Kom igångKom igång gratis

Facettera dagliga resor

Vi märkte ett intressant mönster när vi tittade på dagliga reseantal facetterade efter veckodag. Låt oss undersöka om facettering på fler variabler ger nya insikter. Här ska vi se om det finns olika veckodagsmönster när man även tittar på betalningstyp – kontant eller kortbetalning.

tx finns tillgänglig i din arbetsmiljö.

Den här övningen är en del av kursen

Visualisering av big data med Trelliscope i R

Visa kurs

Övningsinstruktioner

  • Filtrera till enbart kontant- och korttransaktioner och skapa sedan en sammanfattning per veckodag och betalningstyp med dplyr, grupperad efter pickup_date, pickup_dow och payment_type.
  • Räkna antalet resor inuti summarise() och tilldela resultatet till en ny variabel n_rides.
  • Visualisera resultatet med datamängden daily_count som indata till ggplot() och använd geom_point(), med pickup_date på x-axeln och n_rides på y-axeln.
  • Använd facet_grid() för att facettera med payment_type som rader och veckodag pickup_dow som kolumner.
  • Notera att koden coord_fixed() begränsar diagrammets bildförhållande för att lyfta fram mönster på ett tydligare sätt.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

library(dplyr)
library(ggplot2)

# Summarize taxi rides count by payment type, pickup date, pickup day of week
daily_count <- tx %>%
  filter(payment_type %in% c("Card", "Cash")) %>%
  group_by(___, ___, ___) %>%
  summarise(___)

# Plot the data
ggplot(___, aes(___, ___)) +
  ___ +
  facet_grid(___ ~ ___) +
  coord_fixed(ratio = 0.4)
Redigera och kör kod