Kom igångKom igång gratis

Utöka datamängden: Sammanfattningsstatistik per rutt

Vi har konstruerat en datamängd som nästan är redo för visualisering, route_hod. Nu lägger vi till några fler variabler som kommer att vara användbara som kognostiker när vi planerar att utforska visualiseringen interaktivt.

Den här övningen är en del av kursen

Visualisering av big data med Trelliscope i R

Visa kurs

Övningsinstruktioner

  • Beräkna det totala antalet resor för varje rutt.
  • Beräkna för varje rutt skillnaden mellan den genomsnittliga antalet resor per timme under arbetsveckan och den genomsnittliga antalet resor per timme under helgen. Observera att variabeln n redan är aggregerad till antal per timme, så till exempel beräknas genomsnittet för arbetsveckan med mean(n[weekday == "workweek"]).
  • Lägg till en variabel för varje rutt som innehåller en URL som pekar på rutten i Google Maps, med hjälp av den tillhandahållna funktionen make_gmap_url och lämpliga argument från datamängden.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

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 = ___)
Redigera och kör kod