這份作業希望能夠讓你熟悉讀取不同檔案型態的資料，並利用 dplyr 與 管線運算子操作資料表，讓你可以認識自己要分析的資料！共有兩個題組，每個題組有七題，前五題計分、後兩題不計分。
題目大部分都要求印出 tibble/dataframe，若你的資料是 tibble，直接印出即可，若是 dataframe，請印出前三列即可。
滿分 100 分
The world cannot be understood without numbers. But the world cannot be understood with numbers alone.
― Hans Rosling, Factfulness (漢斯・羅斯林，《真確》)
GapMinder Foundation 是一個致力於「利用統計數字理解世界上各個國家社會、經濟、環境發展」的基金會，除了開發軟體視覺化呈現前述的統計數字以外，他們也將蒐集到的資料公開上網。
若你對他們做的事情有興趣，可以先看這一篇介紹文 如何用 30 秒了解台灣發展與全球趨勢：用 GapMinder 培養正確世界觀。但跟文中所說不同的是，現在 GapMinder Foundation 已經有提供台灣的資料了！因此，底下我們將利用 R 語言，來探索這份資料。
data 資料夾 -> AS03 資料夾 -> gapminder_raw.tsv，並取名為 df_gapminder_raw。這個檔案是 tsv 而非 csv，而且它的欄位名稱 (column names) 遺失了，請小心謹慎！將檔案讀進來之後，請依序更改 df_gapminder_raw 的欄位名稱成 country, continent, year, lifeExp(預期壽命), pop(人口數), gdpPercap(人均GDP)，括弧內是我的說明，請用英文命名欄位即可，最後印出改名後的df_gapminder_raw### your code
library(tidyverse)
library(lubridate)
df_gapminder_raw <- read_tsv("data/AS03/gapminder_raw.tsv", col_names = F)
# using rename()
df_gapminder_raw <- df_gapminder_raw %>% rename(country = 1, continent = 2, year = 3, lifeExp = 4, pop = 5, gdpPercap = 6)
# using `colnames<-`
df_gapminder_raw <- df_gapminder_raw %>% `colnames<-`(c("country", "continent", "year", "lifeExp", "pop", "gdpPercap"))
# using colnames()
colnames(df_gapminder_raw) <- c("country", "continent", "year", "lifeExp", "pop", "gdpPercap")
df_gapminder_raw#> # A tibble: 1,704 x 6
#> country continent year lifeExp pop gdpPercap
#> <chr> <chr> <dbl> <dbl> <dbl> <dbl>
#> 1 Afghanistan Asia 1952 28.8 8425333 779.
#> 2 Afghanistan Asia 1957 30.3 9240934 821.
#> 3 Afghanistan Asia 1962 32.0 10267083 853.
#> 4 Afghanistan Asia 1967 34.0 11537966 836.
#> 5 Afghanistan Asia 1972 36.1 13079460 740.
#> 6 Afghanistan Asia 1977 38.4 14880372 786.
#> 7 Afghanistan Asia 1982 39.9 12881816 978.
#> 8 Afghanistan Asia 1987 40.8 13867957 852.
#> 9 Afghanistan Asia 1992 41.7 16317921 649.
#> 10 Afghanistan Asia 1997 41.8 22227415 635.
