期末作业过程描述

https://www.rpubs.com/Maxine/american_school_diversity

选题想法： Washington Post 的报道，数据量在 3 w 行以内，有天然的地理层级关系，适合分析结构。

涉及数据：

2017 年和 1995 年的学校多样性数据，经过 Washington Post 的预处理，可以在 https://github.com/WPMedia/student_integration_analysis/blob/master/output%20data/student_diversity_integration_output.csv 找到
美国各州、部分学区的形状文件，通过 tigris 和 tidycensus 获得
2017 年美国社区调查数据，通过 tidycensus 获得

# 种族人口分布
tidycensus::get_acs("state", variables = c(
 white = "C02003_003",
 black = "C02003_004",
 asian = "C02003_006",
 aian = "C02003_005",
 other = "C02003_008",
 multi = "C02003_009")) %>% 
readr::write_rds("income.rds")

# 工资中位数                                       
tidycensus::get_acs("state", variables = c(
  "income" = "B19013_001",
  "white_income" = "B19013H_001",
  "black_income" = "B19013B_001",
  "aian_income" = "B19013C_001",
  "asian_income" = "B19013D_001",
  "other_income" = "B19013F_001",
  "multi_income" = "B19013G_001",
  "hispanic_income" = "B19013I_001"
)) %>% 
  readr::write_rds("res_seg.rds")

视觉呈现的选择：

分面地图、坡度图、三角坐标图描述 1995 年到 2017 年美国各州校园种族多样性的变化对比
山脊图以简洁的方式刻画 DI 在四个分区，两个年份的分布差异
交互地图利于读者的探索性发现和分析
散点图描述两个变量之间相关性

内容框架：

概述部分，应先让读者对 DI 变化趋势有基本认识
描述性分析 DI 的（地理）分布特征
结合文献，探究 DI 的影响的影响因素
- 种族隔离
- 收入差距

文件说明

final_update / final_update.Rmd 生成网页的源文件
final_update / data
- student_integration_output.csv Washington Post 提供的 1995 年和 2017 年美国各校区的多样性数据
- region.csv 美国各州所属的地理大区，用于山脊图
- least_diverse_shape.rds 和 most_diverse_shape.rds, 最多样和最不多样的 5 个州的形状文件，可用 readr::read_rds() 读取
- ggtern.R 三角坐标图代码
- income.rds 2017 年 ACS 中各州工资中位数
- res_seg.rds 2017 年 ACS 中各州种族人口分布

qiushiyan / 2019F-Data-Visualization

readme

期末作业过程描述