MulaiMulai sekarang secara gratis

Memperkaya data: Statistik ringkasan rute

Kami telah menyusun himpunan data yang hampir siap untuk divisualisasikan, route_hod. Mari tambahkan beberapa variabel lagi yang akan berguna sebagai kognostik karena kita akan menampilkan visualisasi ini secara interaktif.

Latihan ini adalah bagian dari kursus

Visualizing Big Data with Trelliscope in R

Lihat Kursus

Petunjuk latihan

  • Untuk setiap rute, hitung total jumlah perjalanan.
  • Untuk setiap rute, hitung selisih antara rata-rata jumlah perjalanan per jam selama hari kerja dan rata-rata jumlah perjalanan per jam selama akhir pekan. Perhatikan bahwa variabel n sudah diagregasi menjadi hitungan per jam, sehingga, misalnya, rata-rata hari kerja dihitung dengan mean(n[weekday == "workweek"]).
  • Untuk setiap rute, tambahkan variabel yang berisi URL yang mengarah ke rute tersebut di Google Maps, menggunakan fungsi make_gmap_url yang disediakan, dengan argumen yang sesuai dari data.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

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 = ___)
Edit dan Jalankan Kode