#> # … with 1,694 more rowsdf_gapminder_raw 當中有 missing value 嗎？請利用程式碼研究每個欄位的 missing value 情形，回報哪些國家的哪些欄位有 missing value，並請闡述你認為該怎麼處理這些 missing value ，要手動補上嗎？要直接把有 missing value 的列都踢掉嗎？還是計算相關欄位再踢掉？最後將你處理過 missing value 的結果(如果你認為都不用動，就不用動沒關係)儲存在 df_gapminder_clean 中並將它印出### your code
df_gapminder_raw %>% filter(is.na(country))
df_gapminder_raw %>% filter(is.na(continent))
df_gapminder_raw %>% filter(is.na(year))
df_gapminder_raw %>% filter(is.na(lifeExp))
df_gapminder_raw %>% filter(is.na(pop))
df_gapminder_raw %>% filter(is.na(gdpPercap))
df_gapminder_clean <- df_gapminder_raw %>%
mutate(continent = if_else(country == "Nepal", "Asia", continent))
### your text (把文字描述寫在 code chunk 中)
# country 沒有
# continent 有, Nepal, 所以應該是 Asia
# year 沒有
# lifeExp 有, Portugal, 這樣這幾筆資料算 lifeExp 就無法使用，但不用踢掉
# pop 有, Puerto Rico, 這樣這幾筆資料算 pop 就無法使用，但不用踢掉
# gdpPercap 有, Reunion, 這樣這幾筆資料算 gdpPercap 就無法使用，但不用踢掉#> # A tibble: 0 x 6
#> # … with 6 variables: country <chr>, continent <chr>, year <dbl>,
#> # lifeExp <dbl>, pop <dbl>, gdpPercap <dbl>
#> # A tibble: 12 x 6
#> country continent year lifeExp pop gdpPercap
#> <chr> <chr> <dbl> <dbl> <dbl> <dbl>
#> 1 Nepal <NA> 1952 36.2 9182536 546.
#> 2 Nepal <NA> 1957 37.7 9682338 598.
#> 3 Nepal <NA> 1962 39.4 10332057 652.
#> 4 Nepal <NA> 1967 41.5 11261690 676.
#> 5 Nepal <NA> 1972 44.0 12412593 675.
#> 6 Nepal <NA> 1977 46.7 13933198 694.
#> 7 Nepal <NA> 1982 49.6 15796314 718.
#> 8 Nepal <NA> 1987 52.5 17917180 776.
#> 9 Nepal <NA> 1992 55.7 20326209 898.
#> 10 Nepal <NA> 1997 59.4 23001113 1011.
#> 11 Nepal <NA> 2002 61.3 25873917 1057.
#> 12 Nepal <NA> 2007 63.8 28901790 1091.
#> # A tibble: 0 x 6
#> # … with 6 variables: country <chr>, continent <chr>, year <dbl>,
#> # lifeExp <dbl>, pop <dbl>, gdpPercap <dbl>
#> # A tibble: 12 x 6
#> country continent year lifeExp pop gdpPercap
#> <chr> <chr> <dbl> <dbl> <dbl> <dbl>
#> 1 Portugal Europe 1952 NA 8526050 3068.
#> 2 Portugal Europe 1957 NA 8817650 3775.
#> 3 Portugal Europe 1962 NA 9019800 4728.
#> 4 Portugal Europe 1967 NA 9103000 6362.
#> 5 Portugal Europe 1972 NA 8970450 9022.
#> 6 Portugal Europe 1977 NA 9662600 10172.
#> 7 Portugal Europe 1982 NA 9859650 11754.
#> 8 Portugal Europe 1987 NA 9915289 13039.
#> 9 Portugal Europe 1992 NA 9927680 16207.
#> 10 Portugal Europe 1997 NA 10156415 17641.
#> 11 Portugal Europe 2002 NA 10433867 19971.
#> 12 Portugal Europe 2007 NA 10642836 20510.
#> # A tibble: 12 x 6
#> country continent year lifeExp pop gdpPercap
#> <chr> <chr> <dbl> <dbl> <dbl> <dbl>
#> 1 Puerto Rico Americas 1952 64.3 NA 3082.
#> 2 Puerto Rico Americas 1957 68.5 NA 3907.
#> 3 Puerto Rico Americas 1962 69.6 NA 5108.
#> 4 Puerto Rico Americas 1967 71.1 NA 6929.
#> 5 Puerto Rico Americas 1972 72.2 NA 9123.
#> 6 Puerto Rico Americas 1977 73.4 NA 9771.
#> 7 Puerto Rico Americas 1982 73.8 NA 10331.
#> 8 Puerto Rico Americas 1987 74.6 NA 12281.
