60070090_60070183.Rmd

---
title: "Comic Characters 538"
header-includes:
- \usepackage{xunicode}
- \usepackage{xltxtra}
- \defaultfontfeatures{Scale=MatchLowercase}
- \setmainfont[Scale=1.5]{Angsana New}
- \XeTeXlinebreaklocale "th"
- \XeTeXlinebreakskip = 0pt plus 1pt
date: "2019/04/12"
output:
  html_document:
    df_print: paged
  pdf_document:
    latex_engine: xelatex
---

```{r setup, include=FALSE}
knitr::opts_chunk$set(echo = TRUE)
```

## สมาชิกกลุ่ม

### สมาชิกคนที่ 1

ชื่อ: นายวิพุธ ภู่ทอง

รหัสนักศึกษา: 60070090

เวลาเรียน: อังคาร 13:30 - 16:30 น.

### สมาชิกคนที่ 2

ชื่อ: นายธีรภัทร ไกรศรีสิริกุล

รหัสนักศึกษา: 60070183

เวลาเรียน: อังคาร 13:30 - 16:30 น.

## โจทย์ปัญหา

1. Marvel หรือ DC เขียนตัวละครมาแล้วเสียชีวิตไปมากกว่ากัน?
2. เพศและฝั่งของตัวละครมีผลหรือแนวโน้มที่จะถูกเขียนให้เสียชีวิตมากน้อยเท่าไร?

ชุดข้อมูลที่ใช้จาก  fivethirtyeight : comic_characters

## ขั้นตอนการดำเนินการ

### 1.) โหลด Library

```{r}
library(tidyverse)
library(fivethirtyeight)
library(stringr)
library(ggthemes)
```

### 2.) ทดลองดูข้อมูล

```{r}
comic_characters
```

### 3.) หาคำตอบ

#### 3.1.) ดูว่าตัวละครจากค่ายหนังสือการ์ตูนทั้ง Marvel และ DC นั้นมีอัตราการเสียชีวิตเท่าไร

```{r}
by_publisher <- comic_characters %>%
                count(publisher, alive) %>%
                filter(!is.na(alive))

by_publisher
```

#### 3.2.) ดูปัจจัยอื่นอย่างเพศและฝั่งของตัวละคร ว่ามีอัตราการเสียชีวิตเท่าไร

```{r}
by_sex <- comic_characters %>%
          count(sex, alive) %>%
          filter(!is.na(alive)) %>%
          filter((sex == 'Male Characters') | (sex == 'Female Characters'))

by_sex
```

```{r}
by_align <- comic_characters %>%
            count(align, alive) %>%
            filter(!is.na(alive)) %>%
            filter(align == 'Bad Characters' | align == 'Good Characters' | is.na(align))

by_align
```

### 4.) นำข้อมูลมานำเสนอ (Data Visualization)

#### 4.1.) ใช้ Bar Chart

```{r}
p1 <- ggplot(data=by_publisher, aes(x = publisher, y = n)) +
      # map "alive" of beverage to aes "fill"" of the bar
      geom_col(aes(fill = alive), position = position_fill()) +
      # flip coordinate
      coord_flip() +
      # add labels
      labs(x="", y="Characters", title="Comic characters status from each publisher (In percentage)")

p1
```

#### 4.2.) ใช้ Bar Chart

```{r}
p2 <- ggplot(data=by_sex, aes(x = sex, y = n)) +
      # map "alive" of beverage to aes "fill"" of the bar
      geom_col(aes(fill = alive), position = position_fill()) +
      # flip coordinate
      coord_flip() +
      # add labels
      labs(x="", y="Characters", title="Comic characters status by character gender (In percentage)")
 
p2
```

```{r}
p3 <- ggplot(data=by_align, aes(x = align, y = n)) +
      # map "alive" of beverage to aes "fill"" of the bar
      geom_col(aes(fill = alive), position = position_fill()) +
      # flip coordinate
      coord_flip() +
      # add labels
      labs(x="", y="Characters", title="Comic characters status by character alignment (In percentage)")

p3
```

## สรุปผล

### 1.)
จะสังเกตได้ว่า ทั้ง Marvel และ DC นั้นมีการเขียนให้ตัวละครเสียชีวิตในอัตราที่ใกล้เคียงกัน โดยอัตราการเสียชีวิตของตัวละครจาก Marvel อยู่ที่ 23.0% และตัวละครจาก DC อยู่ที่ 24.56%

```{r}
p1
```

### 2.)
ต่อมาหากดูจากเพศของตัวละคร จะสังเกตได้ว่า อัตราการเสียชีวิตของตัวละครเพศชาย มีมากกว่าตัวละครเพศหญิงเล็กน้อย โดยตัวละครเพศหญิงมีอัตราการเสียชีวิตอยู่ที่ 19.9% และตัวละครเพศชายมีอัตราการเสียชีวิตที่ 25.21%

```{r}
p2
```

สุดท้ายหากดูจากฝ่ายของตัวละครก็จะพบว่า ตัวละครที่ไม่อยู่ฝั่งใดฝ่ายหนึ่งหรือฝ่ายดี มีอัตราการเสียชีวิตน้อยกว่าตัวละครฝ่ายร้ายระดับหนึ่ง โดยตัวละครที่ไม่อยู่ฝ่ายใดฝ่ายหนึ่งมีอัตราการเสียชีวิตอยู่ที่ 19.61% ตัวละครฝ่ายดีอยู่ที่ 20.26% และตัวละครฝ่ายร้ายอยู่ที่ 28.42%

```{r}
p3
```