始める無料で始める

データの拡張：ルートの要約統計量

可視化の準備がほぼ整ったデータセット route_hod があります。インタラクティブな表示を想定して、コグノスティクスとして役立つ変数をいくつか追加しましょう。

この演習はコースの一部です

RのTrelliscopeでビッグデータを可視化する

コースを見る

演習の手順

  • 各ルートについて、総乗車回数を計算してください。
  • 各ルートについて、平日の1時間あたり平均乗車回数と週末の1時間あたり平均乗車回数の差を計算してください。変数 n はすでに1時間ごとの集計値であるため、たとえば平日の平均は mean(n[weekday == "workweek"]) で計算します。
  • 各ルートについて、提供されている make_gmap_url 関数を使用し、データから適切な引数を渡してGoogle Maps上のルートを示すURLを含む変数を追加してください。

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

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 = ___)
コードを編集して実行