不同路線的騎乘次數呈現出有趣且多樣的型態。試著用不同指標進行排序與篩選。哪些是最常見的起訖站？有些站點是否更常與休閒或通勤騎乘相關？通勤路線在距離／時間上通常較長還是較短？
現在請回答這個問題：平均行程時間少於 10 分鐘的路線中，哪一條的總騎乘次數最多？
本練習屬於課程
將理論付諸實踐，立即體驗我們的互動練習
學習如何使用 ggplot2 繪製巨量資料的不同策略，包括計算與繪製摘要統計、處理過度重疊（overplotting）的多種技巧，以及以分面實作的小倍數原則，並由此引入 Trelliscope。
在上一章中，你看到分面如何作為一種強大的技巧，用於視覺化能以有意義方式自然切分的大量資料。現在，結合 ggplot2 與 trelliscopejs 套件，當資料中的分割數量大到無法在單一畫面有效檢視時，你將學會如何建立分面的視覺化。
ggplot2 + trelliscopejs 的介面相當容易使用，但 trelliscopejs 也提供一種分面繪圖機制，讓你在選擇繪圖系統與指定認知指標（cognostics）時有更高的彈性。你將在本章完整學會這些內容！
<a href="https://www.bixi.com" target="_blank">蒙特婁 BIXI 單車網路</a>提供每趟騎乘的開放資料，包括日期、時間、騎乘時長，以及起訖站點。本章中，你將分析 2017 年超過 400 萬筆、涵蓋 546 個站點之間移動的騎乘資料。從這些資料可以提出許多有趣的探索性問題；你會建立從摘要統計到細緻的 Trelliscope 視覺化等各式探索性圖表，進而對資料獲得有趣的洞見。
當前練習
