表们籍贯的地理分布图

可以使用 ggplot2 + sf 绘制：

代表们籍贯的地理分布图

点击这里跳转到 RStata 短书平台获取附件：谁在管理我们的国家？使用 R 语言分析全国人大代表数据（ggplot2版本）