#> 9 Puerto Rico Americas 1992 73.9 NA 14642.
#> 10 Puerto Rico Americas 1997 74.9 NA 16999.
#> 11 Puerto Rico Americas 2002 77.8 NA 18856.
#> 12 Puerto Rico Americas 2007 78.7 NA 19329.
#> # A tibble: 12 x 6
#> country continent year lifeExp pop gdpPercap
#> <chr> <chr> <dbl> <dbl> <dbl> <dbl>
#> 1 Reunion Africa 1952 52.7 257700 NA
#> 2 Reunion Africa 1957 55.1 308700 NA
#> 3 Reunion Africa 1962 57.7 358900 NA
#> 4 Reunion Africa 1967 60.5 414024 NA
#> 5 Reunion Africa 1972 64.3 461633 NA
#> 6 Reunion Africa 1977 67.1 492095 NA
#> 7 Reunion Africa 1982 69.9 517810 NA
#> 8 Reunion Africa 1987 71.9 562035 NA
#> 9 Reunion Africa 1992 73.6 622191 NA
#> 10 Reunion Africa 1997 74.8 684810 NA
#> 11 Reunion Africa 2002 75.7 743981 NA
#> 12 Reunion Africa 2007 76.4 798094 NAdf_gapminder_clean 篩選出台灣的資料，請用文字描述你的觀察，你看到什麼趨勢？### your code
df_gapminder_clean %>% filter(country == "Taiwan")
### your text
# 台灣的lifeExp, pop, gdpPercap 逐年成長沒有停過#> # A tibble: 12 x 6
#> country continent year lifeExp pop gdpPercap
#> <chr> <chr> <dbl> <dbl> <dbl> <dbl>
#> 1 Taiwan Asia 1952 58.5 8550362 1207.
#> 2 Taiwan Asia 1957 62.4 10164215 1508.
#> 3 Taiwan Asia 1962 65.2 11918938 1823.
#> 4 Taiwan Asia 1967 67.5 13648692 2644.
#> 5 Taiwan Asia 1972 69.4 15226039 4063.
#> 6 Taiwan Asia 1977 70.6 16785196 5597.
#> 7 Taiwan Asia 1982 72.2 18501390 7426.
#> 8 Taiwan Asia 1987 73.4 19757799 11055.
#> 9 Taiwan Asia 1992 74.3 20686918 15216.
#> 10 Taiwan Asia 1997 75.2 21628605 20207.
#> 11 Taiwan Asia 2002 77.0 22454239 23235.
#> 12 Taiwan Asia 2007 78.4 23174294 28718.df_gapminder_clean 中新增欄位，判斷每筆資料的預期壽命介於以下哪個區間（小於 60、大於等於 60 但小於 70、大於等於 70），接著計算歐洲的國家中，各年裡面預期壽命各區間的資料各有多少筆。務必在計算時考慮該如何處理 missing value，如果你前面選擇留著，這邊要留著嗎，如果你前面刪掉，對你現在的運算會有影響嗎？請印出結果，並用文字說明理由### your code
df_gapminder_clean %>%
filter(!is.na(lifeExp)) %>%
mutate(life_interval = case_when(
lifeExp < 60 ~ "<60",
lifeExp >= 60 & lifeExp < 70 ~ "60-70",
lifeExp >= 70 ~ ">=70",
TRUE ~ "others"
)) %>%
filter(continent == "Europe") %>%
count(year, life_interval)
### your text
# 我踢掉 missing value，因為本來就是缺值，所以計算時不該納入#> # A tibble: 28 x 3
#> year life_interval n
#> <dbl> <chr> <int>
#> 1 1952 <60 6
#> 2 1952 >=70 5
#> 3 1952 60-70 18
#> 4 1957 <60 3
#> 5 1957 >=70 7
#> 6 1957 60-70 19
#> 7 1962 <60 1
#> 8 1962 >=70 12
#> 9 1962 60-70 16
#> 10 1967 <60 1
