ComenzarEmpieza gratis

Ampliar los datos: estadísticas de ruta

Hemos construido un conjunto de datos casi listo para visualizar, route_hod. Añadamos algunas variables más que serán útiles como cognostics de cara a explorar la visualización de forma interactiva.

Este ejercicio forma parte del curso

Visualizar Big Data con Trelliscope en R

Ver curso

Instrucciones del ejercicio

  • Para cada ruta, calcula el número total de trayectos.
  • Para cada ruta, calcula la diferencia entre la media de trayectos por hora entre semana y la media de trayectos por hora en fin de semana. Ten en cuenta que la variable n ya está agregada a recuentos por hora, así que, por ejemplo, la media de entre semana se calcula con mean(n[weekday == "workweek"]).
  • Para cada ruta, añade una variable con una URL que apunte a la ruta en Google Maps, usando la función make_gmap_url proporcionada y pasando los argumentos adecuados a partir de los datos.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

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 = ___)
Editar y ejecutar código