डेटा को समृद्ध करना: रूट के सार-सांख्यिकी
हमने एक ऐसा डेटासेट तैयार किया है जो विज़ुअलाइज़ेशन के लिए लगभग तैयार है: route_hod. आइए कुछ और वैरिएबल जोड़ें जो इंटरैक्टिव डिस्प्ले देखने की तैयारी में कॉग्नॉस्टिक्स के रूप में काम आएँगे.
यह अभ्यास पाठ्यक्रम का हिस्सा है
R में Trelliscope के साथ बिग डेटा का विज़ुअलाइज़ेशन
अभ्यास निर्देश
- हर रूट के लिए कुल राइड्स की संख्या निकालें.
- हर रूट के लिए कार्य-दिनों (work week) और वीकेंड के दौरान औसत प्रति-घंटा राइड्स का अंतर निकालें. ध्यान दें कि वैरिएबल
nपहले से प्रति घंटा काउंट पर एग्रीगेटेड है, तो उदाहरण के लिए workweek का mean ऐसे निकलेगा:mean(n[weekday == "workweek"]). - हर रूट के लिए एक वैरिएबल जोड़ें जिसमें Google Maps पर उस रूट की ओर इशारा करता हुआ URL हो. दिए गए
make_gmap_urlफंक्शन का उपयोग करें और डेटा से उपयुक्त आर्ग्युमेंट्स पास करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
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 = ___)