#> # … with 18 more rowsdf_gapminder_clean，先計算亞洲各國 1972 年的總額 GDP (人口數 x 人均GDP)，再依照預期壽命由大到小排列，最後印出國家、總額 GDP、預期壽命三個欄位的 tibble/dataframe### your code
df_gapminder_clean %>% filter(continent == "Asia") %>%
mutate(GDP = gdpPercap*pop) %>%
arrange(desc(lifeExp)) %>%
select(country, GDP, lifeExp)#> # A tibble: 396 x 3
#> country GDP lifeExp
#> <chr> <dbl> <dbl>
#> 1 Japan 4.04e12 82.6
#> 2 Hong Kong, China 2.77e11 82.2
#> 3 Japan 3.63e12 82
#> 4 Hong Kong, China 2.04e11 81.5
#> 5 Israel 1.64e11 80.7
#> 6 Japan 3.63e12 80.7
#> 7 Hong Kong, China 1.84e11 80
#> 8 Singapore 2.15e11 80.0
#> 9 Israel 1.32e11 79.7
#> 10 Japan 3.34e12 79.4
#> # … with 386 more rowsdf_gapminder_clean，先篩選出歐洲各國各自人口最多的年份(e.g. A國 1992 年的人口多於 2007, 2002, etc.，因此留下 A國 1992 年的資料)，接著再依照預期壽命篩選出最高的十個國家(e.g. A國 1992年人口最多, B國 2002年的人口最多，比較兩國這兩年各自的預期壽命)，然後依照國家名稱由 A 到 Z 排列，最後印出國家、年份、預期壽命、人口數的 tibble/dataframe### your code
df_gapminder_clean %>% filter(continent == "Europe") %>%
group_by(country) %>%
mutate(pop_max = max(pop)) %>%
filter(pop == pop_max) %>%
ungroup() %>%
arrange(desc(lifeExp)) %>%
slice(1:10) %>%
arrange(country) %>%
select(country, year, lifeExp, pop)#> # A tibble: 10 x 4
#> country year lifeExp pop
#> <chr> <dbl> <dbl> <dbl>
#> 1 Austria 2007 79.8 8199783
#> 2 France 2007 80.7 61083916
#> 3 Greece 2007 79.5 10706290
#> 4 Iceland 2007 81.8 301931
#> 5 Italy 2007 80.5 58147733
#> 6 Netherlands 2007 79.8 16570613
#> 7 Norway 2007 80.2 4627926
#> 8 Spain 2007 80.9 40448191
#> 9 Sweden 2007 80.9 9031088
#> 10 Switzerland 2007 81.7 7554661df_gapminder_clean，比較各國 1992 年和 2007 年的預期壽命差距，接著留下各洲中預期壽命差距最大與最小的國家，最後印出洲、國家、預期壽命差距的 tibble/dataframe### your code
df_gapminder_clean %>%
filter(!is.na(lifeExp)) %>%
filter(year %in% c(1992, 2007)) %>%
group_by(continent, country) %>%
summarise(lifeExp_diff = max(lifeExp) - min(lifeExp)) %>%
ungroup() %>%
group_by(continent) %>%
arrange(continent, desc(lifeExp_diff)) %>%
mutate(lifeExp_diff_rank = row_number()) %>%
filter(lifeExp_diff_rank %in% c(min(lifeExp_diff_rank), max(lifeExp_diff_rank))) %>%
select(continent, country, lifeExp_diff)#> # A tibble: 10 x 3
#> # Groups: continent [5]
#> continent country lifeExp_diff
#> <chr> <chr> <dbl>
#> 1 Africa Rwanda 22.6
#> 2 Africa Togo 0.359
#> 3 Americas Nicaragua 7.06
#> 4 Americas Trinidad and Tobago 0.0430
#> 5 Asia Nepal 8.06
#> 6 Asia Iraq 0.084
#> 7 Europe Turkey 5.63
#> 8 Europe Montenegro 0.892
