一些数据问题

[XiangyunHuang]

尽量选用一些社会、经济、文化、历史方面的数据，有具体背景，可以考虑一些国家的统计局、政府组织发布的数据，真实的数据，具体的场景，给读者在学习技术的同时，也能了解社会、经济等真实现状，有多少数据讲多少故事，尽量去吸引和带动读者做自己的探索、分析和研究。相信大家对了解这个社会是很感兴趣的。

问题数据

• gapminder 包里面的数据是三次加工的，存在敏感性问题，不符合出版要求。直接从世界银行获取、整理数据，替换书中数据，重新绘图。
• 目前 R-devel 开发者日志数据 svn-trunk-log-2022.rds 是 1997-09 至 2022-07，待 2022 年年底凑足 2022 年整年的数据。

组织数据

目前本地目录 data-raw/ 存放原数据以及处理数据的代码（不上传到本代码仓库），处理后的数据放在目录 data/ 下，上传到代码仓库）。目前的组织方式是数据内容+年份，以 R 软件内置的 RDS 格式保存，如下是一些示例。优点是占用空间小，易于交流。等统稿的时候，可以考虑做一个单独的 R 包存放数据。

china-age-sex-2020.rds          china-sex-ratio-2020.rds        svn-trunk-log-2022.rds
china-household-sex-2020.rds    gapminder-2020.rds              usa-mortality-2020.rds
china-raise-illiteracy-2020.rds rversion-2022.rds

数据来源

1. CRAN 上 R 包内置数据集收录 https://github.com/vincentarelbundock/Rdatasets
2. World Bank data 世界银行发布的数据，可以用 WDI 包获取，WDI 包的作者Vincent Arel-Bundock
3. 美国人口调查局发布的统计年鉴、世界银行发布的各国数据、中国国家和地方统计局发布的年鉴。美国政府及组织发布的数据整理得会好一些，国内的数据收集有难度，会花费不少时间，比如国家统计局发布的年鉴，数据是以图片形式发布的。
4. 中国地震数据分析、中国房地产行业分析，这两部分应该也是有意思的。比如房价在北京的分布，不是了解北京的大好方式吗？即使是利用历史的房价数据，依然很有意义。
5. 经济学中不平等的概念（比如基尼系数），介绍洛伦兹曲线等基本概念，描述各个省/市过去 30 年城乡差距的变化等。不平等不均衡是历史以来的社会现象，如何用数据去刻画，具有普遍的社会意义，掌握一般方法，对于了解社会非常有帮助。