Transportvolumenanalyse mit Daten der OECD R

Basierend auf meinem kürzlich erschienenen Beitrag zum OECD-Paket in R poste ich hier eine weitere OECD Transportdatenanalyse. Ich analysiere die deutsche Transportvolumenentwicklung indem ich verschiedene Binnenfrachtkategorien in einem ggplot-Diagramm vergleiche. Die Daten habe ich wieder mit dem OECD-Paket in R abgefragt.

library(OECD)

Aus dem vorherigen Beitrag kennen wir bereits den ID-Schlüssel des interessierenden transportbezogenen Datensatzes. Mit get_dataset (R-Funktion aus der OECD-Datenbank) ziehe ich die Daten über die OECD-Schnittstelle in R .

data_df <- as.data.frame(get_dataset(dataset = "ITF_GOODS_TRANSPORT"))

Mit dplyr filtere ich die interessierenden Dateneinträge heraus:

library(dplyr)

colnames(data_df) <- c("country","variable","timeformat","unit","powercode","obsTime","obsValue","obsStatus")
data_df <- dplyr::filter(data_df,country=="DEU") 
data_df <- dplyr::filter(data_df,timeformat=="P1Y")
data_df <- dplyr::filter(data_df,unit=="TONNEKM") 
data_df <- data_df[is.na(data_df$obsStatus),]

Nach dem Filtern werden die Einträge noch durch Variablenindikatoren unterschieden. Damit ich diese interpretieren kann, ziehe ich die Datenstruktur mit der Funktion get_data_structure aus dem OECD-Paket in R :

data_struct <- get_data_structure("ITF_GOODS_TRANSPORT")
data_struct$VARIABLE

##                  id                                      label
## 1  T-GOODS-TOT-INLD             Total inland freight transport
## 2    T-GOODS-RL-TOT                     Rail freight transport
## 3    T-GOODS-RD-TOT                     Road freight transport
## 4    T-GOODS-RD-REW Road freight transport for hire and reward
## 5    T-GOODS-RD-OWN      Road freight transport on own account
## 6    T-GOODS-IW-TOT         Inland waterways freight transport
## 7    T-GOODS-PP-TOT                        Pipelines transport
## 8         T-SEA-CAB      Coastal shipping (national transport)
## 9             T-SEA                         Maritime transport
## 10    T-CONT-RL-TEU            Rail containers transport (TEU)
## 11           T-CONT                       Containers transport
## 12    T-CONT-RL-TON         Rail containers transport (weight)
## 13   T-CONT-SEA-TEU        Maritime containers transport (TEU)
## 14   T-CONT-SEA-TON     Maritime containers transport (weight)

Ich kann jetzt ein ggplot-Pfaddiagramm erstellen und die folgenden für mich interessanten Kategorien vergleichen: – Binnenschifffahrt – Binnenschifffahrt – Binnenschifffahrt – Binnenschifffahrt

library(ggplot2)
ggplot(data_df[data_df$variable == c("T-GOODS-IW-TOT",
                                     "T-GOODS-RD-TOT",
                                     "T-GOODS-RL-TOT"),]) + 
  geom_path(mapping = aes(x=as.numeric(obsTime),y=obsValue, color=variable)) +
  ggtitle("German inland freight development by considered category") +
  xlab("year") +
  ylab("in millions of TONNEKM")