#> 9 Oceania New Zealand 3.87
#> 10 Oceania Australia 3.67PTT 上面有好幾個和影集(drama)有關的子板(board)，下方提供 03/02 當天所抓取的相關資料，請載入這份資料後回答問題。
data 資料夾 -> AS03 資料夾 -> df_main_clean.csv，取名為 df_main_clean後印出### your code
df_main_clean <- read_csv("data/AS03/df_main_clean.csv")
df_main_clean#> # A tibble: 1,457 x 10
#> board type title date comments author text IP link
#> <chr> <chr> <chr> <date> <dbl> <chr> <chr> <chr> <chr>
#> 1 Korea… [公告] Fw: [公… 2021-01-18 20 XDDDD5… "┌──┬│┌─… "※ 發信站:… https:/…
#> 2 Korea… [新聞] [新聞] 柳… 2021-01-18 5 jinyi … "演員柳惠英被提… "※ 發信站:… https:/…
#> 3 Korea… [閒聊] [閒聊] … 2021-01-18 101 jay947… "花了幾個週末把… "※ 發信站:… https:/…
#> 4 Korea… [新聞] [新聞] 孫… 2021-01-18 9 jinyi … "據多名電視臺相… "※ 發信站:… https:/…
#> 5 Korea… [LIVE] [LIVE]… 2021-01-18 249 kawasa… "前輩，那支口紅… "※ 發信站:… https:/…
#> 6 Korea… [LIVE] [LIVE]… 2021-01-18 406 tcchen… "劇名:▁▁▁▁… "※ 發信站:… https:/…
#> 7 Korea… [LIVE] [LIVE]… 2021-01-18 80 diana8… "───────… "※ 發信站:… https:/…
#> 8 Korea… [心得] [心得] 惡… 2021-01-18 28 analyt… "最後一集到底來… "※ 發信站:… https:/…
#> 9 Korea… [求薦] [求薦] 想… 2021-01-18 214 greenb… "1.重刷doc… "※ 發信站:… https:/…
#> 10 Korea… <NA> 看完13集驅… 2021-01-19 35 patty6… "不知道各位大大… "※ 發信站:… https:/…
#> # … with 1,447 more rows, and 1 more variable: time <dttm>### your code
df_main_clean %>% count(board)#> # A tibble: 4 x 2
#> board n
#> * <chr> <int>
#> 1 China-Drama 361
#> 2 EAseries 383
#> 3 KoreaDrama 369
#> 4 TaiwanDrama 344### your code
df_main_clean %>% filter(board == "KoreaDrama") %>%
filter(comments >= 50 & comments <= 100)#> # A tibble: 62 x 10
#> board type title date comments author text IP link
#> <chr> <chr> <chr> <date> <dbl> <chr> <chr> <chr> <chr>
#> 1 Korea… [LIVE] [LIVE]… 2021-01-18 80 diana8… "───────… "※ 發信站:… https:/…
#> 2 Korea… [心得] [心得] 看… 2021-01-20 51 Eva041… "天啊~這次真的… "※ 發信站:… https:/…
#> 3 Korea… [閒聊] [閒聊] R… 2021-01-20 51 xji6tp… "繼續用愛發電防… "※ 發信站:… https:/…
#> 4 Korea… [LIVE] [LIVE]… 2021-01-20 75 kawasa… "EP13預告\… "※ 發信站:… https:/…
#> 5 Korea… [心得] [心得] 晝… 2021-01-21 80 lyw318… "一般追劇，要嘛… "※ 發信站:… https:/…
#> 6 Korea… [心得] [心得] 推… 2021-01-21 81 ilovef… "晝與夜是一部怪… "※ 發信站:… https:/…
#> 7 Korea… [閒聊] [閒聊] J… 2021-01-22 62 rainin… "[這是碎碎念]… "※ 發信站:… https:/…
#> 8 Korea… [心得] [心得] 女… 2021-01-23 61 Kduran… "因為目前很喜歡… "※ 發信站:… https:/…
#> 9 Korea… [心得] [心得] 《… 2021-01-26 63 analyt… "看到新聞說有人… "※ 發信站:… https:/…
