-
Notifications
You must be signed in to change notification settings - Fork 0
/
Lab05_Homework_Data-Manipulation-Joining_ref.Rmd
executable file
·155 lines (111 loc) · 5.04 KB
/
Lab05_Homework_Data-Manipulation-Joining_ref.Rmd
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
---
title: "Lab05_Homework_Data-Manipulation-Joining_ref"
author: "曾子軒 Teaching Assiatant"
date: "2021/03/23"
output:
html_document:
number_sections: no
theme: united
highlight: tango
toc: yes
toc_float:
collapsed: no
---
```{r setup, include=FALSE}
knitr::opts_chunk$set(echo = TRUE, results = 'hold', comment = '#>', error = TRUE)
```
## 作業目的: Data Manipulation and Joining
這份作業希望能夠讓你熟悉於資料處理(data manipulation)，利用這兩週所學的 filter, mutate, select, group by, summarize, join, pivot 等動詞完成任務。請一律印出 tibble()，你可以利用 `as_tibble()` 將 dataframe 轉換成 tibble。作業的滿分為 100 分。
資料內容是台大 105 學年度雙主修的榜單，請參考[雙主修榜單](https://reg227.aca.ntu.edu.tw/TMD/stuquery/doc/105%E9%9B%99%E4%B8%BB%E4%BF%AE%E6%A6%9C%E5%96%AE.pdf)，但是 105 年的掛了，給你看 [108年](http://reg227.aca.ntu.edu.tw/tmd/stuquery/doc/108%E9%9B%99%E4%B8%BB%E4%BF%AE%E6%A6%9C%E5%96%AE.pdf) 的參考，為了上課需要，將內容做了一些改動喔！
## 作業: Data Manipulation and Joining
```{r message=FALSE, warning=FALSE}
### 這邊不要動
library(tidyverse)
df_college_join <- read_csv("data/Lab05/df_college_join.csv")
df_dmajor_105 <- read_csv("data/Lab05/df_dmajor_105.csv")
### 給你看資料長這樣
df_dmajor_105 %>% head(5)
df_college_join %>% head(5)
```
### 0. 練習尋找並處理 `NA`
```{r message=FALSE, warning=FALSE}
### 看是誰有 NA
# 一個一個看
df_dmajor_105 %>%
filter(is.na(ID_year)|is.na(ID_dept)|is.na(ID_order)|is.na(dept_original)|is.na(grade)|is.na(name)|is.na(dept_dmajor))
# 進階
# df_dmajor_105 %>% anti_join(df_dmajor_105 %>% drop_na())
# 進階
# df_dmajor_105 %>% filter(if_any(everything(), is.na))
### 處理 NA
# 全部踢掉
df_dmajor_105 %>% drop_na() %>% head(5)
# 按照預設值修改
df_dmajor_105 %>% replace_na(list(ID_year = "missing", dept_original = "unknown", grade = 0)) %>% head(5)
### 因為這題資料的缺失值會影響結果計算，因此全數踢掉
df_dmajor_105 <- df_dmajor_105 %>% drop_na()
```
### 1. `unite()` 和 `separte()`：
A. 現在的學號分開了，請幫我用 `"-"` 拼起來，欄位命名為 `ID`，存成 `df_dmajor_105_tmp` 後印出
B. 再幫我把 `df_dmajor_105_tmp` 分開成三個欄位分別叫做 "ID_year", "ID_dept", "ID_order"，分開以後<span style="color: white;">回到一個人生活</span>
這題給你看答案喔！
```{r message=FALSE, warning=FALSE}
### your code (A)
df_dmajor_105_tmp <- df_dmajor_105 %>% unite(col = "ID", c(ID_year, ID_dept, ID_order), sep = "-")
df_dmajor_105_tmp
### your code (B)
df_dmajor_105_tmp %>% separate(col = ID, into = c("ID_year", "ID_dept", "ID_order"), sep = "-")
```
### 2. `group_by()` and `summarize()`:
利用 `df_dmajor_105`
A. 請幫我找出**向外**雙主修人數最多的系所
B. 請幫我找出**向外**雙主修科系最多元的系所
這題給你看答案喔！
```{r message=FALSE, warning=FALSE}
### your code (A)
df_dmajor_105 %>%
group_by(dept_original) %>%
summarise(n = n()) %>%
ungroup() %>%
filter(n == max(n))
### your code (B)
df_dmajor_105 %>%
group_by(dept_original) %>%
summarise(n_major = n_distinct(dept_dmajor)) %>%
ungroup() %>%
filter(n_major == max(n_major))
### your result should be
```
### 3. `join()` and `count()` and `mutate()`:
利用 `df_dmajor_105` 和 `df_college_join` 串接，請幫我計算各學院**向外**雙主修的人數以及佔據總體的比例
```{r message=FALSE, warning=FALSE}
### your code
df_dmajor_105 %>%
left_join(df_college_join, by = c("dept_original" = "dept")) %>%
count(college) %>%
mutate(per = n/sum(n))
### your result should be
```
### 4. `join()` and `mutate()`:
利用 `df_dmajor_105` 和 `df_college_join` 串接，請幫我計算各學院之間雙主修的人數，並且增加一個欄位，以原本學院為基礎，計算該學院雙主修到各學院的人數佔比。舉例來說，社科院有 5 人雙文學院、3 人雙工學院、2 人雙管理學院，請幫我計算出這些人數，以及社科雙文學院的佔比為 50%、雙工學院的佔比為 30%、雙管理學院的佔比為 20%，最後將結果儲存成 `df_dmajor_105_college` 並印出。
```{r message=FALSE, warning=FALSE}
### your code
df_dmajor_105_college <- df_dmajor_105 %>%
left_join(df_college_join, by = c("dept_original" = "dept")) %>%
rename(college_original = college) %>%
left_join(df_college_join, by = c("dept_dmajor" = "dept")) %>%
rename(college_dmajor = college) %>%
count(college_original, college_dmajor) %>%
group_by(college_original) %>%
mutate(per = n/sum(n))
df_dmajor_105_college
### your result should be
```
### 5. `pivot_wider()`：
請將 `df_dmajor_105_college` 轉成寬表格後印出，表格中的值使用 `per`， `n` 可以刪掉了
```{r message=FALSE,warning=FALSE}
### your code
df_dmajor_105_college %>% select(-n) %>%
pivot_wider(names_from = college_dmajor, values_from = per, values_fill = list(per = 0))
### your result should be
```