Comece agoraComece grátis

Aumentando os dados: estatísticas resumidas da rota

Construímos um conjunto de dados quase pronto para visualização, o route_hod. Vamos adicionar mais algumas variáveis que serão úteis como cognostics, já que vamos visualizar o painel de forma interativa.

Este exercicio faz parte do curso

Visualizando Big Data com Trelliscope em R

Ver curso

Instruções do exercicio

  • Para cada rota, calcule o número total de viagens.
  • Para cada rota, calcule a diferença entre a média de viagens por hora durante a semana útil e a média de viagens por hora durante o fim de semana. Observe que a variável n já está agregada em contagens por hora; então, por exemplo, a média da semana útil é calculada com mean(n[weekday == "workweek"]).
  • Para cada rota, adicione uma variável contendo uma URL que aponte para a rota no Google Maps, usando a função fornecida make_gmap_url, passando os argumentos apropriados dos dados.

exercicio interativo prático

Tente este exercicio completando este código de exemplo.

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 e Executar Código