#> 10 Korea… [心得] [心得] 看… 2021-01-26 56 n25 (n… "細部情節帶給人… "※ 發信站:… https:/…
#> # … with 52 more rows, and 1 more variable: time <dttm>### your code
df_main_clean %>% mutate(month = month(date)) %>% count(board, month)#> # A tibble: 21 x 3
#> board month n
#> <chr> <dbl> <int>
#> 1 China-Drama 1 135
#> 2 China-Drama 2 137
#> 3 China-Drama 3 24
#> 4 China-Drama 4 1
#> 5 China-Drama 8 1
#> 6 China-Drama 12 63
#> 7 EAseries 1 111
#> 8 EAseries 2 240
#> 9 EAseries 3 27
#> 10 EAseries 4 3
#> # … with 11 more rows### your code
library(lubridate)
df_main_clean %>%
filter(date >= as_date("2021-02-23") & date <= as_date("2021-03-01")) %>%
count(board) %>%
arrange(desc(n)) %>%
slice(1) %>%
select(n, board)#> # A tibble: 1 x 2
#> n board
#> <int> <chr>
#> 1 56 EAseries### your code
df_main_clean %>%
group_by(board, date) %>%
mutate(n = n()) %>%
ungroup() %>%
group_by(board) %>%
filter(n == max(n)) %>%
arrange(board, desc(comments)) %>%
filter(row_number() %in% c(1:2)) %>%
select(board, title, date, comments)#> # A tibble: 8 x 4
#> # Groups: board [4]
#> board title date comments
#> <chr> <chr> <date> <dbl>
#> 1 China-Drama [心得] 太過期待以致失望的有翡（含原著雷） 2021-01-24 415
#> 2 China-Drama [Live] 上陽賦 EP25 蕭綦高光即將開始 2021-01-24 337
#> 3 EAseries [心得] Wandavision S01E05 大暴雷啦!! 2021-02-05 182
#> 4 EAseries [請益] 是否可推薦帶入美式生活的影集 2021-01-22 94
#> 5 KoreaDrama [情報] 哲仁王后花絮 未公開畫面 金正賢專訪 2021-02-17 1352
#> 6 KoreaDrama [心得] 哲仁王后結局 2021-02-17 836
#> 7 TaiwanDrama [LIVE] 台視《生生世世》第162集 台視週間20:00 2020-12-30 266
#> 8 TaiwanDrama [LIVE] 愛不愛栗絲 第三集 2020-12-30 64提示：你可以查一下 case_when() 的用法，或是你想要用 ifelse() 或者 if_else() 都行
### your code
df_main_clean %>% mutate(type = case_when(type == "[LIVE]" ~ "[LIVE]",
type == "[Live]" ~ "[LIVE]",
type %in% c("[心得]","[閒聊]","[新聞]","[情報]") ~ type,
is.na(type) ~ "[其他]",
TRUE ~ "[其他]")) %>%
group_by(board, type) %>% summarise(n = n()) %>%
ungroup() %>%
group_by(board) %>%
mutate(per = n/sum(n)) %>%
ungroup() %>%
arrange(board, desc(per))#> # A tibble: 23 x 4
#> board type n per
#> <chr> <chr> <int> <dbl>
#> 1 China-Drama [心得] 128 0.355
#> 2 China-Drama [閒聊] 110 0.305
#> 3 China-Drama [其他] 57 0.158
#> 4 China-Drama [LIVE] 45 0.125
#> 5 China-Drama [情報] 12 0.0332
#> 6 China-Drama [新聞] 9 0.0249
#> 7 EAseries [新聞] 123 0.321
#> 8 EAseries [心得] 109 0.285
#> 9 EAseries [其他] 91 0.238
#> 10 EAseries [閒聊] 59 0.154
#> # … with 13 more rows