LoslegenKostenlos starten

Daten anreichern: Routen-Zusammenfassungsstatistiken

Wir haben einen Datensatz erstellt, der fast bereit für die Visualisierung ist: route_hod. Fügen wir noch ein paar Variablen hinzu, die als Kognostika nützlich sind, wenn wir die Ansicht interaktiv erkunden.

Diese Übung ist Teil des Kurses

<Kurs>Big Data mit Trelliscope in R visualisieren</Kurs>
Kurs ansehen

Übungsanweisungen

  • Berechne für jede Route die Gesamtzahl der Fahrten.
  • Berechne für jede Route die Differenz zwischen den durchschnittlichen stündlichen Fahrten an Werktagen und an Wochenenden. Beachte, dass die Variable n bereits auf Stundenzählungen aggregiert ist. Der Werktagsdurchschnitt wird zum Beispiel mit mean(n[weekday == "workweek"]) berechnet.
  • Füge für jede Route eine Variable hinzu, die eine URL zu der Route auf Google Maps enthält. Verwende dazu die bereitgestellte Funktion make_gmap_url und übergib passende Argumente aus den Daten.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

library(trelliscopejs)
library(ggplot2)
library(dplyr)

# Function to construct a Google maps URL with cycling directions
make_gmap_url <- function(start_lat, start_lon, end_lat, end_lon) {
  paste0("https://www.google.com/maps/dir/?api=1",
    "&origin=", start_lat, ",", start_lon,
    "&destination=", end_lat, ",", end_lon,
    "&travelmode=bicycling")
}

# Compute tot_rides, weekday_diff, and map_url
route_hod_updated <- route_hod %>% ungroup() %>%
  group_by(start_station_code, end_station_code) %>%
  mutate(
    tot_rides = sum(___),
    weekday_diff = mean(n[weekday == "workweek"]) - ___,
    map_url = ___)
Code bearbeiten und ausführen