BaşlayınÜcretsiz Başlayın

Veriyi zenginleştirme: Rota özet istatistikleri

Görselleştirmeye neredeyse hazır bir veri kümesi, route_hod, oluşturduk. Etkileşimli olarak görüntülemeyi planladığımız için bilişsel ölçütler (cognostics) olarak işimize yarayacak birkaç değişken daha ekleyelim.

Bu egzersiz

R ile Trelliscope kullanarak Büyük Veriyi Görselleştirme

kursunun bir parçasıdır
Kursu Görüntüle

Egzersiz talimatları

  • Her rota için toplam sürüş sayısını hesapla.
  • Her rota için, hafta içi saatlik ortalama sürüşlerle hafta sonu saatlik ortalama sürüşler arasındaki farkı hesapla. n değişkeninin zaten saat başına sayımlara göre toplandığını unutma; örneğin, hafta içi ortalaması mean(n[weekday == "workweek"]) ile hesaplanır.
  • Her rota için, Google Maps üzerinde rotayı gösteren bir URL içeren bir değişken ekle. Bunun için, veri içinden uygun argümanları vererek sağlanan make_gmap_url fonksiyonunu kullan.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

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 = ___)
Kodu Düzenle ve Çalıştır